Introduction à l’IA générative : outils d’IA, LLM, invites et limitations de l’IA !

1. Introduction du cours: Bonjour, les gars. Bienvenue dans mon cours introduction à l'IA générative. Je m'appelle They Kumadas. Juste pour vous donner un aperçu de moi-même, je suis un ancien employé de Google avec 19 ans d'expérience dans J'enseigne publicité. J'enseigne la publicité depuis plus de dix ans J'enseigne à de nombreux jeunes professionnels, entrepreneurs et experts qui souhaitent se lancer dans ce domaine. Je voulais profiter de cette occasion aujourd'hui pour vous faire savoir ce que nous allons aborder dans ce cours. Nous allons donc voir comment la fondation de l'IA comprend les introductions à l'IA, ses concepts, les domaines des différents types d'IA que nous allons aborder ici, puis nous examinerons la transformation des entreprises et des carrières grâce à l'IA L'IA pour les entreprises, pour le travail, pour la carrière, puis en examinant de nombreux problèmes, préoccupations et éthiques liés à l' IA. Nous allons également voir les capacités, les applications, les outils et ingénierie rapide que vous pouvez appliquer à l'IA. J'espère qu'à la fin de ce cours, vous comprendrez parfaitement ces concepts et que vous serez en mesure de les appliquer de manière pratique dans votre entreprise et pour vos clients. Merci encore une fois, les gars, suivi mon cours et je suis vraiment impatiente de vous voir dans le cours. 2. Introduction à l'IA générative: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous parlerons de la compréhension de ce qu' est l'IA générative. Si vous considérez l' IA générative, comme son nom l'indique, il s'agit d'une IA générative, dans laquelle nous allons essentiellement utiliser l'IA pour générer du nouveau contenu. Il s'agit d'une intelligence artificielle qui peut désormais aller l'avant et générer de nouveaux contenus qui n'existaient jamais auparavant. C'est ce que nous entendons par IA génitive. Si vous regardez l' histoire de l' IA, vous constaterez que l'IA a été utilisée sous diverses formes dans notre vie quotidienne. Par exemple, nous utilisons l'IA principalement pour, disons, dans les cartes. Il nous indique le temps qu'il faut pour atteindre une destination précise. Il nous indiquera les cartes Tesla qui fonctionnent toutes seules. Il existe donc différents domaines dans lesquels nous utilisons déjà l'IA. Mais maintenant, avec l' aide de l'IA génitive, vous pouvez également générer de nouveaux contenus à l'aide de cette technologie Ce contenu peut être de différents types. Vous pouvez générer du texte, des images, des vidéos, du code. Tout cela est désormais possible. Juste pour vous donner un exemple de ce à quoi nous essayons de faire référence. Si vous allez sur Chat GPT, nous pouvons générer du texte Je peux lui demander de m'écrire un e-mail et il peut le générer. Nous pouvons utiliser Dali pour générer des images, que nous pouvons utiliser pour notre entreprise, pour notre travail personnel Ensuite, nous pouvons accéder au copilote Github et générer du code Ce sont donc les types d'IA générative qui existent actuellement. Et c'est ainsi que nous allons l'utiliser. Donc, en termes simples, si vous devez dire que l'IA générative ou l'intelligence artificielle générative est une sorte de technologie d'IA dont nous disposons actuellement, qui peut générer de nouveaux contenus. Et c'est là qu'il peut s'agir d'un contenu de différents types qui peut éventuellement être créé. Il est désormais capable de consulter les données, les instructions qui lui ont été données et sur la base desquelles il peut générer du nouveau contenu pour nous. C'est de là que le nom vient de l'IA générative, laquelle nous utilisons l'IA spécifiquement pour générer de nouveaux contenus. J'espère que cela a du sens. Je comprends les bases de l'IA générative ses capacités et les formats dans lesquels nous allons l' utiliser en ce moment. 3. Demo of Generative AI: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous verrons certains des outils d'IA générative que nous pouvons utiliser pour générer de nouveaux contenus. Nous allons donc voir comment nous pouvons utiliser, disons, ChR GPT pour générer du texte, écrire un poème ou une image en texte Nous verrons comment générer du texte à partir d' une image et d'une traduction. Ensuite, nous examinerons, disons, diffusion stable ou tout autre outil que nous pouvons utiliser pour générer des images, du texte à l'image. Jetons donc un coup d'œil à ça. La première chose que nous voulons faire sur Cha JBT sera principalement de créer et d' écrire un poème Supposons que nous lui demandions d'écrire un poème célébrant l'arrivée du printemps nous lui demandions spécifiquement de le limiter à dix vers. Vous pouvez voir que cela va suivre et cela a généré un poème pour nous également, un nouveau contenu qui n'a jamais existé dans ce monde. Pour la première fois, il est créé correctement. De même, disons que nous voulons télécharger une image et que nous aimerions maintenant qu'elle la décrive. donc simplement Nous lui demandons donc simplement de décrire ce qu'il voit dans l'image. La photo montre donc deux jeunes enfants jouant au football sur un terrain gazonné à l'extérieur. Un enfant porte un t-shirt blanc et un short coloré tandis que l' autre porte un polo bleu clair avec un short en laine. Vous pouvez donc voir qu'il a tout repris en détail et nous a expliqué la description de la photo. Vous pouvez donc le faire également, en générant de nouveaux textes à partir des images que nous avons autour de nous. OK ? Et troisièmement, ce que nous voulons , c'est la traduction. Supposons donc que nous lui demandions de simplement traduire ce texte de l' anglais vers l'espagnol. Il peut le faire également. Vous avez maintenant vu trois manières différentes de générer du nouveau contenu à l' aide de Hangibt Maintenant, disons que nous passons à une diffusion stable et que nous lui demandons ici de générer une image basée sur le texte que nous allons donner. Supposons que nous donnions ce texte en particulier, qui crée une image d'un homme jouant du piano. Nous lui demandons de créer que Situ crée l' image pour nous ici. Vous pouvez voir qu'il a généré l'image, et maintenant vous pouvez modifier l'invite, vous pouvez modifier l'invite et changer l'image selon vos besoins. J'espère que cela a du sens. J' espère que vous êtes en mesure de comprendre la mise en œuvre pratique de la façon dont vous pouvez utiliser ces outils d'IA générative pour générer de nouveaux types de contenu selon vos besoins. 