Deux visions de l'IA

• vision apocalyptique : 2001 l'Odyssée de l'Espace, Terminator, Matrix, etc
  • les machines nous surpasserons et déciderons de nous éliminer
• vision optimiste : Transformers, StarWars
  • aider les humains
  • situations périlleuses
  • tâches répétitives abrutissantes
  • tâches complexes (calculs)

Les domaines de l'IA

• RAISONNER :
  • logique (calcul proprositionnel, calcul des prédicats)
  • l'apprentissage (Systèmes Experts, Machine Learning - Deep Learning) ~ Classification
• RESOUDRE : résolution de problème en général, les jeux (dames, échecs, go, etc)
• VOIR : la vision artificielle, la robotique, l'analyse d'images
• COMPRENDRE : le traitement automatique du langage naturel (Natural Language Processing)

Une question se pose alors

Que savons nous faire et que sait faire la machine ?

qu'est-ce qui nous oppose ou nous rapproche ?

Capacités humaines

Cogito ergo sum

Conscience, émotions, interaction avec notre environnement

• lire : reconnaître des mots, des phrases
• écrire : dessiner des symboles
• parler : produire des sons
• calculer, trier, ordonner
• maîtriser notre environnement : se déplacer
• réfléchir, imaginer, concevoir, réaliser
• créer : dessiner, peindre, sculpter, faire de la musique
• etc

Capacité d'un ordinateur

Calculo sed non sum

• aucune conscience, aucune émotion
• aucune connaisance de son environnement

mais est capable de calculer très rapidement

• CPU : GFlops (=\(10^9\))
• GPU : TFlops (=\(10^{12}\))

Flops = Floating Point Operation Per Second

Mode de fonctionnement d'un ordinateur

Assez simpliste

Un ordinateur est un automate de calcul qui exécute un programme

• lire des données depuis une mémoire
• combiner ces données et obtenir un résultat (+,-,/,*,etc)
• écrire le résultat en mémoire

Machine et intelligence

Donc un ordinateur ne sait que calculer alors comment exhibe t-il un comportement intelligent ?

• savoir calculer est-ce être intelligent ?
• le calcul fait-il partie de l'intelligence ?

• non, parce qu'on applique bêtement des règles
• oui, parce qu'il a fallu établir les règles

Résumé

les machines ne savent pas raisonner, n'ont pas d'émotions, n'ont pas conscience de leur environnement

alors comment peut-on créer ChatGPT ?

Large Language Model

• apparu en 2018 (Vaswani et al., Google)
• réseaux de neurones profonds entraînés sur de grandes quantités de texte
• fonctionne à partir d'un prompt (phrase d'accroche)

Large Language Model

Réseau de neurones

• classificateur qui met en relation
  • des données en entrées (pixels d'une image)
  • avec des catégories (lettre, chiffre, animal, etc)
• phase d'apprentissage : système « apprenant » par correction d'erreurs
• en fait une boîte noire qui fait beaucoup de calculs
• bon fulgurant avec l'amélioration des GPU

Vidéo

link

Neurone (artificiel)

• un interrupteur qui se déclenche si un seuil est franchi
• valeurs entre 0 et 1
• utilisation d'une fonction de seuil \(f\)

Exemple de réseau de neurones

• MNIST (Mixed National Institute of Standards and Technology)
• entrée : 28 x 28 pixels
• 10 sorties
• 2 couches de 16 neurones
• 12960 calculs

Réseau de Neurone et Intelligence

Penser, est-ce calculer ?

• le réseau est entraîné à prédire la bonne réponse
• il « apprend », en fait il calcule
• « moins sensible » aux erreurs
• toujours susceptible de commettre des erreurs

Les aléas de chatGPT

• mauvaises prédictions : ex Christophe Colomb, Présidente française
• ne cite pas ses sources
• ou sources fausses : cas d'un avocat aux USA
• hallucinations (confabulation - psychiatrie)
• erreurs de calcul
• garde-fous mis en place petit à petit

Règle de trois

Si trois pommes coûtent 15 centimes combien coûtent 8 pommes ?

