La vipère
Un réseau de neurone est un ensemble de noeuds qui vont prendre un certains nombre de paramètres en entrée, faire quelque chose dessus et ressortir plusieurs valeurs en sorties, qui elles-mêmes peuvent être utilisées comme paramètres pour d'autres noeuds (d'où le nom de réseau, chaque noeud est interconnecté)
La force de cette structure, c'est que pour chacun des paramètres d'entrée, le noeud peut assigner un "poids" qui va représenter l'importance qu'aura ce paramètre dans la valeur de sortie du noeud. Avec ceci en tête, si par exemple on donne au réseau un ensemble de paramètres d'entrée et qu'on lui dit à quelle valeur de sortie ça correspond, il va petit à petit modifier ses poids pour se rapprocher de la valeur de sortie, et si on lui donne des millions de données du genre, ses poids seront assez bien optimisés pour prédire la sortie d'une entrée complètement nouvelle. Ca c'est l'apprentissage supervisé mais bien sûr il y a plein d'autres méthodes (notamment le NLP (natural langage processing) de chat-GPT qui est une sorte d'apprentissage non supervisé : on lui file plein de données sans aucune "réponse" et on le laisse se débrouiller tout seul), c'était bien sûr un exemple simple
Mais même comme ça, ça marche plutôt bien si tes données dépendent de 4 ou 5 paramètres, mais si, comme c'est le cas du langage humain, tes données dependent de plusieurs millions de paramètres, alors ton réseau de neurones va devoir se déplacer dans un espace à plusieurs millions de dimensions, et sachant que nous on arrive déjà à se pommer en se déplaçant en 2D je te laisse imaginer sa galère. On va alors utiliser des méthodes d'algèbre linéaire telle que la SVD (singular value decomposition) pour essayer d'en tirer les composantes principales, et donc ce que l'ensemble de tous tes paramètres veulent communiquer en priorité.
Et il se trouve qu'en analysant un peu le comportement de ces IA NLP on s'est rendu compte que les composantes principales de l'IA étaient des vecteurs qui se rapprochaient très fortement de ce qu'on pourrait décrire comme étant du "sens", par exemple si on effectuait l'addition vectorielle correspondant à "roi-homme+femme" on trouvait un vecteur très proche de "reine"
Voilà, tout ça pour dire que non, l'ia se contente pas de balancer au hasard une liste de mot comme une poésie de prévert, il a de vraies méthodes d'analyse et de compréhension qui sont pas si éloignées de la manière dont nous on réfléchit
La force de cette structure, c'est que pour chacun des paramètres d'entrée, le noeud peut assigner un "poids" qui va représenter l'importance qu'aura ce paramètre dans la valeur de sortie du noeud. Avec ceci en tête, si par exemple on donne au réseau un ensemble de paramètres d'entrée et qu'on lui dit à quelle valeur de sortie ça correspond, il va petit à petit modifier ses poids pour se rapprocher de la valeur de sortie, et si on lui donne des millions de données du genre, ses poids seront assez bien optimisés pour prédire la sortie d'une entrée complètement nouvelle. Ca c'est l'apprentissage supervisé mais bien sûr il y a plein d'autres méthodes (notamment le NLP (natural langage processing) de chat-GPT qui est une sorte d'apprentissage non supervisé : on lui file plein de données sans aucune "réponse" et on le laisse se débrouiller tout seul), c'était bien sûr un exemple simple
Mais même comme ça, ça marche plutôt bien si tes données dépendent de 4 ou 5 paramètres, mais si, comme c'est le cas du langage humain, tes données dependent de plusieurs millions de paramètres, alors ton réseau de neurones va devoir se déplacer dans un espace à plusieurs millions de dimensions, et sachant que nous on arrive déjà à se pommer en se déplaçant en 2D je te laisse imaginer sa galère. On va alors utiliser des méthodes d'algèbre linéaire telle que la SVD (singular value decomposition) pour essayer d'en tirer les composantes principales, et donc ce que l'ensemble de tous tes paramètres veulent communiquer en priorité.
Et il se trouve qu'en analysant un peu le comportement de ces IA NLP on s'est rendu compte que les composantes principales de l'IA étaient des vecteurs qui se rapprochaient très fortement de ce qu'on pourrait décrire comme étant du "sens", par exemple si on effectuait l'addition vectorielle correspondant à "roi-homme+femme" on trouvait un vecteur très proche de "reine"
Voilà, tout ça pour dire que non, l'ia se contente pas de balancer au hasard une liste de mot comme une poésie de prévert, il a de vraies méthodes d'analyse et de compréhension qui sont pas si éloignées de la manière dont nous on réfléchit
Un réseau de neurone est un ensemble de noeuds qui vont prendre un certains nombre de paramètres en entrée, faire quelque chose dessus et ressortir plusieurs valeurs en sorties, qui elles-mêmes peuvent être utilisées comme paramètres pour d'autres noeuds (d'où le nom de réseau, chaque noeud est interconnecté)
La force de cette structure, c'est que pour chacun des paramètres d'entrée, le noeud peut assigner un "poids" qui va représenter l'importance qu'aura ce paramètre dans la valeur de sortie du noeud. Avec ceci en tête, si par exemple on donne au réseau un ensemble de paramètres d'entrée et qu'on lui dit à quelle valeur de sortie ça correspond, il va petit à petit modifier ses poids pour se rapprocher de la valeur de sortie, et si on lui donne des millions de données du genre, ses poids seront assez bien optimisés pour prédire la sortie d'une entrée complètement nouvelle. Ca c'est l'apprentissage supervisé mais bien sûr il y a plein d'autres méthodes (notamment le NLP (natural langage processing) de chat-GPT qui est une sorte d'apprentissage non supervisé : on lui file plein de données sans aucune "réponse" et on le laisse se débrouiller tout seul), c'était bien sûr un exemple simple
Mais même comme ça, ça marche plutôt bien si tes données dépendent de 4 ou 5 paramètres, mais si, comme c'est le cas du langage humain, tes données dependent de plusieurs millions de paramètres, alors ton réseau de neurones va devoir se déplacer dans un espace à plusieurs millions de dimensions, et sachant que nous on arrive déjà à se pommer en se déplaçant en 2D je te laisse imaginer sa galère. On va alors utiliser des méthodes d'algèbre linéaire telle que la SVD (singular value decomposition) pour essayer d'en tirer les composantes principales, et donc ce que l'ensemble de tous tes paramètres veulent communiquer en priorité.
