C'est un code très naïf bien que correct à la norme html5, sans plus.
La structure est plutôt "ancienne" et ne répond pas aux standards actuels.
Si un étudiant pond ça il aura certainement pas la note maximale...
À noter que ce n'est pas que du html mais aussi du JS embarqué, vu que HTML n'est qu'un langage de description, pas "algorithmique".
J'ai glissé Chef !
@Ikhar84 msg #31
On attend tes corrections du code avec impatience !
C'est assez logique : on lui demande de coder quelque chose de simple avec un "prompt" qui l'est tout autant.Envoyé par Ikhar84
Il répond donc "au même niveau".
Si on lui demande de faire du code plus moderne, il va commencer à utiliser des "let", des event listeners, des syntaxes de fonction en () =>, etc.
Mais surtout, si on code réellement dans le cadre d'un projet, les IAs s'adaptent au code existant.
Donc si je fais du Javascript ou Python naif, je vais avoir des suggestions du même niveau. Si je fais du fonctionnel en Scala par contre, je vais avoir des suggestions de code très concis et abstrait utilisant toute la puissance de la librairie et faisant à l'occasion mieux que moi.
Ceci, l'intérêt des IAs actuellement en programmation n'est pas d'être meilleur que les humains compétents ou pour le moment de les remplacer complètement.
C'est d'automatiser une grande partie du codage "mécanique", de faciliter la prise en main de langages et librairies nouvelles, etc.
"Pour le moment" est le mot clé : on verra où on en est dans 5 ans.
Un autre intérêt est celui décrit dans ce fil : les réseaux de neurones, humains ou artificiels sont très peu efficaces pour faire tourner des algorithmes même ceux aussi simples que l'arithmétique du primaire. Ils sont lents et font des erreurs.
Etre capable de générer du code dans ces cas là donne énormément de potentiel aux IAs.
A terme, un certains nombre de logiciels seront sans doute capables de s'autoprogrammer en partie : l'utilisateur demandera en langage naturel ce qu'il veut et le code pour le faire sera créé et exécuté.
Ce qui fera disparaitre le coté statique des logiciels actuels où on ne peut faire que ce qui a été prévu par les programmeurs au niveau de l'interface utilisateur qui est elle-même peu flexible.
ce n'est pas ma question. Ma question c'est de savoir si je demande à chatGPT 4 " quelle est la somme des racines carrées des diviseurs de 541215878 ?", est ce qu'il va écrire le code et l'exécuter ou pas ?
En résumé pour avoir la dernière version qui offre beaucoup plus de capacités -dont celle répondant à la question du primo-posteur- il faut payer.
De plus avec GPT 4.0 on a accès aux API qui permettent des tas de choses, quasiment tout ce dont on peut avoir besoin.
Et c'est aussi en plein développement... sans compter que la version 4.0 communique directement avec DALL.E , les IA génératives de toute sorte fabriquées ou non par OpenAI
C'est absolument classique comme pratique de faire payer pour les dernières versions nettement plus performantes dans le système dans lequel on vit.
De plus il faut compter sur la compétition entre fabricants d'IA qui essaient de vendre leurs modèles à eux: ce qui est aussi un grand classique du genre dans le système où on vit.
Objectivement je préfère cette pratique appliquée aux IA que lorsqu'elle est appliquée aux armements
Et je pense que beaucoup ici seront d'accord.
C'était le chapitre "les bons et les mauvais côtés de l'IA"...
Dernière modification par oualos ; 29/12/2023 à 09h14.
Un des progrès ("vieux" maintenant) évoqué dans ce fil: https://writings.stephenwolfram.com/...m-superpowers/
Sans questions il n'y a que des problèmes sans réponses.
Mais maintenant, cela marche directement dans GPT-4 sans passer par un plugin ou un site externe.
Cela a été dit plusieurs fois dans ce fil, plusieurs fois dans les fils précédents.
