Qu'est-ce que l'IA générative : une explication ultra simple
L'intelligence artificielle (IA) fait de plus en plus partie du monde qui nous entoure et change rapidement nos vies. Cela offre une opportunité extrêmement excitante, et parfois, cela peut être plus qu'un peu effrayant. Et sans aucun doute, le grand développement actuel de l’IA qui fait des vagues est l’IA générative.
Contenu
- Qu’est-ce que l’IA générative ?
- Que peut faire l’IA générative ?
- Comment ça marche l’IA générative?
- L'IA générative en pratique
- Les questions éthiques autour de l’IA générative
l'IA générative : une explication très simple de Bernard Marr que tout le monde peut comprendre.
Comme cela en a l'air, c'est l'IA qui peut créer, des mots et des images aux vidéos, de la musique, des applications informatiques et même des mondes virtuels entiers.
Ce qui rend l’IA générative différente et spéciale, c’est qu’elle met la puissance de l’intelligence artificielle entre les mains de presque tout le monde.
Nous sommes habitués à utiliser des applications et des outils basés sur l'IA dans notre vie quotidienne. Google l'utilise pour trouver les informations dont nous avons besoin ; Amazon l'utilise pour suggérer des choses que nous devrions acheter ; Netflix l'utilise pour recommander des films ; Spotify l'utilise pour la musique – tout est alimenté par l'IA.
Mais la nouvelle génération d’outils d’IA générative va encore plus loin, en nous donnant le pouvoir de construire et de créer de manière étonnante. Avec un peu de pratique, nous pouvons même les utiliser pour créer nos propres applications et outils basés sur l'IA. Parce qu’elle fait tomber les barrières techniques, elle peut véritablement être considérée comme le début de la démocratisation tant attendue de l’IA.
Donc, dans cet article, je vais donner un aperçu en termes simples pour montrer pourquoi il est si puissant et ce que vous pouvez en faire. J'examinerai également de manière non technique son fonctionnement, mais surtout, j'expliquerai pourquoi cela va changer le monde et ce que chacun devrait faire pour s'y préparer.
Voir aussi:
- Comment générer des vidéos à partir de contenu en quelques minutes
- Pourquoi préparer vos employés à l'IA générative au travail ?
Qu’est-ce que l’IA générative ?
Le terme IA, tel qu'il est utilisé aujourd'hui, fait référence à des algorithmes informatiques capables de simuler efficacement les processus cognitifs humains : apprentissage, prise de décision, résolution de problèmes et même créativité.
C’est cette dernière qualité, et peut-être la plus humaine, où l’IA générative entre en scène. Comme toute IA moderne, les modèles d’IA générative sont formés sur des données. Ils utilisent ensuite ces données pour créer davantage de données, en suivant les règles et les modèles qu'ils ont appris.
Par exemple, si vous l’entraînez sur des photos de chats, il apprendra qu’un chat a quatre pattes, deux oreilles et une queue. Ensuite, vous pouvez lui dire de générer sa propre image de chat, et il proposera autant de variations que nécessaire, toutes en suivant ces règles de base.
Une distinction qui mérite d’être comprise est la différence entre l’IA générative et l’IA discriminante (ou prédictive). L'IA discriminante se concentre principalement sur la classification, en apprenant la différence entre les « choses » – les chats et les chiens, par exemple. C'est ce qui est utilisé dans les moteurs de recommandation comme ceux utilisés par Netflix ou Amazon pour faire la distinction entre les choses que vous pourriez vouloir regarder ou acheter et celles qui ne vous intéresseront probablement pas. Ou dans les applications de navigation pour faire la distinction entre les bons itinéraires d'un point A à un point B et ceux que vous devriez probablement éviter.
L’IA générative se concentre plutôt sur la compréhension des modèles et de la structure des données et sur leur utilisation pour créer de nouvelles données qui leur ressemblent.
Que peut faire l’IA générative ?
Les premiers cas d’utilisation de l’IA générative impliquaient généralement la création de texte et d’images, mais à mesure que la technologie est devenue plus sophistiquée, un monde de possibilités s’est ouvert. En voici quelques-uns:
Images et vidéos:
Images:
De nombreux outils d'IA générative, tel que Midjourney , peuvent prendre une invite en langage naturel (c'est-à-dire un langage humain) et l'utiliser pour générer une image. Dites-lui que vous voulez une image d'un chien à deux têtes portant un costume d'Elvis pilotant un vaisseau spatial dans un trou noir et regardez-le (ou quelque chose de proche) apparaître sous vos yeux.