4. Intelligence artificielle (IA), apprentissage automatique (ML) et apprentissage profond: Y. Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous parlerons l'intelligence artificielle, l'apprentissage automatique et de l'apprentissage profond, afin de comprendre ce qu'ils sont et comment ils fonctionnent réellement. Donc, si vous regardez l'intelligence artificielle c'est avant tout un concept faire en sorte que les machines pensent comme des humains et agissent comme des humains. OK ? C'est l'idée de l'intelligence artificielle. Ce que nous essayons de réaliser ici, c'est l'intelligence humaine, qui est de nature artificielle, qui devrait avoir les mêmes capacités que l' intelligence humaine, qui lui permet de reconnaître des images ou des vidéos, de comprendre et de générer du texte, de battre les humains aux jeux, d' apprendre à partir de données à grande échelle, de conduire des voitures de manière autonome OK. Il s'agit d'un concept qui a vu le jour , vous pouvez dire 1965, idéalement, et nous en voyons maintenant les résultats concrets. L'intelligence attivite est avant tout un type d'intelligence que nous essayons de développer, qui soit comparable à l'intelligence humaine et capable de produire le type de résultat l'intelligence humaine peut Maintenant, si vous regardez l'apprentissage automatique, c'est principalement dans ce domaine que nous essayons d' entraîner nos ordinateurs à tirer des leçons d'exemples. Si vous regardez la programmation traditionnelle normale que nous avons vue jusqu'à présent, il y aura donc des données d'entrée. Il y a des données d'entrée que nous donnons, puis nous donnons nous-mêmes quelques règles, le code que nous donnons et sur la base duquel la sortie sortirait. écrivons donc ici toutes les règles et sur la base desquelles le résultat sort. Mais dans le domaine de l'apprentissage automatique, il se peut qu' une énorme quantité de données d' entraînement soit fournie et que la machine apprenne à partir de ces données et produise le résultat le plus approprié. C'est apprendre les règles lui-même, d'accord ? Le ML montre essentiellement des milliers d'exemples à la machine et lui permet de trouver elle-même les modèles. C'est l'idée de l'apprentissage automatique que nous comprenons ici. OK ? Il existe trois types d'apprentissage automatique, principalement supervisé, non supervisé et par renforcement Supervisé, c'est là qu'il apprend à partir d'exemples étiquetés. Les données sont donc étiquetées, afin qu'elles soient entraînées à ce sujet et qu'elles nous fournissent le résultat. Sans supervision, c'est là qu'il trouve des modèles cachés. Ainsi, à partir des données d'entraînement fournies, il essaie de trouver des modèles cachés, puis c'est par le renforcement qu'il apprend par essais et erreurs. Avec des récompenses, comme le dressage d'un chien. laquelle c'est important, c'est que le codage traditionnel, que nous pour laquelle c'est important, c'est que le codage traditionnel, que nous savons depuis des décennies, ne peut pas gérer les complexités du monde réel, et c'est là que le ML évolue beaucoup , car il apprend des données et s'adapte aux nouvelles situations que nous ne sommes pas en mesure de prévoir et d' améliorer davantage les données Voilà donc l'idée de l'apprentissage automatique, quoi il aide dans le contexte actuel. Maintenant, comment fonctionne l'apprentissage ? Essayons donc de comprendre cela principalement sous un angle complètement différent. Nous pouvons donc nous faire une idée de la façon dont les enfants apprennent. Donc, en général, cela fonctionne, c'est que les parents montrent des pommes aux enfants et ils disent : « C'est une pomme ». Maintenant, le cerveau le comprend, se souvient qu'une tige de couleur rouge ou verte, ronde et brillante sur le dessus est une pomme. OK ? Et maintenant, quand cela apparaît à nouveau, l'enfant est capable de le reconnaître comme une pomme. Et c'est ainsi que l' apprentissage humain se fait. Imaginez que la même chose se produise avec ces modèles d'IA dans lesquels des données d' entraînement sont fournies. Disons que des milliers, des millions d'images de pommes sont fournies, et maintenant le modèle apprend à partir de ce motif que la couleur est rouge ou verte, forme, la texture, la peau brillante. OK, on fait référence à la tige en haut, puis une nouvelle image est affichée, sorte qu'elle donne le résultat sous forme de pomme. Le processus d'apprentissage ou le style d' apprentissage est assez similaire à la façon dont un enfant apprend habituellement. Maintenant, l'apprentissage automatique comporte trois ingrédients principaux , que vous verrez, à savoir qu'il contient de nombreuses données d'entraînement, principalement des millions d'images étiquetées, de documents texte, d' articles, de tableaux structurés, de données, de clips audio, de discours, d'enregistrements vidéo, qui sont téléchargés avec. Et puis il y a une grande puissance de calcul, des GPU, des milliers de GPU, des fermes de cloud computing à mémoire à haut débit, une consommation d'énergie énorme et un entraînement parallèle distribué, ce qui se produit et un entraînement parallèle distribué, ce Et il y a des algorithmes. Donc, évidemment, les algorithmes, qui fonctionnent également dans ce domaine, comme les arbres de décision, la régression linéaire, les réseaux de neurones, le clustering, l'apprentissage par renforcement Tout cela fait partie des ingrédients de l'apprentissage automatique, qui permet désormais de créer un modèle de machine learning entraîné. Ensuite vient le deep learning, qui concerne principalement les réseaux neuronaux ou transformateurs. Cela fonctionne également de manière très similaire aux neurones de notre cerveau humain. Comme si vous voyez des neurones biologiques, il y a donc une entrée qui arrive au corps cellulaire et sur la base de laquelle la sortie sort du cerveau. De même, dans les réseaux neuronaux artificiels , dans le cadre de l'apprentissage en profondeur entrées sont données et de nombreuses sorties sont traitées et sur la base desquelles la sortie sort. C'est donc la partie de l'apprentissage en profondeur qui permet de comprendre les entrées fournies et sur la base de laquelle les sorties sont fournies. Alors maintenant, si vous le regardez dans un diagramme en n, l'intelligence artificielle est la catégorie la plus large Il s'agit de la catégorie la plus large, et dans cette catégorie vient l'apprentissage automatique, qui comprend des arbres de décision, des forêts aléatoires, et à l'intérieur duquel vient le deep learning On peut donc dire que le ML est avant tout un sous-ensemble de l'IA, et qu'à l'intérieur du ML, il y a aussi l'apprentissage profond qui se trouve là-bas, c' est-à-dire des réseaux neuronaux multicouches en cours de création Est principalement utile pour la génération d'images, de vidéos, de langues et de sons. Pour toutes ces raisons, nous avons besoin de plus de données et de calculs que le ML classique. J' espère que cela a du sens. J'espère que vous comprenez maintenant les concepts de base de l'intelligence artificielle, deep learning, du machine learning. Merci beaucoup, les gars, d' avoir participé à cette séance. Je vous verrai dans la prochaine vidéo. 