Mais visiblement, certains participent au fil d'IA en mode "écriture seule" : ils nous disent ce qu'il faut penser (voir le post d'oualos au dessus hilarant avec considérations sur la vente d'armes) sans lire ce qui est expliqué ni se renseigner à coté.
c'était une simple question, je ne sais pas si c'est implémenté ou pas dans la version en ligne de chatGPT 4. Evidemment techniquement je ne vois pas d'objection de principe pour que ce soit impossible.
Mais si il répond à ce genre de question en programmant un module mathématique, évidemment ça implique qu'il n'y répond pas comme un cerveau humain "de tête". Donc ça ne prouve pas plus qu'il fait "comme les humains" en cherchant les diviseurs d'un nombre (avec une méthode proche de celle que j'ai esquissée quand j'ai décrit comment je ferais moi pour trouver les diviseurs de 507).
Bref pour le moment si je résume, les différentes méthodes utilisées par l'IA sont :
* ressortir du "par coeur"n ce qui est proche de ce qu'un cerveau humain pour les choses simples apprises par coeur (genre décomposition d'un nombre jusqu'à 100) mais pas pour les choses un peu plus compliquées pour lequel l'humain utilise l'algorithmique
* "intuiter par similitude" , qu'il utilise pour des nombres trop grands pour lesquels il n'a pas de source, mais qui le conduit à dire à peu près n'importe quoi (non respect des règles simples de divisibilité, diviseurs plus grands que le nombre), erreurs que le cerveau humain ne ferait pas.
* se brancher à un module mathématique, avec évidemment des résultats exacts, mais qui n'est pas du tout ce que fait un cerveau humain de tête.
Dans aucun de ces cas il n'émule ce que fait un cerveau humain qui développe son algorithmique personnelle pour résoudre un problème dont il ne connait pas la solution par coeur - ce qui peut etre considéré comme un modèle simple de "réflexion face à une situation complexe". Soit il connait la solution par coeur parce qu'il l'a prédigérée, soit il invente mais alors il dit n'importe quoi, soit il se branche à un module externe mathématique , ce qui n'est évidemment applicable qu'à des problèmes mathématiques (et qui ne correspond pas au fonctionnement du cerveau humain).
Je ne dis bien sûr pas qu'on ne pourra jamais faire mieux, je fais juste le bilan de ce qui est disponible actuellement, qui ne me parait pas correspondre à la description qu'en faisait Biname qu'on savait d'ores et déjà "émuler le cerveau humain".
Et voila un gros paquet d'affirmations gratuites et fausses comme d'habitude.
Plus haut, il nous as expliqué que pas du tout, on ne travaille pas intuitivement comme je le décrivais.
Maintenant c'est le contraire.
Et maintenant, il explique le "de tête" des humains en oubliant que dès qu'on fait des maths sérieuses comme par exemple de chercher des diviseurs, on utilise du papier/crayon ou tableau.
Bref qu'on applique des algorithmes de façon méthodique et rigoureuse en utilisant une mémoire externe. Qui peut également être un boulier.
Le passage dans ce mode est exactement ce que fait GPT-4 quand il génère du code avant de le faire exécuter.
Bref on reste dans le "je n'y connais rien, je ne sais même pas ce qui est fait mais je vais tout vous expliquer".
Au passage, on aura aussi appris que le cerveau humain "développe son algorithmique personnelle". Archi3 a développé quelque chose de personnel pour trouver des diviseurs ?
On aurait pu penser qu'il se contente d'appliquer des techniques inventées depuis des millénaires et qu'on lui a enseigné mais visiblement non : il regarde si le dernier chiffre est pair pour savoir si un nombre est divisible par 2 et pense que c'est créatif.
Dernière modification par pm42 ; 29/12/2023 à 10h17.
Je viens de demander aux 'trois' IA de me factoriser 6549 : c'est boulversifiant, elles se plantent toutes et s'accrochent. Jamais vu ça !
C'est tellement énorme que j'hésite à coller ici
Merci au primo posteur.
