Notice: Function _load_textdomain_just_in_time was called incorrectly. Translation loading for the antispam-bee domain was triggered too early. This is usually an indicator for some code in the plugin or theme running too early. Translations should be loaded at the init action or later. Please see Debugging in WordPress for more information. (This message was added in version 6.7.0.) in /home/sc1znnd9108/revue-apprentissages.com/wp-includes/functions.php on line 6114

Notice: Function _load_textdomain_just_in_time was called incorrectly. Translation loading for the wordpress-seo domain was triggered too early. This is usually an indicator for some code in the plugin or theme running too early. Translations should be loaded at the init action or later. Please see Debugging in WordPress for more information. (This message was added in version 6.7.0.) in /home/sc1znnd9108/revue-apprentissages.com/wp-includes/functions.php on line 6114
Wolfram Research: Apport de fiabilité dans l'IA générative

Wolfram Research: Apport de fiabilité dans l’IA générative

L’évolution rapide de l’intelligence artificielle générative et le potentiel des grands modèles de langage (LLM) ont suscité un intérêt immense ces derniers temps. Les investissements dans des entreprises liées à l’IA ont explosé et chatGPT d’OpenAI continue d’attirer de nombreux utilisateurs. Cependant, le principal défi des LLM reste leur capacité à générer des informations erronées. Selon une étude, ils ont un taux d’erreur d’hallucination allant jusqu’à 20%. Cette fiabilité douteuse est un problème majeur qui doit être résolu.

Pour répondre à cette problématique, Wolfram Research a développé un plugin pour renforcer la fiabilité des LLM. Ce plugin permet d’accéder à des calculs puissants et à des mathématiques précises, à des connaissances organisées, à des données en temps réel et à une visualisation. En intégrant des milliers d’ensembles de données, Wolfram injecte de l’objectivité dans le processus de génération d’informations par les LLM. Cette approche se différencie de celle d’autres entreprises, car elle se concentre sur les cas d’utilisation du raisonnement logique plutôt que sur la simple reconnaissance de formes et la classification d’objets.

Jon McLoone, directeur de la communication technique et de la stratégie chez Wolfram Research, souligne l’importance de cette approche. Il déclare que l’objectif de Wolfram est d’intégrer des connaissances structurées et organisées dans les LLM afin de garantir des résultats plus fiables et précis. Cette approche vise à offrir des réponses plausibles et cohérentes, plutôt que des réponses aléatoires et erronées.

Par ailleurs, Wolfram Research travaille en partenariat avec OpenAI pour développer cette nouvelle approche. En combinant la maîtrise du langage non structuré de ChatGPT et une maîtrise des mathématiques computationnelles, les deux entreprises cherchent à améliorer la fiabilité des LLM. Ce partenariat s’est avéré prometteur dans des domaines tels que la science des données médicales.

En conclusion, l’avenir des LLM dépendra de leur fiabilité. Grâce à des avancées telles que le plugin développé par Wolfram Research, les LLM pourraient devenir des outils extrêmement fiables et précieux dans de nombreuses applications. Si des progrès significatifs dans le développement des LLM sont attendus, il est essentiel de garantir des résultats fiables pour assurer leur pertinence dans un large éventail de domaines.

Laisser un commentaire