Bonjour à tous et bienvenue sur le ZDTech, le podcast quotidien de la rédaction de ZDNet. Je suis Guillaume Serries et aujourd’hui, je vous explique comment et pourquoi l’intelligence artificielle Megatron-Turing peut déduire, et donc fabriquer, des textes vraisemblables. Oui, nous ne sommes plus très très loin du T800 de Terminator.
Pour commencer, donnons son nom complet. « Megatron-Turing NLG 530B ». Ce patronyme, composé en partie de celui du père des ordinateurs, c’est celui d’une toute nouvelle intelligence artificielle, présentée par Nvidia et Microsoft.
Elle est capable de fabriquer des textes d’apparence réaliste et de réaliser divers tests linguistiques tels que la capacité à terminer des phrases.
Mais ! Oui, car il y a un gros « mais ».
Un précédent non concluant
Car Microsoft nous avait déjà fait le coup il y a un an, avec l’intelligence artificielle nommée elle 1T, censée elle aussi produire des textes vraisemblables.
Dans les faits, plusieurs journalistes avaient pu tester la bête, et ils étaient parvenus à la conclusion que cette IA était plus que boiteuse.
Surtout, 1T utilisait 1 000 milliards de poids neuronaux, soit presque deux fois plus que sa comparse Megatron-Turing.
Alors, par quel miracle cette dernière serait-elle parvenue à devenir plus efficace, avec deux fois moins de puissance ?
De l’importance de la convergence
Et bien, nous explique Nvidia, parce que Megatron Turing est entraînée à la convergence. Et pas 1T.
Alors, qu’est-ce que la convergence dans le monde de l’Intelligence artificielle ?
Et bien, cela signifie que l’IA effectue des inférences, disent les spécialistes.
Ok. Mais qu’est-ce que sont les inférences alors ? demandent un poil agacé les néophytes.
Les inférences sont les étapes de l’intelligence artificielle à partir desquelles il devient possible de faire… des déductions, et donc des prédictions.
Oui, l’inférence, un terme qui remonte à la période de la Renaissance, est chez les robots la capacité de déduire.
Prenons un exemple simple. Vous pouvez reconnaître le mot « bonjour » sans avoir à réapprendre à lire ou à disséquer soigneusement chaque lettre quand vous le lisez. C’est cela la déduction.
L’inférence en matière d’IA fait référence à la même compétence… pour les robots.
Moins de puissance, mais plus d’inférence
Une intelligence artificielle n’aura donc pas besoin d’apprendre à identifier des visages humains, des chats, ou encore des voitures chaque fois qu’un humain, un chat, ou une voiture, ou tout autre objet pour lequel l’IA est entraînée, passe devant ses caméras et ses capteurs.
Au lieu de cela, l’IA utilise l’inférence.
Et donc, tout comme vous pouvez lire instantanément un mot ou identifier une voiture, l’inférence permet aux applications d’IA de fournir des résultats instantanés.
Bref, l’IA utilise les compétences qu’elle a déjà acquises pour tirer des conclusions, et donc déduire, à partir des données qu’elle reçoit.
C’est cette capacité que possède désormais Megatron-Turing, en dépit d’une puissance moindre par rapport à 1T.
