Claude Academy
Chargement

Ce que nous entendons par IA

Leçon 215 min
Dans cette leçonÀ la fin, vous serez en mesure de
  • Distinguer l'IA générative de l'IA de classification et de prédiction que vous rencontrez déjà quotidiennement
  • Comprendre que les propriétés de l'IA générative existent sur un continuum allant de la capacité à la limitation
  • Découvrir en avant-première les quatre propriétés fondamentales que vous explorerez en profondeur : la prédiction du prochain token, la connaissance, la mémoire de travail et la pilotabilité

Ce que nous entendons par IA générative

Chargement

Ce que nous entendons par IA · 4 min

RésuméTranscription

La plupart des IA dans le monde (filtres anti-spam, recommandations, détection de fraude) ne sont pas génératives. Ce cours porte sur celles qui le sont : des modèles de texte basés sur des transformeurs qui produisent du nouveau contenu un token à la fois.

Construire un modèle mental de la machine

Chargement

Points clés à retenir

  • L'IA générative produit du nouveau contenu plutôt que de classifier du contenu existant.
  • L'IA n'est ni uniformément capable ni uniformément peu fiable. Elle est forte et faible selon quatre axes prévisibles : la prédiction du prochain token, la connaissance, la mémoire de travail et la pilotabilité.
  • Chaque propriété est un continuum. Le même mécanisme vous donne à la fois la capacité et la limitation.
  • La confiance calibrée signifie situer votre tâche sur le continuum, et non accorder ou refuser la confiance en bloc.

Exercices

Génératif ou non ?

Pourquoi ? Vous venez d'apprendre que l'IA générative est fondamentalement différente de l'IA qui filtre votre spam et recommande votre prochaine vidéo. Vous allez maintenant utiliser cette distinction sur votre propre expérience.

  1. Listez cinq fonctionnalités basées sur l'IA avec lesquelles vous avez interagi cette semaine. Ratissez large : autocomplétion, identification de photos, filtrage du spam, réponses de chatbot, traduction, recommandations de produits, assistants vocaux.
  2. Pour chacune, notez votre jugement : produit-elle du nouveau contenu, ou trie-t-elle, classe-t-elle et catégorise-t-elle du contenu existant ?
  3. Partagez votre liste avec une IA et demandez-lui de vérifier vos jugements. Pour celles que vous avez mal évaluées (ou dont vous n'étiez pas sûr), demandez-lui d'expliquer la distinction en une phrase. Puis demandez : « Laquelle de ces cinq fonctionnalités est la plus susceptible d'avoir un mode de défaillance que ce cours m'aidera à comprendre ? »
  4. Revenez à votre liste de tâches de la Leçon 1. Pour chaque tâche, associez-lui la question de propriété qui semble la plus pertinente pour le moment :
    • Où les réponses trouvent-elles leur origine ? (Prédiction du prochain token)
    • Que sait-elle ? (Connaissance)
    • À quoi fait-elle attention ? (Mémoire de travail)
    • Dans quelle mesure ai-je le contrôle ? (Pilotabilité)

On ne s'attend pas à ce que vous ayez raison. Vous créez des prédictions que vous testerez au cours des quatre prochaines leçons.

Réflexion sur la leçon

  • La distinction génératif/classification avec l'IA a-t-elle changé votre façon de penser à un outil que vous utilisez ?
  • Regardez comment vous avez étiqueté votre liste de tâches. Une tâche vous a-t-elle semblé pouvoir appartenir à plus d'une propriété ?

Et ensuite ?

Avant de nous plonger dans les quatre propriétés, nous consacrerons une leçon à la façon dont un système d'IA finit par avoir une personnalité. Pourquoi il est poli, serviable, honnête, pourquoi il est parfois trop facilement d'accord, pourquoi il refuse certaines choses. Ce processus de façonnage laisse des empreintes sur tout ce qui suit.