5. Explorez ChatGPT : Fonctionnalités et capacités: Bonjour, oui. Bienvenue à cette séance. Au cours de cette session, nous allons examiner certains des outils d'intelligence artificielle, leurs caractéristiques et leurs capacités ainsi que la manière dont nous pouvons les utiliser. Le premier que vous allez examiner sera ChatGPT, qui est principalement un outil développé par Il utilise le LLM GPT 5 et plus, il est principalement conçu pour compréhension et la génération du langage naturel, qui se font davantage de manière conversationnelle C'est donc quelque chose que nous allons utiliser et voir comment cela va fonctionner. L'idée est donc que nous avons juste besoin de voir leurs capacités maintenant, comprendre comment ils fonctionnent et quel est le niveau de puissance qu'ils ingèrent en eux. Jetons donc un coup d'œil à ça. Le premier que nous allons examiner est ChatGPT ici, c'est-à-dire qu'ils utilisent le modèle LLM en arrière-plan, et maintenant nous pouvons envoyer une simple invite ici et pour laquelle il peut nous donner un résultat Supposons que nous demandions ce qu'est le LLM et comment fonctionnent-ils ? Maintenant, regardez à quelle vitesse ils sont capables de nous donner le résultat. Dès que vous tapez en moins d'une milliseconde, vous obtenez le résultat ici de manière très systématique Vous obtenez toutes les informations grâce aux millions de données sur lesquelles elles sont entraînées en arrière-plan Tous ces modèles ont pu l'adapter à un grand nombre d'utilisateurs en raison de leur simplicité des informations détaillées qu' ils peuvent fournir aux utilisateurs. C'est pourquoi tant de personnes dans le monde entier ont commencé à utiliser intensivement les outils d'IA. Oui, vous pouvez voir que le résultat est affiché ici. OK. En dehors de cela, il ne nous donne pas seulement le résultat, il vous donnera des informations supplémentaires. De plus, il va demander que si je peux expliquer à différents niveaux, il puisse le faire. Il essaie donc d' être aussi coopératif solidaire que possible avec l'utilisateur afin que le facteur de dépendance augmente, n'est-ce pas ? sa facilité d'utilisation, Grâce à sa facilité d'utilisation, vous pouvez le constater vous-même, ce qui lui permet de continuer et de nous donner le résultat d'une manière si personnalisée. Maintenant, si je fais un suivi et que je leur demande, comment construisent-ils ? Comment sont-ils construits ? Donc, ce qui se passe ici est aussi simple que lorsque je dis : comment vont-ils ? D'accord, il le connecte automatiquement à la conversation précédente. Il comprend que nous parlions du LLM dans la conversation précédente, alors il continue dans cette voie Les LLM sont construits grâce à une combinaison de, d'accord ? L'avantage est donc que vous pouvez avoir une conversation prolongée avec l'IA, conservera le contexte de la conversation, des conversations précédentes, et en fonction duquel elle vous donnera le résultat. Les réponses, les réponses seront donc beaucoup plus personnalisées en fonction de ce que vous voulez vraiment. OK ? C'est donc une superpuissance. Encore une fois, ces outils présentent une autre caractéristique importante ces outils se souviendront des conversations que vous avez eues et sur la base de laquelle ils nous donneront le résultat. Il existe également des fonctionnalités que vous verrez éventuellement dans lesquelles vous pouvez donner votre parcours, vous pouvez donner votre parcours, votre profession, tout ce que vous pouvez renseigner, et vous êtes en train d' affiner le LLM pour qu'il vous donne un résultat basé sur le contexte que vous avez fourni OK, donc tout cela est possible, mais pour le moment, nous examinons comment fonctionnent généralement ces LLM Voici donc comment le ChatGPT va réagir. De la même manière, vous avez également une autre plateforme d'IA qui va être attaquée. Avec Cloud, encore une fois, vous pouvez faire la même chose. La force du Cloud réside principalement dans le codage. Vous pouvez beaucoup utiliser cette plate-forme pour les exigences de codage que vous pourriez avoir. Prenons un exemple simple de la façon dont cela va se passer. Supposons que nous lui demandions de générer un code Python, qui peut s'exécuter sur AWS Lambda, lisant un fichier CSV et en l'enregistrant dans un autre emplacement S Three Il va générer le code pour nous. Il va également résoudre les problèmes du code. Tout cela peut se produire ici même. La plupart du temps, les utilisateurs constatent donc que le cloud est très bon codage et qu'il peut très bien fonctionner avec cela. Le cas d'utilisation est davantage orienté vers le codage. C'est ainsi que nous pouvons obtenir le texte. Et c'est là que vous comprenez l'idée dont nous avions parlé à propos GenAI selon laquelle il ne se limite pas à générer du texte Vous pouvez générer du code. Vous pouvez générer des images, des vidéos, tout cela peut se faire avec les outils GenAI C'est la partie cloud nous avons examinée de la même manière que nous avons examinée de la même manière. Nous pouvons également créer Gemini, qui est principalement l'outil d'intelligence artificielle de Google, et il s'améliore également de jour en jour en ce moment avec des tonnes de données en arrière-plan Prenons un autre cas d'utilisation pour cela. Supposons que nous l'utilisions pour générer des images. Cela va nous aider à générer une image. Il s'agit de la génération de texte en image que vous pouvez faire avec cet outil d'IA. OK ? Il existe donc différents cas d'utilisation. Vous pouvez maintenant identifier, vous pouvez imaginer que ces outils vous permettent de les utiliser pour générer du contenu, à des fins de marketing, pour des questions de politique des ressources humaines, la documentation dont vous avez besoin. Pour tous ces scénarios, outils GenAI peuvent être intégrés manière approfondie et peuvent également être