Biname
C'est un peu curieux cette obsession de demander à des modèles faits pour générer du texte de faire des maths algorithmiques.Je viens de demander aux 'trois' IA de me factoriser 6549 : c'est boulversifiant
Au passage, GPT-4 répond :
Les facteurs premiers de 6549 sont 3, 37 et 59.
J'ai voulu faire la pression des pneus avec une burette d'huile, ça ne marche pas...
C'est grave docteur...
Jusqu'ici tout va bien...
non desolé, ça a des ressemblances superficielles, mais ce n'est pas "exactement " ce que fait GPT-4. Au cas où tu l'ignores, il n'utilise pas de visualisation graphique des chiffres ou de boulier.
Par ailleurs le processus humain que je t'ai décrit n'est ni purement de la mémoire, ni purement de l'algorithmique : je t'ai décrit comment je faisais en pratique pour factoriser 507 et ce n'est ni de la pure mémoire ni de la force brute comme les programmes que vous avez donné en exemple (essayer tous les diviseurs un à un).
voila comment je factoriserais 6549 par exemple avec le moins de calcul possible et sans crayon : il est divisible par 3 : 6549/3 = 2183. Après 2183 n'a pas de facteur premier simple évident en dessous de 11 donc il faut que j'essaie les facteurs premiers entre 13 et racine(2183) (sans doute 47 un peu au pif). Ca va me prendre un peu de temps, ou alors je vérifie bêtement dans une table si 2183 est premier ...non pas de bol il ne l'est pas : https://fr.wikipedia.org/wiki/Liste_de_nombres_premiers, bien il faut que je m'y colle ... pour tester la divisibilité on peut tester si la différence avec un multiple simple connu est multiple aussi, ça peut etre plus simple. Par exemple pour tester la divisibilité par 13 on peut former la différence avec 2600 : 417 qui n'est pas divisible par 13, par 17, différence avec 1700 = 483 qui n'est pas divisible par 17 (483+17 = 500 qui n'est pas divisible par 17) , par 23 différence avec 2300 = 117 qui n'est pas divisible par 23 , par 29 différence avec 2900 = 717 pas divisible par 29, 31 différence avec 1550 =3100/2 : 633 non divisible par 31 (620 l'est donc pas 633), 37 différence avec 1850 = 3700/2 : 333 ah c'est 3*111 = 3*3*37 donc ça marche
donc 2183 = 1850 +9*37 = 100*37/2 + 9*37 = 59*37
voila, c'est pédestre, un peu lent, sans doute pas optimisé, mais "humain", j'ai utilisé des trucs un peu bricolé, ni une liste mémorisée, ni les essais bruts un par un.
L'avantage est que je pourrais inventer des méthodes devant chaque problème nouveau de façon bien plus variée qu'un "programme", et ça me rend aussi probablement capable de faire face à tout un tas de situations inattendues.
Ou comment confondre un cas particulier avec la méthode générale pour "prouver" quelque chose de faux.
Et on est content d'apprendre que la technique d'Archi3 pour ce cas particulier montre "comment fonctionne le cerveau humain et comment on fait des maths".
Encore une fois, on est dans le "ce que je crois est une règle générale et il me suffit de l'affirmer pour que ce soit vrai".
Bon, j'arrête là parce que vu la mauvaise foi habituelle, on va avoir des messages en rafale sur le thème de "oui mais moi".
ce n'est pas que "moi", si tu connais un humain qui est capable de factoriser des nombres de 4 chiffres, et le fait en essayant tous les diviseurs un à un, merci de me le faire connaitre. Et si tu n'en connais pas, ton assertion que GPT-4 fait "comme les humains" est incorrecte, c'est aussi simple que ça.
Stop à la mauvaise foi !
Rien ne sert de penser, il faut réfléchir avant - Pierre Dac
Ici un professeur de mathématiques à la retraite explique comment calculer mieux et de façon efficace pour diverses opérations comment les carrés, racines carrés etc.
et il cite un prodige néerlandais capable de décomposer des nombres élevés en facteurs premiers.
