Introduction

L’intelligence artificielle générative (IAG) a été un sujet brûlant parmi les chercheurs ces dernières années. Les avancées récentes illustrées par ChatGPT et DALL-E ont permis une reconnaissance mondiale des capacités de l’IAG. Les gens de tous horizons ont d’abord été amusés par la compétence de l’IA démontrée par ces modèles de langage de grande taille (LLM) et modèles fondamentaux lourdement entraînés. Tous les articles de presse et PDG ont abondamment parlé du potentiel de ces IAG puissantes et de la façon dont elles automatiseraient diverses tâches de notre vie quotidienne.

Mais soudainement, cette euphorie s’est dissipée et s’est transformée en une anxiété généralisée au sein du public. Les gens ont commencé à se demander s’ils étaient prêts pour cette révolution de l’IA. Ce blogue vise à discuter de la nécessité d’un cadre, d’une politique et de lignes directrices adéquats pour les applications d’IA nouvelle génération.

L’IA générative (IAG) s’est avérée être une technologie révolutionnaire. Avec les avancées récentes illustrées par ChatGPT et DALL-E.

Partager  

Contexte

Récemment, le ChatGPT (Transformateur génératif pré-entraîné de conversations), un LLM, a été lancé après avoir été entraîné avec environ 45 téraoctets (To) de données publiques. Ce jeu de données comprenait Wikipédia, des articles de recherche, de la littérature, des nouvelles, de l’histoire, des données scientifiques et bien d’autres sources. On peut presque le comparer à un enfant doté d’environ 17 milliards de neurones qui a non seulement lu, mais également mémorisé la totalité des 45 To de données.

L’objectif initial de l’entraînement du modèle avec environ 17 milliards de paramètres était d’améliorer sa compréhension linguistique et de l’entraîner à générer des phrases dans une langue grammaticalement correcte. Toutefois, au cours de l’entraînement, il a également saisi l’information non linguistique des données d’apprentissage, comme l’histoire, la poésie, les auteurs, les connaissances générales, la science et plus encore. Ce modèle entraîné, doté de connaissances en langues et en d’autres sujets (éléments du jeu de données d’entraînement), peut non seulement répondre aux questions, mais aussi générer la réponse dans ses propres phrases grammaticalement correctes. Comme les humains, il peut récupérer de l’information et formuler une réponse dans une langue parlée. D’autres modèles fondamentaux comme DALL-E peuvent également effectuer ces opérations complexes sur des images et des textes combinés. Cette plateforme générera une image basée sur la description textuelle.

L’introduction en 2017 de l’architecture basée sur les transformateurs, qui a facilité de manière implicite et explicite le parallélisme, a permis un entraînement plus rapide de ces modèles d’apprentissage profond, ouvrant ainsi la voie à l’entraînement de modèles comprenant des milliards de paramètres. Les paramètres sont une sorte de variable interne du modèle qui aide à prendre en compte de multiples aspects des données d’apprentissage dans le processus d’apprentissage.

ChatGPT (GPT 3.5, GPT 4.0) ne sont pas les seuls modèles de cette complexité et de cette taille. Voici quelques autres modèles LLM open source avec leur taille et leur chronologie :

(Source : Grand modèle de langage - Wikipédia)

Ces modèles sont également entraînés sur de vastes ensembles de données et donnent des résultats semblables à ceux des autres modèles fondamentaux LLM disponibles commercialement et sont capables d’effectuer des tâches complexes, dont :

1. Résumer des articles
2. Rédiger de nouveaux articles et blogues
3. Créer du nouveau contenu textuel et multimédia
4. Suggérer ou créer de nouveaux codes pour les programmeurs
5. Répondre aux questions provenant de documents, rapports et plus
6. Créer des cas de test pour les activités de tests
7. Expliquer l’article, le code ou les étapes à partir d’une source donnée

L’information ci-dessus offre un aperçu de la façon dont les choses vont évoluer au cours des cinq prochaines années, alors que ces modèles de langage et fondamentaux deviendront plus intelligents. Même s’ils sont artificiellement intelligents, les facteurs d’intelligence les placent en concurrence avec les humains.

Impact sur la société et l’humanité :

Jusqu’à récemment, l’IA était limitée à des tâches précises d’efficacité limitée dans la vie réelle et n’aurait jamais pu rivaliser avec les humains. Cela était évident lorsqu’un investissement d’environ 100 milliards de dollars a été fait dans le secteur de la conduite autonome au cours de la dernière décennie, mais aucun progrès significatif n’a été constaté jusqu’à présent.

L’IA/AM était limitée à la reconnaissance d’images, la maintenance préventive, les jeux, les systèmes de recommandation et d’autres applications spécifiques à une tâche, mais aucune n’était générale ou assez intelligente pour gérer une multitude de tâches comme ces nouveaux modèles fondés sur les transformateurs.

Voyons maintenant comment ces modèles LLM ou fondamentaux de nouvelle génération nous obligent à repenser notre façon de voir ces logiciels et machines.

« L’humanité est une vertu liée aux principes fondamentaux de l’altruisme découlant de la condition humaine. Elle symbolise également l’amour et la compassion humaine les uns envers les autres. » Les humains et la société reposent principalement sur des normes désignées comme étant la morale et l’éthique.