utilisés de manière très efficace Ici, vous pouvez voir comment l'image a été créée et nous pouvons également la personnaliser . Nous pouvons y apporter des modifications. Tout cela peut être fait. Mon idée est donc de simplement vous faire connaître le potentiel de ces outils et les différentes manières ou cas d' utilisation que vous pouvez avoir pour vous donner une idée juste de l' ensemble de ces outils dont nous disposons. Donc, à l'heure actuelle, la plupart du temps, les gens utilisent OpenAI CHN GPT pour des cas d'utilisation polyvalents, ce que vous pouvez faire dans la plupart des cas ce que vous pouvez faire Et Gemini aussi, dans une certaine mesure, Gemini apprend encore beaucoup de choses en ce moment et s'actualise beaucoup D'accord, le résultat s' améliore beaucoup en ce moment. Euh, Cloud se concentre principalement. Il donne également d'excellents résultats, mais sa force réside dans la génération de code de codage, il peut donc également être utile pour cela. Comme vous le savez, CoPilot fait partie de Microsoft La technologie principale dont ils disposent est OpenAI ChatGPT Mais il est intégré aux produits Microsoft, qui seront Word, Excel, PowerPoint, de sorte que vous pouvez facilement l'utiliser là-bas, et il fonctionne très bien là-bas également. dehors de cela, il y a la croissance et la perplexité, que vous pouvez également utiliser Encore une fois, il s'agit d'autres outils d'IA, que vous pouvez certainement essayer et voir s'ils conviennent à votre style de travail, à votre entreprise également. J'espère que cela a du sens. J'espère que vous comprenez maintenant comment nous pouvons utiliser ces différents outils d'IA, leurs capacités, leurs fonctionnalités dans différents scénarios. 6. Why Pourquoi apprendre: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous allons comprendre pourquoi nous devrions en apprendre davantage sur le génitif A. Si vous y regardez bien, tous les dirigeants de l'organisation pensent actuellement au génitif AA bien, tous les dirigeants de l'organisation pensent actuellement au Les entreprises, les gouvernements et l'intérêt s'accompagnent d'opportunités. Les organisations recherchent spécifiquement des personnes qui comprennent la technologie et, surtout, possèdent les compétences nécessaires pour l' appliquer de manière pratique dans le travail quotidien. Aujourd'hui, contrairement à la plupart des technologies tendances précédentes, intelligence artificielle génitive touche à presque tous les rôles dans toutes les professions en ce moment C'est pourquoi les compétences en IA génétique devraient devenir plus importantes dans le futur, et pas seulement pour les informaticiens, pour tout le monde. C'est pourquoi elles seront essentielles en tant que traitement de texte, feuilles de calcul et même en tant que connaissances commerciales de base Aujourd'hui, l'IA suscite un nouvel intérêt et les entreprises regardent au-delà de l'IA client, de l'IA grand public. Une interface de forum de discussion est un excellent moyen de démontrer le potentiel de l'IA générative Aujourd'hui, des cas d'utilisation réels intègrent l'IA générative dans les processus existants et en font une fonction intégrale de presque tous les flux de travail des entreprises Les compétences que vous allez acquérir dans le cadre de ces programmes devraient vous aider dans votre carrière et être immédiatement applicables à votre travail. de l'IA génitive présente de nombreux L'apprentissage de l'IA génitive présente de nombreux avantages, car cela vous sera utile non seulement dans votre travail professionnel quotidien, mais aussi sur car cela vous sera utile non seulement dans votre travail professionnel quotidien, le plan personnel. Vous pourrez utiliser ces outils d'IA pour résoudre de nombreux problèmes, questions et requêtes que vous pourriez avoir Les outils aident à trouver les vraies solutions et proposent également des étapes pratiques. Vous pouvez donc donner des instructions à l' outil de cette manière. Vous pouvez le demander de manière à obtenir les résultats que vous recherchez réellement. Il est donc tout à fait logique d' en apprendre davantage sur l'IA générative comprendre comment utiliser ces outils d'IA dans différents domaines de travail. Dans ce cours en particulier, nous allons voir comment cela va nous aider dans nos rôles de vente dans le domaine de la vente. 7. Capacités de l’IA générative: Bonjour, les gars. Bienvenue à ces sessions. Au cours de cette session, nous parlerons des capacités de l'IA générative. Si vous regardez les fonctionnalités dont dispose aujourd'hui l' IA générative, elle passe de la génération de texte, de la génération d' images, de la génération audio, de la génération de vidéos, génération de code, de la génération de données également, et des capacités augmentées dont elle dispose aujourd'hui et contribue également à la création de mondes virtuels immersifs qu'elle est également capable de faire. Maintenant, si vous examinez spécifiquement les capacités de création de texte, il existe différents LLM qui les fournissent, qui sont entraînés sur de grands ensembles et peuvent générer du texte semblable à celui de l'homme Non, ils sont également capables d'apprendre des modèles et des structures à partir d' ensembles de données et de générer du contenu et des messages texte, textes ou réponses, conversations, explications et résumés pertinents au contexte textes ou réponses, conversations, explications et Certains des exemples de capacités de génération de texte peuvent provenir d'OpenAI, ChatGPT et de Gemini de Google Maintenant, si vous examinez spécifiquement capacités de génération d'images actuelles, les modèles d'IA générative exploitent des techniques d'apprentissage en profondeur telles que le Gans, qui est un réseau antagoniste génératif et des encodeurs automatiques variationnels À l'aide de ceux-ci, ils sont capables de générer des images AI qui sont des textures réalistes, des couleurs naturelles et des détails fins Maintenant, certains des exemples de génération d' images proviennent de Style gan, qui produit de nouvelles images de haute qualité et haute résolution. Ensuite, il y a l'art profond, qui produit des esquisses d'œuvres d'art complexes et détaillées, à partir d'une esquisse en particulier. Et puis il y a Dali Dali produit de nouvelles images à partir des descriptions textuelles que nous lui donnons De même, l'IA générative possède actuellement des capacités de génération audio , grâce auxquelles elle est capable de générer des compositions musicales, de la synthèse vocale, du son, des voix synthétiques et un son naturel Certains exemples peuvent être le Wave gan, qui produit des formes d'ondes audio brutes, des sons réalistes, de la parole, de la musique, des bruits environnementaux Il existe un Usenet d'IA ouvert, qui est capable de générer de la musique originale dans différents genres et instrumentations, et qui peut également créer des compositions classiques sur des chansons pop Il existe également le Tachotron Two de Google, qui est capable de produire DTS avancé et produire un discours, un ton, une hauteur, une modulation, une prononciation, un rythme et des expressions synthétiques très réalistes ton, une hauteur, une modulation, une prononciation, un rythme Il existe de nombreuses capacités génératives, ce qui s'est produit par le passé et qui ne cesse d'augmenter en ce moment. 