Et de bien d'autres choses en calcul mental...
https://youtu.be/zjA7UzENcYw?t=1535
Dernière modification par oualos ; 29/12/2023 à 18h49.
Voici comment on se sert d'un jeu africain l'awalé pour décomposer tout chiffre en facteurs premiers
https://www.youtube.com/watch?v=zjA7UzENcYw&t=2244s
Tu n'a pas écouté l'explication de la "magie" car tu ne dirais pas tout nombre (de plus les chiffres c'est de 0 à 9)regarde la suite, tu te rendras compte qu'il s'agit de calculer, la vidéo est sympa quand même et le site de ce professeur aussi https://club-math-and-magie-souder.jimdosite.com/
Sans questions il n'y a que des problèmes sans réponses.
Salut,
"Vert j'espère", on peut ?
Baird, Bing et GPT 3.5 se plantent tous de la même façon sur cette question des facteurs premiers. C'est amusant, un vous parle d'une méthode simplifiée qui ne marche pas, l'autre considère des nombres réels et n'a donc jamais de reste, ensuite il vous dit <<Là, je suis sûr de moi ... >>> et paf, faux. Seul Baird est autorisé à lancer du code python, mais ne l'a pas fait.
Pour les curieux, utilisez un nombre entre 5000 et 10000 étant le produit de 3 nombres premiers et allez leur demander de le décomposer en facteurs premiers, s'ils se trompent demandez leur de vérifier en faisant la division, bonne chance
Une leçon de ces "tests" est qu'ils sont là pour enseigner, pas pour apprendre ?
Par contre, ils donnent tous une définition exacte de "facteur premier".
Dernière modification par Biname ; 29/12/2023 à 19h19.
Comme déjà dit, pourquoi est ce que tu t'obstines à demander à des IAs qui ne sont pas faites pour ça et dont on sait qu'elles vont échouer ce genre de question ?
Tu essaies aussi d'enfoncer les clous avec un tournevis ?
beh non relis mon premier post elles n'échouent pas systématiquement : elles y arrivent pour les petits nombres et se perdent après. Mais quand elles échouent, non seulement elles se trompent, mais elles donnent des réponses "impossibles", qu'aucun humain ne donnerait, qui contredit complètement la compréhension de la notion même de "diviseur" (par exemple ça ne la gene pas de sortir un diviseur supérieur au nombre) : ce qui prouve pour moi que même quand elle donne les réponses justes, elle ne "comprend pas" ce que que tu lui demandes.
Par exemple si tu utilises GPT-4 mais que tu trafiques le module mathématique et que tu lui fais sortir les diviseurs multipliés par 10, certainement elle ne s'en rendra absolument pas compte et te ressortira les nombres x 10 sans broncher, parce qu'on l'a juste entrainé à donner la réponse du module, sans se rendre compte qu'il y a un problème, alors qu'un humain le réalisera immédiatement - elle n'est évidemment pas entrainée à critiquer la sortie du module mathématique vu qu'on le lui a greffé justement parce qu'elle ne sait pas faire sans.
Ca n'est ni bien ni mal encore une fois, c'est juste une constatation de ce que donne la technique utilisée sans appel à un module mathématique : un certain taux de succès mais qui trouve ses limites et qui peut alors "dérailler" complètement.
Ce n'est évidemment pas spécialement intéressant d'utiliser une IA générative pour factoriser des nombres, pas plus que de dessiner des carottes : c'est seulement intéressant pour mieux comprendre ce que ça peut faire et ne pas faire, et en particulier ne pas verser dans le fantasme du "truc super intelligent qui fait tout comme l'humain mais encore mieux " - je sais que ce n'est pas ton cas, mais on le voit vite affleurer dans certaines craintes/fantasmes.
Je parlais à Biname. En général quand un message arrive 4 réponses après le tien sans te citer c'est qu'il ne t'es pas adressé. Même une IA saurait ça.
