**** L'auteur de « Ceci est l'intelligence artificielle » a été sélectionné comme « Excellent livre scientifique » par le ministère des Sciences et des TIC !
**** Le troisième livre dans le domaine de l'IA qui est un best-seller plébiscité par les lecteurs depuis 5 ans !
**** Le livre sur les sujets phares de l'année en économie et en gestion, sélectionné par les entreprises, les institutions et les écoles !

En savoir autant sur l'IA, c'est suffisant !
Le PDG d'une entreprise leader dans le domaine de l'IA l'explique de manière simple et compréhensible à l'aide d'exemples concrets.
Tout ce que vous devez savoir sur l'écosystème de l'IA transformé par les modèles de langage à grande échelle (LLM) !

Les grandes tendances de la science et de la technologie futures ne sont pas déterminées d'un point de vue technologique.
La façon dont le public perçoit la technologie, les technologies qui l'enthousiasment le plus et celles qui attirent le plus de capitaux sur le marché déterminent l'évolution des grandes tendances scientifiques et technologiques.
Les tendances scientifiques et technologiques ne sont pas déterminées par les chercheurs ou les ingénieurs qui travaillent sur la technologie elle-même, mais par le public qui s'efforce de la comprendre et de l'utiliser.
Autrement dit, la technologie n'est jamais qu'un moyen, et c'est le public qui déterminera l'orientation que prendra son développement futur.
À l'instar des ordinateurs et d'Internet, l'IA deviendra un outil précieux dans de nombreux domaines technologiques. L'évolution future de l'IA et les tendances qui émergeront dans les différents domaines scientifiques utilisant cette technologie dépendent entièrement des lecteurs de cet ouvrage.

Le monde d'avant et d'après l'avènement des ordinateurs, d'Internet, des smartphones, des messageries comme KakaoTalk, des plateformes vidéo, des réseaux sociaux et des services OTT comme Netflix n'est pas fondamentalement différent.
Il y a des gens qui n'utilisent pas ces technologies et services actuellement, mais cela ne signifie pas que beaucoup de choses leur sont impossibles à faire.
Cependant, si vous êtes fréquemment exposé à cette technologie et à ce service et que vous les utilisez régulièrement, vous vous y habituerez naturellement et les choses deviendront plus pratiques.
Plutôt que de considérer l'IA générative comme une technologie complexe et difficile nécessitant un long et ardu processus d'apprentissage, il est préférable de l'aborder comme l'une des technologies et des services que nous avons naturellement acceptés.

--- p.34

La différence fondamentale entre ChatGPT et les services d'IA existants réside dans le fait que ChatGPT utilise une technologie d'IA appelée modèle de langage à grande échelle pour générer des réponses aux questions posées par les utilisateurs dans la fenêtre de chat.
L'essence de la technologie ou des services d'IA, que nous appelons collectivement IA générative, réside dans les modèles de langage à grande échelle.

--- p.38

Un autre domaine de l'IA qui concurrence l'apprentissage automatique est celui des systèmes experts.
Permettez-moi d'expliquer en prenant comme exemple le processus d'apprentissage d'une langue.
Un système expert, c'est comme s'inscrire dans une école de langues axée sur la grammaire et apprendre auprès d'un professeur maîtrisant parfaitement cette langue.
Les systèmes experts rendent l'IA plus intelligente en lui intégrant le système de connaissances, l'état d'esprit et la logique des experts dans un domaine linguistique.
De même que l'apprentissage d'une langue de cette manière permet d'acquérir très rapidement une compréhension et des compétences de base pour cette langue, le développement de l'IA en tant que système expert présente l'avantage de pouvoir élever les performances de l'IA à un niveau de base dès le départ.
Mais il y a un problème.
De même qu'il est difficile de maîtriser l'anglais même après des décennies d'études, de l'enfance à l'âge adulte, il est très peu probable que le développement d'une IA en tant que système expert aboutisse à des performances élevées sur le long terme.