8. Explorer: Bonjour, les gars. Bienvenue à ces sessions. Au cours de cette session, nous discuterons l'évolution du gène VI au fil des ans Si vous y regardez bien, GenetiveEI a commencé à évoluer parallèlement aux progrès de l'IA traditionnelle Il est resté inactif pendant plus de 20 ans, mais il a ensuite été propulsé par les GAN et les VAE en particulier, et il est maintenant sur le point de façonner l'avenir actuel Des progrès significatifs ont donc été réalisés dans la création de contenu. Au fur et à mesure de son évolution, les premiers modèles GenAI présentaient des problèmes de cohérence et de OK ? Ainsi, GPT trois, GPT quatre, Dali, ils ont fourni des sorties de texte et d'images sophistiquées et ont amélioré la créativité et l'automatisation Maintenant, si vous regardez les capacités génitives, il agit comme un génie créatif Il peut créer des images, écrire des histoires, nous inventer de nouvelles idées. Il sera basé sur un mécanisme basé sur des règles. Il s'agit de systèmes restreints à un contexte et à des règles prédéfinis. Aujourd'hui, l'apprentissage automatique et les modèles statistiques sont utilisés pour identifier des modèles dans des ensembles de données sur la base d'un apprentissage semi-supervisé, supervisé ou par renforcement Maintenant, il y a aussi d'autres choses. Au fil du temps, les AV ont commencé à apprendre des modèles pour générer des résultats similaires. Les fans produisent des images et des œuvres d'art très réalistes. Des modèles autorégressifs ont été utilisés pour générer du contenu étape par étape, idéal pour Ensuite, l'apprentissage en profondeur et le réseau neuronal sont apparus, capables de détecter des modèles dans les données grâce à des fonctionnalités avancées. Il était également capable de gérer des données formatives non structurées Ensuite, le GAS, qui est un réseau antagoniste génératif, a marqué le début d'une nouvelle ère d'outils d' intelligence artificielle permettant de créer de nouveaux ensembles Ensuite, le LSTM et les RNN ont également été utilisés, qui offraient des fonctionnalités avancées, géraient qui offraient des fonctionnalités avancées, des données non structurées et pouvaient traiter des données et pouvaient traiter Maintenant, si vous regardez la différence entre l' IA générative et l'IA traditionnelle, l'IA traditionnelle analyse ou prédit à l'aide de données existantes La tâche courante peut être la classification, la recommandation urigréon Alors que l'IA générative utilise des modèles de GAS et de transformateurs, elle est capable de créer de nouvelles données qui ressemblent aux données commerciales. Maintenant, si vous regardez l' intelligence artificielle ou l'IA traditionnelle, elle est passée du niveau d'ordre de base au niveau prédictif, tandis que l'IA générative résultats de qualité humaine à l'aide de techniques d'IA. Donc, si vous constatez que depuis 2017, une nouvelle ère de tâches génératives a évolué, tirant parti des modèles GPT open source Il a utilisé des modèles pré-entraînés pour les grands ensembles de données et a affiné les modèles pour des tâches spécifiques Donc, dans l'ensemble, si vous voyez la principale différence, IA traditionnelle suit des instructions spécifiques, tandis que l'IA générative invente et crée elle-même. 9. Applications de l'IA générative: Bonjour, les gars. Bienvenue aux sessions. Au cours de cette session, nous parlerons de l'application de l' IA générative dans différents secteurs du travail. le premier cas, nous allons examiner l'application de l' IA générative dans l'informatique et le DevOps Ici, cela améliore vraiment processus de livraison de logiciels et la gestion de l'infrastructure. Les capacités de génération de code de Generative AI réduisent les efforts de codage manuel et le temps consacré aux tâches répétitives. Par exemple, le code GitHub CoPilot et SNIC Deep permet de créer des référentiels de code permet de créer des référentiels de Il peut examiner cela, je peux examiner les normes de codage. Il permet également de générer des cas de test synthétiques et des données de test. Dans lequel vous pouvez simuler le comportement, l' impact, l'efficacité, la fiabilité et la robustesse des logiciels des utilisateurs impact, l'efficacité, la fiabilité et la robustesse des logiciels Il existe également des outils tels que les outils et les tests APLA, qui peuvent garantir une couverture de test adéquate, augmentant ainsi la profondeur et la diversité des ensembles de données En outre, vous pouvez surveiller et détecter des anomalies telles que les IBM, Watson AIOps et Mok soft AIOps Il peut analyser les journaux du système, les métriques et d'autres données, comme la maintenance proactive. Cela peut contribuer à réduire les temps d'arrêt et à prévenir les défaillances critiques Maintenant, si vous regardez l' application de l'IA générative dans le divertissement, l'art et la créativité, elle peut aider à générer du contenu synthétique tel que de la musique, scripts, des histoires, des vidéos, des films, des jeux vidéo. Dans le développement de jeux, il y a Houdini by side effects, qui permet de créer des jeux, des animations, des expériences AR et VR, des personnages uniques au comportement unique outre, il existe également des influenceurs virtuels et des avatars , apparus au fil du temps, capables d' interagir avec les utilisateurs et de créer des expériences engageantes Ensuite, il y a l'application de l'IA générative dans l'éducation, comme la génération de contenu, expériences d'apprentissage personnalisées et adaptatives, apprentissage par l'expérience simulé, tout ce qui peut se produire dès maintenant Cela peut aider à fournir des traductions linguistiques exemple en