Ces modèles d’IA de nouvelle génération chevauchent notre espace d’intelligence, de travail et du monde, nécessitant ainsi une politique couvrant des cadres moraux et éthiques à leur endroit.

Voici quelques-uns des enjeux pressants de ces logiciels intelligents :

1. Mauvais usage de leurs capacités par les humains ou par elles-mêmes
2. Responsabilité de leurs actions
3. Confidentialité des données
4. Rôle des humains et des machines dans un espace commun
5. Disruption des emplois et rôles humains
6. Les humains en compétition avec les machines dans le domaine de l’art et de la créativité

La liste ci-dessus est simplement indicative — une liste exhaustive est hors de portée de ce blogue.

Dans le cadre actuel humain, les abus de pouvoir, de position et de données sont contrôlés par des lois applicables à tous les adultes de façon semblable à travers le globe. Un système juridique adéquat est en place, whereby the ‘person’ who made the decision is charged for the misuse. Thus, the abuse is clearly defined by the legal texts. Mais qu’en est-il des logiciels intelligents ? Doivent-ils être traités comme des humains aussi ?

Responsabilité : Elle rend les humains responsables de leurs actes. L’intention est le facteur clé, selon que l’acteur a agi sciemment ou non. Les termes sciemment et inconsciemment ne peuvent pas s’appliquer lorsqu’on parle de logiciels d’IA. Il s’agit d’un nouvel aspect qui doit être bien défini.

Confidentialité des données : C’est d’une importance capitale dans ce monde numérique. Des lois sur la protection des données ont été élaborées, mais lorsque ces modèles d’IA nouvelle génération sont entraînés, ils le sont sur des données publiques. L’entraînement sur des données personnalisées ou fermées donnerait un modèle moins intelligent ou aux capacités limitées. Peut-on utiliser des données publiques pour entraîner le modèle — et alors cette intelligence ainsi acquise à partir des données publiques puisse-t-elle être vendue commercialement ? Nous devons avoir une politique claire sur ces questions.

Le rôle des humains : La relation entre les humains et les machines a toujours été celle d’un maître et d’un assistant. L’être humain est toujours le propriétaire des tâches et la machine les assiste simplement. Mais lorsque les machines deviennent plus intelligentes, elles remettent en question la position humaine.

Depuis des siècles, les humains ont acquis ou utilisé leurs compétences naturelles pour gagner leur vie. Travailler pour gagner sa vie est au cœur de notre structure sociale et économique. Lorsque les logiciels deviennent tellement intelligents (et c’est déjà le cas) qu’ils peuvent remplacer un grand nombre de postes, l’humain et l’ordinateur pourraient devoir se concurrencer pour des emplois. Toutes les inventions visent toujours à faciliter et à sécuriser la vie humaine. Or, les logiciels d’IA remplacent les humains et occupent leurs emplois à une échelle jamais vue (les estimations initiales varient de 15 % à 25 %). Alors se pose la question de savoir si une politique doit être élaborée concernant les perturbations économiques potentielles causées par ces outils. Tous ces aspects doivent aussi être intégrés à la politique entourant ces logiciels.

Art et créativité : Ils sont au cœur de la civilisation humaine. Les humains n’ont jamais été remis en question dans ce domaine, mais aujourd’hui, ces logiciels d’IA sont capables de créer des images, des contenus créatifs, des peintures, de la musique, des vidéos, des paroles, des poèmes, des blogues, des essais, des articles et bien plus encore. Trop de domaines artistiques où l’IA rivalisera. Espérons que les artistes humains garderont l’avantage — du moins au sommet. Le niveau bas à intermédiaire de ces arts sera dominé par les ordinateurs grâce à la richesse des données et à la puissance informatique.

Conclusion

Tous les points ci-dessus et bien d’autres aspects de l’IAG ayant une incidence sur la vie humaine nous forcent à réfléchir à la nécessité de nouvelles politiques pour réglementer ces systèmes nouvelle génération, surpuissants et intelligents. Les politiques, cadres et lignes directrices pour réglementer ces logiciels intelligents doivent être l’objet d’initiatives collectives réunissant les gouvernements, le public, les instances juridiques, les entreprises et les acteurs politiques. La nécessité d’un tel cadre fait déjà l’objet de débats entre PDG, scientifiques et gouvernements. Cet exercice prendra des années à se concrétiser et devra être accepté par toutes les parties prenantes.

La responsabilité sociale des entreprises du secteur des TI et son leadership dans cette initiative nouvelle génération constituera un jalon important pour déterminer l’avenir de l’IA pour l’humanité. Les développeurs d’IA devraient être sensibilisés par les organisations aux enjeux éthiques et moraux liés à leurs modèles. Les organisations devraient aider à définir des lignes directrices et des normes éthiques qui fournissent des principes et des pratiques exemplaires pour le développement et l’utilisation responsables de modèles d’IA.

Références :

1. Vérification de la réalité des véhicules autonomes après 160 milliards $ dépensés | Automotive News (autonews.com)
2. https://en.wikipedia.org/wiki/Humanity_(virtue)
3. https://www.researchgate.net/post/Is-AI-artificial-intelligence-a-man-made-intelligence-that-is-full-similar-to-humans-or-only-enough-to-be-a-tool-for-humans