Vidéos:
De nombreux outils d'IA générative, tel que Synthesia peuvent vous aider à créer des vidéos en quelques minutes en se basant sur un contenu texte. Synthesia est une plate-forme de génération vidéo basée sur l'IA qui aide les utilisateurs à créer des vidéos personnalisées rapidement et facilement. Grâce à la technologie d'IA, la plate-forme peut générer des vidéos avec des capacités de traitement du langage naturel, d'analyse d'images et de vidéos et de génération automatique de voix off. Synthesia offre aux entreprises un moyen efficace de générer des vidéos de haute qualité à grande échelle.
Texte :
ChatGPT est probablement responsable du lancement du battage médiatique intense entourant l'IA générative en ce moment, mais il existe d'autres outils de texte génératifs comme Bard de Google et Llama de Meta. Ils peuvent être utilisés pour écrire n’importe quoi, des essais et articles aux pièces de théâtre, poèmes et romans.
Pourquoi se former à Chat GPT ?
Codage :
outre ChatGPT, des outils tels que GitHub Copilot de Microsoft et CodeWhisperer d'Amazon permettent à quiconque de générer facilement du code informatique avec très peu de connaissances techniques.
Audio :
les outils d'IA générative peuvent créer des voix de type humain (synthèse vocale), permettant aux ordinateurs de prononcer des mots qui n'ont jamais été prononcés auparavant par un humain, ainsi que de la musique et des effets sonores.
Vidéo : bien qu'ils ne soient pas encore aussi avancés que la génération de texte ou d'images, des outils commencent à émerger qui nous permettent de créer et d'éditer des vidéos simplement en décrivant ce que nous voulons voir.
Augmentation des données : l'IA générative facilite la création d' ensembles de données entièrement synthétiques destinés à la formation d'autres modèles d'IA qui suivent les règles du monde réel sans conférer d'obligations de confidentialité et de sécurité des données à ceux qui les stockent et les utilisent.
Environnements virtuels :
Pensez aux environnements de réalité virtuelle (VR) ou aux mondes de jeux vidéo qui peuvent être explorés et avec lesquels interagir, ou au concept plutôt en vogue du métaverse . Leur conception est une tâche très complexe qui peut être considérablement accélérée grâce à l’IA générative.
Comment ça marche l’IA générative?
Comme toutes les IA que nous voyons aujourd’hui, l’IA générative est née d’un domaine d’étude et de pratique de l’IA appelé apprentissage automatique (ML).
Alors que les algorithmes informatiques traditionnels sont codés par un humain pour indiquer à une machine exactement comment effectuer un travail particulier, les algorithmes de ML s'améliorent dans leur travail à mesure qu'ils reçoivent de données.
Rassemblez un ensemble de ces algorithmes de manière à leur permettre de générer de nouvelles données basées sur ce qu'ils ont appris, et vous obtenez un modèle - essentiellement un moteur réglé pour générer un type particulier de données.
Voici quelques exemples de modèles utilisés dans les applications d’IA générative :
Grands modèles linguistiques (LLM)
En ingérant de grandes quantités de texte, ils apprennent les relations sémantiques entre les mots et utilisent ces données pour générer davantage de langage. Un exemple de LLM est GPT-4, créé par OpenAI, qui alimente l'outil ChatGPT.
Réseaux adverses génératifs (GAN)
Ceux-ci fonctionnent en opposant deux algorithmes concurrents, l'un chargé de générer des données qui ressemblent à ses données d'entraînement et un autre chargé d'essayer de déterminer si le résultat est réel ou généré. Ce type de modèle génératif est généralement utilisé pour créer des images, des sons ou même des vidéos.
Auto-encodeurs variationnels
Il s'agit d'un type de modèle qui apprend comment les données sont construites en les codant d'une manière simple qui capture leurs caractéristiques essentielles, puis en déterminant comment les reconstruire. Il est souvent utilisé pour générer des données synthétiques.