rendant le contenu accessible à différentes personnes, en évaluant les devoirs, en fournissant un feedback instantané, en créant des parcours d'apprentissage et stratégies d' évaluation pour soutenir rythme et les points forts des apprenants, générant des taxonomies qui peuvent indiquer les performances et les préférences des apprenants En outre, des algorithmes génératifs sont également utilisés dans l'éducation pour détecter les besoins spéciaux et les troubles d'apprentissage, créer des plans de cours spécifiques, suivre les progrès des apprenants au fil du temps. Vous pouvez également effectuer un suivi des connaissances dans le cadre duquel le rythme d'écriture et le contenu peuvent être adaptés aux besoins individuels Un soutien au tutorat peut être fourni. Des environnements virtuels et simulés peuvent être créés. Il est possible de faire de l'éducation inclusive. Par exemple, des outils nuls J. Il s'agit d'un apprentissage en ligne généré par l'IA, qui peut être réalisé en quelques minutes pour le sujet ciblé, qui peut prendre la forme de vidéos interactives, glossaires, de résumés, tout cela peut être fait avec l' J'espère que cela a du sens. J' espère que vous comprendrez les différentes applications de l' IA générative dans différents secteurs du travail. 10. Outils pour la génération de texte: Bonjour, les gars. Bienvenue à ces sessions. Au cours de cette session, nous examinerons les différents outils que nous pouvons utiliser pour générer du texte dans les LLM Si vous y regardez bien, les grands modèles linguistiques sont basés sur des modèles et des structures appris au cours de la formation. Ces LLM interprètent le contexte, la grammaire et la sémantique pour générer cohérent et adapté au contexte établissement de relations statistiques entre les mots et les phrases permet ces LLM d'adapter les styles d'écriture créative à un contexte donné Les LLM sont à la base de nombreux modèles de génération de texte. Deux de ces exemples sont transformateur préentraîné génératif ou modèle GPT et Gemini AI Les modèles ont évolué pour devenir modèles multimodaux offrant de multiples fonctionnalités. Découvrons les capacités de ces modèles grâce à deux outils populaires en ce moment, à savoir SATGPT et Google Si vous considérez l'ATGPT basé sur un GPT comme un grand modèle de langage et utilisez le traitement avancé du langage naturel ou NLP, que nous appelons Eh bien, à l'origine, HGPT ne prenait que des instructions de texte comme entrée pour générer de nouveaux contenus, avec la nouvelle version, il peut désormais prendre à la fois des images et des entrées de texte ChagPT offre diverses fonctionnalités pour la génération de texte. Il est également capable de mener des conversations fluides et contextuelles. Maintenant, de la même manière, si vous regardez, Google Gemini est alimenté par le modèle Gemini AI de Google Il introduit une nouvelle famille de modèles d'IA multi-modèles et améliore le raisonnement, la compréhension et la génération. Il garantit également l'efficacité et l'évolutivité et optimise une interaction multimodale fluide Il est également capable de gérer diverses données et tâches. Voyons un exemple pratique de la façon dont cela va se passer. Ce sera l'interface Cha GPT où nous pourrons accéder et donnons une question générale dans laquelle je dis que j'ai entendu parler de l'IA générative et que je souhaite en savoir plus Elle va me donner beaucoup de contexte sur ce qu'est l' IA générative. Comment fonctionne-t-il ? LLM. Elle va nous donner de nombreuses informations connexes, qui sont très informatives et fournissent les bonnes informations sur. Maintenant, en outre, je peux approfondir la question de savoir comment je peux utiliser l' IA native pour améliorer spécifiquement mes compétences en matière de narration Je voudrais donc maintenant le réorienter vers une catégorie spécifique, à savoir les compétences en matière de narration Maintenant, cela va me donner des idées développer des personnages plus profonds, améliorer l'écriture des dialogues, utiliser l'IA pour réfléchir à de meilleures idées d'histoires. D'accord, cela me donne des informations pratiques que je peux vraiment utiliser pour améliorer mes compétences en narration De la même manière, je peux aussi poser une question distincte. Supposons que je vous demande de m'aider à créer des diapositives pour illustrer les fonctionnalités d'une plateforme d'apprentissage. Supposons que je souhaite créer certaines diapositives de vente. Cela va donc me donner une structure vraiment bonne où elle se décompose en diapositives, titre, sous-titre, inclusion, puis le problème à résoudre L'accent est mis sur le contexte, qui est destiné à la plate-forme d'apprentissage. Cela me donne donc tous les points nécessaires pour cela. C'est ainsi que nous pouvons le rendre utile. Une autre utilisation intéressante est que vous pouvez l'utiliser pour apprendre des langues. Tout cela est possible, vous pouvez donc convertir n'importe quelle langue anglaise en n'importe quelle autre langue de votre choix, et Chachi P peut facilement le faire pour nous De même, regardons Google Gemini, que vous pouvez également utiliser pour donner une invite Disons que je vous demande de fournir un résumé des dernières nouvelles concernant la guerre en Ukraine. Il va donc me donner toutes les informations à ce sujet. Vous pouvez voir ici toutes les informations, les dernières informations que nous pouvons obtenir. De même, si je voulais élaborer une stratégie autour d'une campagne de marketing numérique pour une marque de mode, cela pourrait également m' aider dans ce domaine. Nous lui demandons donc maintenant de fournir une stratégie de marketing numérique. Donc, des expériences immersives et pilotées par l'IA : stratégie de contenu, authenticité ou esthétique, d'accord, commerce social et communauté. Vous pouvez donc voir que cela me donne des stratégies spécifiques en matière de marketing numérique, que je peux utiliser de manière pratique pour promouvoir une marque en particulier. C'est donc ainsi que nous allons utiliser les deux outils en particulier. Et puis, si vous regardez plus loin, l'utilisation de CHAPT et de Gemini présente de nombreux avantages exemple, il permet de résoudre des problèmes grâce aux mathématiques et aux statistiques de base , à l'analyse financière, à la recherche sur les investissements , à la budgétisation, etc. Il peut également vous aider à générer du code. Maintenant, si vous comparez CHATPT à Gemini, CHAPT est efficace pour générer des réponses dynamiques