--- p.46

Certaines personnes pensent à tort que le stockage des données volumineuses nécessaires à l'apprentissage automatique dans le cloud les rend plus vulnérables aux failles de sécurité que leur stockage sur ses propres serveurs.
Il peut être émotionnellement désagréable de savoir que des données personnelles importantes sont stockées dans le cloud d'une autre entreprise.
Cependant, il ne faut pas négliger le fait que la plupart des incidents de sécurité sont dus à des facteurs internes tels que les employés internes, les anciens employés et les employés des entreprises partenaires.
De plus, le stockage des données volumineuses nécessaires à l'apprentissage automatique sur vos propres serveurs ne renforce pas nécessairement la sécurité.

--- p.52

En apprentissage automatique, on identifie d'abord qui tente de résoudre quel problème, puis on décide de ce que le modèle d'IA prédira ou recommandera et à quel niveau de performance pour résoudre ce problème.
Ensuite, nous utilisons l'apprentissage automatique pour améliorer les performances du modèle d'IA afin qu'il puisse effectuer des prédictions et des recommandations en fonction des performances cibles.
Si 10 entreprises ont chacune 10 problèmes, un total de 10 × 10 = 100 modèles d'IA sont nécessaires.
Lorsqu'on utilise l'apprentissage automatique, un nouveau modèle d'IA doit être créé à chaque fois, en fonction du sujet qui tente de résoudre le problème et du problème à résoudre.
Une alternative pour pallier l'inefficacité de cette approche est l'IA à très grande échelle.

--- p.64

Même après avoir sécurisé les données pour l'entraînement de l'IA, un processus de développement d'un modèle d'IA utilisant l'apprentissage automatique est nécessaire.
L'utilisation de modèles de langage à grande échelle consiste à sélectionner et à exploiter des modèles déjà développés, depuis la création des données d'entraînement jusqu'au développement des modèles d'IA. Cela permet naturellement de réaliser des économies de temps, d'argent et de budget par rapport à la résolution de problèmes par apprentissage automatique. Si le problème à résoudre est si spécifique qu'il ne peut être résolu par des modèles de langage à grande échelle, l'apprentissage automatique doit être utilisé malgré son efficacité relative. Cependant, dans les autres cas, l'utilisation de modèles de langage à grande échelle représente la tendance actuelle en matière de développement de l'IA.

--- p.72

Pour entraîner et construire périodiquement des modèles de langage à grande échelle, des semi-conducteurs d'IA sont nécessaires. Prenons l'exemple de ChatGPT, un service d'IA équivalent à une IA de très grande taille, créé à l'aide d'un modèle de langage à grande échelle appelé GPT.
Pour créer le service d'IA ChatGPT, un modèle de langage à grande échelle appelé GPT doit être entraîné en continu pour améliorer ses performances conformément à l'objectif de ChatGPT, et OpenAI a utilisé des semi-conducteurs d'IA dans ce processus.

--- p.81

L'entraînement des modèles d'IA nécessite la collecte et le traitement d'énormes quantités de données, ce qui soulève inévitablement des problèmes de confidentialité.
De plus, les modèles d'IA appris grâce à ce processus peuvent renforcer les préjugés humains existants, risquant ainsi de promouvoir ou d'amplifier le racisme, la discrimination envers les groupes socialement vulnérables ou la haine. Les questions éthiques liées à l'IA suscitent déjà de nombreuses inquiétudes et de vifs débats.
Ces enjeux ne doivent pas être perçus uniquement comme bons ou mauvais, mais plutôt comme des coûts sociaux découlant du développement et de l'utilisation de l'IA. Les acteurs de ce développement et de cette utilisation devraient être encouragés à assumer ces coûts sociaux et, à terme, à œuvrer pour les minimiser.

--- p.96

La manière dont les modèles de langage à grande échelle produisent des résultats est similaire au mélange du contenu de nombreux contes de fées pour créer un conte de fées plausible.
Si un commentateur sportif professionnel de baseball devait parler pendant plus de trois heures, en pesant soigneusement chaque mot, il serait épuisé et incapable de poursuivre la conversation jusqu'à la fin du match.
Le commentateur et le commentateur doivent suivre le déroulement du match en temps réel et, naturellement, faire émerger des anecdotes pertinentes tirées de leurs expériences passées pour poursuivre la conversation sans épuiser leur endurance et leur concentration.