Modèles de diffusion:
Ils fonctionnent en ajoutant des données aléatoires (appelées « bruit ») aux données qu'ils étudient, puis en trouvant comment les supprimer tout en préservant les données d'origine, apprenant ainsi ce qui est important et ce qui peut être ignoré. Les modèles de diffusion sont les plus couramment utilisés dans la génération d’images.
Modèles de transformateur
Il s'agit d'un terme générique désignant un groupe de modèles qui inclut les LLM mais couvre tout modèle qui fonctionne en apprenant le contexte et les relations entre les différents éléments de ses données de formation.
L'IA générative en pratique
Il existe déjà de nombreux exemples incroyables d’IA générative utilisée pour créer des choses étonnantes (et parfois terribles).
Prenez par exemple la publicité Masterpiece de Coca-Cola : une création collaborative entre des artistes humains et l'IA qui donne vie à plusieurs des plus grandes œuvres d'art de l'histoire sur l'écran d'une manière qui n'a jamais été faite auparavant.
Il a également été utilisé pour créer une nouvelle chanson des Beatles en reconstruisant des paroles partiellement enregistrées par John Lennon, combinées avec du nouveau matériel de Paul McCartney.
La conception générative est un terme désignant un domaine émergent dans lequel l'IA générative est utilisée pour créer des plans et des processus de production pour de nouveaux produits. Par exemple, General Motors a utilisé des outils génératifs créés par Autodesk pour concevoir un nouveau support de ceinture de sécurité 40 % plus léger et 20 % plus résistant que ses composants existants.
Et il est également utilisé pour accélérer la découverte de médicaments, une entreprise britannique ayant récemment annoncé qu'elle avait créé le premier traitement anticancéreux par immunothérapie généré par l'IA .
L'IA générative est également la technologie à l'origine du phénomène récent des deepfakes, qui brouillent les frontières entre réalité et fiction en donnant l'impression que de vraies personnes ont fait ou dit de fausses choses.
Deepfake Tom Cruise était l’un des exemples les plus anciens et les plus célèbres. Plus insidieusement, des candidats potentiels des deux côtés aux prochaines élections présidentielles américaines de 2024 ont joué dans des deepfakes visant à les discréditer à des fins politiques.
Et même si la diffusion de la propagande est déjà assez mauvaise, il existe également des utilisations purement criminelles - notamment des tentatives d'extorsion d'argent en organisant des enlèvements frauduleux à l'aide de voix clonées et en escroquant frauduleusement de l'argent en se faisant passer pour le PDG d'une entreprise.
Les questions éthiques autour de l’IA générative
Même si l’IA générative est clairement capable de choses étonnantes, il est clair que son existence nous oblige à affronter des problèmes et des questions difficiles.
L’un des problèmes les plus importants sera peut-être le moment où nous arriverons au point où il sera impossible de faire la différence entre ce qui est réel et ce qui est généré par l’IA.
Compte tenu du rythme incroyablement rapide de l’innovation dans le domaine, cela se produira probablement le plus tôt possible.
Ce qui nous amène à nous demander ce que nous devrions faire (le cas échéant) à ce sujet. Des pays, dont la Chine, ont déjà adopté des lois interdisant la falsification profonde de personnes sans leur consentement – le monde devrait-il emboîter le pas ?
Et puis se pose la question de savoir comment cela affectera les emplois humains : les moyens de subsistance des créateurs seront-ils menacés si les entreprises qui les emploient peuvent créer autant d’images, de sons et de vidéos dont elles ont besoin simplement en demandant à un ordinateur de le faire ?
Une autre question à résoudre est celle du droit d’auteur. Si une IA est utilisée pour créer une œuvre d’art, à qui appartient-elle ? La personne qui a utilisé l’IA pour créer l’art ? Le créateur de l’IA lui-même ? Ou tous les (probablement) milliers d’artistes dont le travail a été utilisé (en pratique, souvent sans autorisation) pour entraîner l’IA ?
Toutes ces questions doivent trouver une réponse – et ce, bientôt, étant donné le rythme accéléré auquel cette technologie se développe. La manière dont nous y répondrons pourrait bien jouer un rôle important dans la détermination de l’avenir de l’IA générative dans la société et dans nos vies.