Dernière modification par pm42 ; 29/12/2023 à 19h47.
bah oui tu as répondu à Biname que l'IA allait échouer, et en retour je te fais remarquer que non, elles n'échouent pas complètement, elles arrivent à faire des trucs assez simples : mais quand elles déraillent, elles peuvent le faire complètement.
Salut,
Cette apparente inaptitude à compter (arithmétique élémentaire) sans passer par une calculette (un m'a renvoyé à une calculatrice en ligne
Biname
De l'art d'Archi3 d'user du verre à moitié plein ou à moitié vide toujours à son avantage...
Mais, en fait, à part visiter un autre coin du forum, que fait cette mauvaise question ici ?
Mauvaise, parce-qu'elle ne fait pas d'arithmétique, elle ne fait "que" reciter ce qui lui semble le plus probablement juste dans ce qu'elle "se souvient" après son entraînement.
Jusqu'ici tout va bien...
je ne comprends pas ce que tu veux dire par "à mon avantage", je poste ce qui me semble être vrai, comme tout le monde ici, non? pourquoi on posterait un truc qui nous paraitrait faux ?
si j'ai tort, c'est pas "à mon avantage", et si j'ai raison, en quoi c'est un problème ?
d'accord sur le fond, j'étais intrigué que la méthode marche assez bien sur un grand nombre d'exemples et échoue sur un qui ne parait pas particulièrement plus compliqué que les autres (507). Mais il peut s'agir d'interférences bizarres dans les poids des neurones qui les conduisent produire des résultats bizarres en certains points isolés.Mauvaise, parce-qu'elle ne fait pas d'arithmétique, elle ne fait "que" reciter ce qui lui semble le plus probablement juste dans ce qu'elle "se souvient" après son entraînement.
Salut,
En effet, ce n'est pas un problème, le problème, c'est la réponse sans argumentation
Ta question est intéressante, très intéressante même.d'accord sur le fond, j'étais intrigué que la méthode marche assez bien sur un grand nombre d'exemples et échoue sur un qui ne parait pas particulièrement plus compliqué que les autres (507). Mais il peut s'agir d'interférences bizarres dans les poids des neurones qui les conduisent produire des résultats bizarres en certains points isolés.
Pourquoi Bard, Bing et GPT se trompent-ils autant sur de simples calculs ?
Les réponses du type : "ce sont des perroquets", "elles ne font que du "text complétion"", sont simplistes, ces perroquets bornés dessinent aussi des images, traduisent dans 40 langues différentes, font de la reconnaissance vocale et des tas d'autres choses qui ne sont pas du texte. Alors pourquoi caler sur de l'arithmétique élémentaire ?
Hier, j'ai passé plusieurs heures à essayer de trouver la raison : en les pilotant avec beaucoup de patience, on arrive à leur faire appliquer l'algorithme correct pour nos facteurs premiers sans passer par un code, mais une demi heure plus tard, voire moins, ils/elles recommettent l'erreur.
Biname
Dernière modification par Biname ; 30/12/2023 à 16h37.
C'est ton "je te fais remarquer que non, elles n'échouent pas complètement" juste pour contredire pm42 qui m'a fait rire.
Allez, je te fais une réponse à la tienne : "Je te fais remarquer que l'IA se plante énormément (que dis-je, potentiellement infiniment) plus souvent qu'elle n'a raison sur ce problème."
Donc globalement, cette IA se plante sur ce pb (qui n'est pas son domaine d'application).
Cette fois-ci de façon quasi caricaturale, j'ai pris le verre à moitié plein à mon avantage.
Jusqu'ici tout va bien...
Une autre solution serait de lire un peu sur le sujet.
Cela éviterait de réinventer le "chain of thought" et de savoir que ce n'est pas le temps écoulé qui compte mais la taille de la fenêtre de tokens, c'est à dire la mémoire court-terme qu'on simule sur les LLM.