--- p.122

Un modèle de langage à grande échelle est un modèle d'IA qui a été entraîné en collectant des données exprimées dans un grand nombre de langues, telles que des livres, des articles et des pages Web sur Internet ; il est donc comparable à un morceau de viande grillé.
Comme il a été pré-grillé, il est déjà cuit et peut être consommé immédiatement.
Cependant, chacun apprécie différemment la cuisson de la viande et chacun a ses propres options pour l'assaisonner, par exemple en ajoutant des épices ou du sel, selon ses préférences.
Le processus qui consiste à prendre de la viande grillée de cette manière et à la griller davantage selon ses goûts, ou à ajouter des assaisonnements, du sel, des épices, etc., est un apprentissage par transfert (mise au point).
--- p.124

Collectez des photos de kimchi bien mûr et des photos de kimchi non mûr.
Les photos de kimchi ainsi obtenues sont étiquetées (classées) en photos de kimchi mûr et photos de kimchi non mûr, puis mises sous une forme pouvant être utile pour l'entraînement d'un modèle d'IA.
Le modèle d'IA est entraîné de manière répétée à l'aide des données d'entraînement d'IA ainsi créées.
Lorsqu'une nouvelle photo de kimchi est soumise à un modèle d'IA entraîné, celui-ci produit un résultat indiquant soit du kimchi mûr, soit du kimchi non mûr.
Grâce à ce résultat, nous pouvons créer un service d'IA qui nous indiquera s'il est possible de le mettre dans un réfrigérateur à kimchi ou dans un réfrigérateur ordinaire et de le consommer, ou s'il serait préférable de le laisser mûrir un peu plus à température ambiante.

--- p.136

Les développeurs d'IA travaillent directement avec des modèles de langage à grande échelle qu'ils créent, tandis que les utilisateurs ordinaires utilisent des services d'IA construits sur ces modèles.
Lorsqu'un utilisateur utilise un modèle de langage à grande échelle, cela signifie précisément qu'il utilise un service d'IA construit sur un tel modèle. Toutefois, nous considérerons désormais que l'utilisation d'un service d'IA construit sur un modèle de langage à grande échelle équivaut à l'utilisation d'un modèle de langage à grande échelle.

--- p.143

En résumé, du point de vue d'un fournisseur d'IA, si le modèle d'IA requis pour le service d'IA qu'il tente de créer ne figure pas parmi les modèles d'IA payants disponibles, s'il ne dispose pas des ressources suffisantes pour créer lui-même une IA de très grande envergure, et si le problème à résoudre n'est pas suffisamment spécifique pour nécessiter la création d'un modèle d'IA par apprentissage automatique, alors un modèle de langage à grande échelle est nécessaire.

--- p.161

Pour ceux qui utilisent des services d'IA construits sur des modèles de langage à grande échelle, il est important d'apprendre et de pratiquer l'ingénierie des réponses rapides.
En ingénierie des invites, une invite désigne une question ou une requête qu'un utilisateur adresse continuellement à un service d'IA construit sur un modèle de langage à grande échelle.
L'objectif de l'ingénierie des invites est de générer des invites optimales permettant aux modèles de langage à grande échelle de répondre plus efficacement aux questions ou aux requêtes en tenant compte de divers facteurs tels que les mots, les phrases, la grammaire et le contexte qui composent l'invite.
--- p.169

À l'avenir, de plus en plus de personnes se percevront comme élevant leurs propres modèles linguistiques à grande échelle, un peu comme on élève un animal de compagnie.
S'il est difficile de donner du sens ou de la personnalité aux modèles d'IA construits avec un apprentissage automatique optimisé pour résoudre des problèmes spécifiques, les modèles de langage à grande échelle sont fondamentalement capables de converser avec les humains et peuvent connaître des changements et un développement grâce à l'interaction avec l'utilisateur, ce qui facilite grandement la transmission de sens, un peu comme avec un animal de compagnie.

--- p.183