Et il se trouve qu'en analysant un peu le comportement de ces IA NLP on s'est rendu compte que les composantes principales de l'IA étaient des vecteurs qui se rapprochaient très fortement de ce qu'on pourrait décrire comme étant du "sens", par exemple si on effectuait l'addition vectorielle correspondant à "roi-homme+femme" on trouvait un vecteur très proche de "reine"
Voilà, tout ça pour dire que non, l'ia se contente pas de balancer au hasard une liste de mot comme une poésie de prévert, il a de vraies méthodes d'analyse et de compréhension qui sont pas si éloignées de la manière dont nous on réfléchit
La force de cette structure, c'est que pour chacun des paramètres d'entrée, le noeud peut assigner un "poids" qui va représenter l'importance qu'aura ce paramètre dans la valeur de sortie du noeud. Avec ceci en tête, si par exemple on donne au réseau un ensemble de paramètres d'entrée et qu'on lui dit à quelle valeur de sortie ça correspond, il va petit à petit modifier ses poids pour se rapprocher de la valeur de sortie, et si on lui donne des millions de données du genre, ses poids seront assez bien optimisés pour prédire la sortie d'une entrée complètement nouvelle. Ca c'est l'apprentissage supervisé mais bien sûr il y a plein d'autres méthodes (notamment le NLP (natural langage processing) de chat-GPT qui est une sorte d'apprentissage non supervisé : on lui file plein de données sans aucune "réponse" et on le laisse se débrouiller tout seul), c'était bien sûr un exemple simple
Mais même comme ça, ça marche plutôt bien si tes données dépendent de 4 ou 5 paramètres, mais si, comme c'est le cas du langage humain, tes données dependent de plusieurs millions de paramètres, alors ton réseau de neurones va devoir se déplacer dans un espace à plusieurs millions de dimensions, et sachant que nous on arrive déjà à se pommer en se déplaçant en 2D je te laisse imaginer sa galère. On va alors utiliser des méthodes d'algèbre linéaire telle que la SVD (singular value decomposition) pour essayer d'en tirer les composantes principales, et donc ce que l'ensemble de tous tes paramètres veulent communiquer en priorité.
Et il se trouve qu'en analysant un peu le comportement de ces IA NLP on s'est rendu compte que les composantes principales de l'IA étaient des vecteurs qui se rapprochaient très fortement de ce qu'on pourrait décrire comme étant du "sens", par exemple si on effectuait l'addition vectorielle correspondant à "roi-homme+femme" on trouvait un vecteur très proche de "reine"
Voilà, tout ça pour dire que non, l'ia se contente pas de balancer au hasard une liste de mot comme une poésie de prévert, il a de vraies méthodes d'analyse et de compréhension qui sont pas si éloignées de la manière dont nous on réfléchit
Frère personne va lire ça
C'est pas parce qu'il parle de probabilités que ça veut dire qu'il fait que piocher au hasard une phrase dans ses données
Bah normal, je suis au milieu de ma session EU4 là
L'Inde va prendre pas mal de temps à être conquise, Vijay a déjà presque tout manger et je vais devoir me taper des trèves de 15 ans à chaque fois
A ouais j'ai aussi été invité dans la guerre de ligue par mon allié autrichien, avec les ottomans dans le camp des protestant ahi, ça saigne de partout dans le saint empire pendant que moi et les ottomans on se tape sur la gueule dans en anatolie
L'Inde va prendre pas mal de temps à être conquise, Vijay a déjà presque tout manger et je vais devoir me taper des trèves de 15 ans à chaque fois
A ouais j'ai aussi été invité dans la guerre de ligue par mon allié autrichien, avec les ottomans dans le camp des protestant ahi, ça saigne de partout dans le saint empire pendant que moi et les ottomans on se tape sur la gueule dans en anatolie
Envie de cul 
C'est pas parce qu'il parle de probabilités que ça veut dire qu'il fait que piocher au hasard une phrase dans ses données
Envie de cul
Oui voilà, exactement comme nous qui nous appuyons sur nos connaissances et sur la manière de traiter les enchainement de mots pour essayer de fournir la réponse la plus pertinente (mais évidemment, nous on peut aussi avoir d'autres objectifs en tête que répondre avec précision, c'est même rarement le cas), et à partir de là on s'éloigne pas mal de la chambre chinoise où le mec se contenter de fouiller une phrase pré-écrite dont il n'avait aucune idée du contenu
Vous êtes affamées ma parole. 
Elle veut chopper tout le monde et après elle assume pas puis elle dit « non je suis pure moi »
Je t’y attends
Vous êtes affamées ma parole.
Toi tu veux pas prendre le cul
Tiens donc comme c’est bizarre tu es là et pas dans ses mp
Sûrement un bug mais je doute pas que tu vas rapidement y retourner
Sûrement un bug mais je doute pas que tu vas rapidement y retourner
Je t’y attends
Toi tu veux pas prendre le cul
Non mais c'est pas comme si j'étais le plus frigide du village.