Des scientifiques sont parvenus à créer un réseau neuronal capable d’assimiler le langage de manière globale, tout en apprenant de ses erreurs. Une révolution dans le monde de l’intelligence artificielle.
On ne peut pas nier que les robots conversationnels comme ChatGPT ou Bard de Google sont impressionnants. C’est un peu comme connaître quelqu’un qui a réponse à tout. Les chatbots sont même capables de formuler nos propres pensées de la manière dont on aimerait les exprimer. Leur secret : une capacité d’apprentissage hors du commun qu’aucun humain ne pourra jamais atteindre.
Forcément, être capable d’assimiler les milliards d’informations du Web en quelques minutes, ça aide. Mais cette force est paradoxalement une faiblesse.
Pour apprendre un nouveau mot, l’IA doit être confrontée à de nombreuses situations dans lesquelles il est utilisé. Elle ne peut rien “supposer” sans l’avoir appris au préalable. L’être humain ne fonctionne pas comme ça. Si vous apprenez la phrase “le chat poursuit le chien”, vous comprenez de fait “le chien poursuit le chat”. De la même manière, une fois que vous avez assimilé le sens d’un mot, vous pouvez spontanément l’utiliser dans plusieurs contextes sans faire d’effort. Pas l’intelligence artificielle, du moins jusqu’à présent.
UN NOUVEAU RÉSEAU NEURONAL APPREND LE LANGAGE COMME LES HUMAINS
Une équipe de scientifiques a mis au point un réseau neuronal qui apprend les nouveaux mots comme les humains. Pour le tester, un groupe d’individus s’est vu présenter des mots qu’ils ne connaissaient pas. Ils devaient ensuite effectuer des associations entre les mots et des cercles de couleur en suivant divers paramètres. L’expérience reproduit en fait la façon dont les humains apprennent des nouveaux mots.
Le taux de réussite est de 80 % environ. Confronté à la même expérience, le réseau neuronal fait aussi bien, voire mieux. Plus étonnant : il apprend de ses erreurs, ayant été programmé pour réagir comme nous en cas de mauvaise réponse.
À titre de comparaison, ChatGPT a un taux d’erreur compris en 42 et 86 %, selon comment la tâche est présentée. Il s’agit bien d’une révolution qui pourrait transformer l’apprentissage des IA. Elles le feraient plus efficacement, avec moins de données, et en minimisant les risques “d’hallucinations” (une réponse fausse ou trompeuse présentée par l’IA comme un fait avéré). Il s’agit désormais de trouver comment étendre le système, par exemple aux images.
Nature