• ChatGPT indique qu'il faut utiliser une règle de trois
• mais donne un résultat de 24 au lieu de 40
• le problème semble être corrigé

Exemple \(C_{35}^{32}\)

un calcul erroné

Exemple Tri Rapide (Quicksort)

1. choisir une valeur pivot
2. réordonner les valeurs du tableau:
   • les valeurs inférieures au pivot sont dans la partie basse du tableau
   • les valeurs supérieures sont dans la partie haute
   • le pivot est placé « au milieu »
3. on trie la partie basse et la partie haute

Tri Rapide concrétement

Tableau initial :

Stockage temporaire du pivot :

Tableau aprés réordonnancement :

Tri rapide traditionnel

• on travaille sur un seul tableau
• on prend le pivot au « milieu » du tableau
• solution efficace en \(O(n × log_2(n))\)

pour n = 1_000_000, on a:

• \(n × log_2(n) \simeq 20^6\)
• \(n × n / 2 = 5 × 10^{11}\)
• soit 25_000 fois plus rapide qu'un tri « classique » pour \(n = 10^6\)

Tri rapide chatGPT

• « belle » solution car compréhensible
• à chaque étape on crée deux sous-tableaux : inférieur et supérieur à la valeur pivot
• on prend le pivot en tant que premier élément du tableau

Code chatGPT

function tri_rapide(&$tableau) {
    $length = count($tableau);
    if ($length <= 1) return $tableau;

    $pivot = $tableau[0];
    $gauche = $droite = [];

    for ($i = 1; $i < $length; $i++) {
        if ($tableau[$i] < $pivot) {
            $gauche[] = $tableau[$i];
        } else {
            $droite[] = $tableau[$i];
        }
    }

    $gauche = tri_rapide($gauche);
    $droite = tri_rapide($droite);

    return array_merge($gauche, [$pivot], $droite);
}
				

Défauts de la version chatGPT

• consommation excessive de la mémoire :
  • deux sous-tableaux à chaque itération
  • tableau résultat (fusion)
  • suppression des sous-tableaux (?)
• si les données sont triées (ordre croissant ou décroissant) : totalement inefficace \(O(n^2)\) car pivot en première position

Défauts de la version chatGPT

Consommation mémoire

• AMD Ryzen 5 5600g
• 32 Go de RAM
• tri de 70_000 éléments déjà triés
  • sort : 0,02 s
  • impl 1 : 36 s
  • impl 2 : après 42 s, 100% de la mémoire utilisée, crash

Le Danger

un défaut caché difficilement détectable potentiellement dangereux

• utilisation d'un algorithme mal implanté
• qui va fonctionner dans la plupart des cas
• mais qui dans certains cas pourra provoquer un crash

Autres dangers

• suppression des emplois à faible qualification
  • 90% des emplois supprimés
  • première réponse passe de 1m44s à 0s
  • temps de résolution passe de 2h13 to 3m12s
  • dépenses du support client réduites de 85%
• suppression des emplois liés aux rédacteurs de contenu, graphistes
• remplacement des décideurs humains par des IA : domaine militaire (WarGames)
• remplacement des développeurs ?

Avantages pour les enseignants

• assistant
• structurer un cours ou un point particulier
• traiter une notion annexe à un cours rapidement
• créer des exercices
• disposer de son propre chat bot (StackAI, VoiceFlow)
• mais toujours garder un sens critique quant au résultat obtenu

Avantages pour les étudiants

• structurer un exposé, un rapport
• se former rapidement ou approfondir sur une notion vue en cours
• créer et résoudre des exercices
• mais toujours garder un sens critique

dangers pour l'enseignement

Science sans conscience n'est que ruine de l'âme

Connaissance sans compréhension ou absence de connaissance

• difficulté de différencier compétence et incompétence : savoir copier n'est pas une preuve d'intelligence
• absence de connaissance de la part des apprenants
• génération de FAI car pas d'effort
• remplacement des enseignants ?

Points de vigilance

le tout est plus que la somme des parties

la compétence découle de la connaissance

• fonder son savoir sur ChatGPT est dangereux (hallucinations, références, hors sujet, erreurs de calcul)
• mêmes travers que pourrait avoir l'approche par compétences car connaissance parcellaire