et le flux conversationnel est présent dans réponses dynamiques et le flux conversationnel est présent Alors que Gemini est bon, idéal pour les travaux de recherche, les recherches sur l'actualité, informations que vous souhaitez sur un sujet particulier à toutes ces fins Il existe également d' autres outils de génération de texte que vous pouvez absolument utiliser, exemple Jasper, qui est utile pour créer du contenu marketing pour une marque spécifique Vous pouvez également utiliser Writer comme outil d'IA, qui crée du contenu pour les blogs, les e-mails, référencement, les métadonnées et également les publicités sur les réseaux sociaux. Il existe également copy.ai, qui crée du contenu sur les réseaux sociaux à des fins de marketing et de description de produits. Il existe également Write Sonic, qui permet de fournir des modèles spécifiques pour différents types de texte. Il existe également un CV que vous classez pour générer un résumé de texte, une classification de texte Il y a aussi Brand 24, que vous pouvez utiliser pour l'analyse des sentiments, puis il y a Weaver et Yandex, que nous pouvons utiliser pour la traduction linguistique C'est ainsi que va se passer la génération de texte, comme nous pouvons le voir ici, que vous pouvez absolument utiliser sur tous ces AItunes 11. Tools for Image Generation: Bonjour, les gars. Bienvenue aux sessions. Au cours de cette session, nous examinerons les différents types d' outils que nous pouvons utiliser pour générer des images. Les modèles d'imagination sont essentiellement ceux dans lesquels nous pouvons générer de nouvelles images, personnaliser des images réelles et générées. Par exemple, supposons que nous voulions générer l'image d' un enfant avec un livre, puis changer la couverture du livre en une image générative. Tout cela peut être fait à l'aide de modèles de génération d'images. Il en existe maintenant différents types. L'une est la traduction d' image en image. Vous transformez une image d'un domaine à un autre. Par exemple, cela peut être utile pour convertir des croquis en images réalistes, convertir des images satellites en cartes, convertir des images de caméras de sécurité en images à plus haute résolution, améliorer les détails de l'imagerie médicale. Maintenant, d'autres outils seront le transfert de style et la fusion. Elles sont utiles pour extraire le style d'une image et l' appliquer sur une autre L'exemple peut être la conversion d'une peinture en photographie. Ensuite, il y a la peinture. En peignant, nous remplissons les parties manquantes de l'image. Vous avez une image et certaines parties sont manquantes, elles peuvent donc être générées par l'IA. Par exemple, restauration d'œuvres d'art, criminalistique, suppression d'images et d' objets indésirables, fusion d'objets virtuels dans des scènes du monde réel Ensuite, il y a la peinture. Peindre, c'est étendre une image au-delà de ses limites. Cela peut être la génération d'images plus grandes, l' amélioration de la résolution, la création de vues panoramiques. Tout cela peut être fait. Maintenant, chez Open AI, il y a Dali qui est basé sur le GPT, qui peut faire tout cela, générer des images haute résolution dans plusieurs styles Il peut également créer de nouvelles versions, peut être généré, peut générer plusieurs variations d'image, peut être effectuée. Il est également utilisé pour peindre des éléments de peinture. Ensuite, il y a diffusion stable. Il s'agit d'un modèle open source qui permet de créer des images en haute résolution. Il peut générer des images en fonction des instructions de texte. Il est utilisé pour la traduction d' image en image en peinture et en peinture extérieure. Ensuite, il y a le gain de style, qui permet un contrôle précis pour manipuler des fonctionnalités spécifiques, sépare le contenu de l'image du style de l'image J'ai évolué pour générer des images à plus haute résolution. Il existe également d'autres outils tels que le crayon, free pick et le Pick Start, qui sont également disponibles pour générer des images sous différentes formes. Il existe également des effets Photo et Depart, qui proposent différents styles pré-entraînés. Il permet également des styles personnalisés. Ensuite, il y a depart point IO, une plateforme en ligne qui transforme des photos en œuvres d'art. Et puis il y a Mid Journey en tant que plate-forme, qui permet de générer des images, ce qui permet aux communautés de génération d'images où les artistes et les designers créent des images à l'aide de l'IA. Cela permet également d'explorer les créations des uns et des autres. Regardons l'un de ces outils, qui sera choisi gratuitement. C'est le site Web sur lequel nous pouvons choisir gratuitement et générer une image ici. Supposons que nous lui donnions une simple invite en ce moment avec cette invite, il s'agira de générer du texte en image, ce que nous essayons de faire ici. Maintenant, vous pouvez constater que cela a pris de l'ampleur et qu' il nous a donné cette image un bateau naviguant sur un lac calme au coucher du soleil, entouré d'arbres verts luxuriants et rivage brumeux de cette façon particulière J'espère que cela a du sens. J'espère que les gens comprennent maintenant les différents outils actuellement disponibles pour la génération d'images à l'aide de ces outils d'IA. 12. Outils pour la génération audio et vidéo: Bonjour, les gars. Bienvenue à cette séance. Dans cette session, nous parlerons des outils que nous pouvons utiliser pour la génération audio et vidéo. Ainsi, dans cette IA générative, capacités audio aident les entreprises et les particuliers, novices ou expérimentés, à simplifier les processus donner vie à des visions complexes. Des outils de génération vocale sont désormais disponibles ici, qui peuvent être des outils de synthèse vocale entraînés dans des algorithmes d'apprentissage profond, vastes ensembles de données de la parole humaine Désormais, il peut également décomposer et reproduire la prononciation, la vitesse, les émotions, l' intonation, et là, un discours plus précis et plus naturel aide les personnes malvoyantes , les barrières linguistiques ou les troubles barrières linguistiques Il existe des outils de création musicale que vous pouvez utiliser pour écrire de courtes mélodies ou des riffs, suggérer ou ajouter des instruments, composer une nouvelle chanson, créer une bande son pour vidéos YouTube ou Instagram, mixer Vous pouvez mixer, masteriser et publier des plateformes de streaming. Il existe également des outils d' amélioration audio, qui peuvent identifier des sons spécifiques, ajouter ou supprimer des sons indésirables, tels que DScript ou Audo AI, par exemple Il y aura également des outils vidéo, des outils génération vidéo que vous pourrez utiliser comme Runway, qui peuvent transformer la vidéo en de nouveaux styles. Il utilise du texte, une image ou une vidéo comme entrée. Maintenant, il y a aussi Es US, où vous pouvez télécharger des photos ou utiliser des instructions textuelles pour générer des vidéos Ensuite, ces outils vidéo peuvent enregistrer une narration, améliorer le son, convertir le format de fichier. Ils peuvent également publier une vidéo, et il existe des outils comme Synthesia qui peuvent créer des avatars personnalisés Il existe de nombreux modèles de génération audio et vidéo que vous pouvez utiliser et des outils vous pouvez utiliser pour générer des vidéos et du son générés par des IA . 13. Outils de génération de code: Bonjour, les gars. Bienvenue à cette séance. Dans cette session, nous parlerons des différents outils que nous pouvons utiliser pour générer du code. Les modèles de génération de code génèrent donc du code basé sur la saisie dans la langue nationale. Basés sur le deep learning et le NLT, ces modèles comprennent le contexte et produisent un code adapté au contexte. Désormais, les capacités de ces générateurs de code sont qu'ils peuvent générer un nouvel extrait de code ou un Il peut prédire les lignes de code pour compléter le code partiel. Ils peuvent produire des versions optimisées du code existant. Ils peuvent convertir le code d' un langage de programmation à un autre. Ils peuvent générer des résumés et des commentaires pour le code. Ils peuvent également recommander des solutions de programmation pour résoudre un problème spécifique. De même, dans cette IA ouverte GPT tant que modèle de génération de codage, excelle dans la génération de texte semblable à celle de l'homme, elle démontre une capacité de génération de code immersive Ces capacités de codage du GPT sont plus longues et des codes plus précis peuvent être générés Le codage peut être effectué pour développer des applications, des sites Web ou des plugins peuvent générer du code pour les images. Donc, si vous regardez, par exemple, lorsque nous allons spécifiquement sur Chat GPT et que nous écrivons, disons, un code Python pour générer un message pour saluer une personne, afin que nous puissions obtenir un code comme celui-ci, qu'il fournit De plus, il vous explique comment cela fonctionne spécifiquement. Vous pouvez également convertir le même code dans une autre langue de cette manière particulière. Maintenant, en ce qui concerne le codage avec Gemini, il permet de générer du code dans plus de 20 langages de programmation Il fournit une compréhension détaillée étape par étape de la génération du code. Cha PTI et Gemini présentent également certaines limites en matière de codage, car ils Cha PTI et Gemini présentent également certaines limites en matière de codage ne peuvent pas générer de codes volumineux ou complexes Je peux comprendre programmation et la syntaxe, mais pas la sémantique Leurs connaissances se limitent donc aux données utilisées pour leur formation. Par exemple, ils deviennent obsolètes avec les nouvelles versions de frameworks et de bibliothèques. Par exemple, la connaissance de GPT 3.5 est limitée jusqu'en septembre 2021. Par conséquent, d'autres outils tels que GitHub co-pilot peuvent être utilisés, qui peuvent générer du code pour différents langages de programmation et frameworks Il est alimenté par le Codex d'OpenAI et développe un code basé sur des solutions Il est formé au langage naturel, texte et au code source. Il peut s'intégrer à d'autres éditeurs de code et produire du code conforme aux meilleures pratiques et aux normes de l'industrie Il existe également d'autres outils comme le codeur poly que nous pouvons utiliser, qui est un générateur de code AI open source basé sur le GPT Il est formé sur les référentiels Github, écrit en 12 langages de programmation et fournit une bibliothèque de modèles prédéfinis Il peut créer, réviser et affiner des extraits de code. En dehors de cela, il existe également IBM Code Assistant, qui est basé sur les modèles IBM watson.ai Foundation. Il peut être intégré aux éditeurs de code. Il produit des recommandations en temps réel, des fonctionnalités de saisie automatique et une restructuration du code. Voici donc tous les différents outils que nous pouvons utiliser pour générer du code en ce moment. 14. IA générative vs IA agétique: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous avons voulu comprendre la différence entre l' IA générative et l'IA agentique. Lorsque nous examinons l'IA générative, ce sont des systèmes fondamentalement réactifs. Ils attendent que tu fasses quelque chose. Plus précisément, ils attendent que vous les y demandiez. Et une fois que vous les avez promus, leur travail consiste à générer une sorte de contenu en fonction de ce que vous leur avez demandé, l'invite que vous leur avez fournie. Maintenant, ils utilisent des modèles qu'ils apprennent pendant l'entraînement. Hein ? Donc maintenant, les choses qu'il peut générer du texte, peuvent être du texte, une image ou un morceau de code, un son. Ils ont donc appris les relations statistiques entre les mots, entre les pixels et entre les ondes sonores. Et ils l'ont appris grâce à d'énormes ensembles de données. Ainsi, lorsque vous fournissez une invite, une IA générative prédit ce qui va suivre en fonction de son entraînement Mais cela fonctionne, le travail s' arrête de génération en génération. Idéalement, leur travail s'arrête à chaque génération. Il ne suffit pas de suivre les étapes sans autre contribution de votre part. Cela dépend donc fortement du type d'invite que vous allez lui donner en fonction laquelle il prend les mesures nécessaires. Alors que lorsque nous examinons l'IA agentique, les systèmes d'IA agentique, ceux-ci ne Ce sont des systèmes proactifs. Aujourd'hui, comme une IA génétique, elles commencent souvent par une invite de l'utilisateur, mais cette invite est ensuite utilisée pour objectifs par le biais d'une série d'actions. Et un système agentique passe essentiellement par un cycle de vie. Donc, la façon dont cela fonctionne est qu'il perçoit tout d'abord son environnement si vous le souhaitez Et une fois cela fait, il peut décider des mesures à prendre. Une fois que vous avez décidé de cette action, il peut ensuite l'exécuter. Ensuite, une fois que cette action a été exécutée, elle peut tirer des leçons de ce résultat, puis tourner en rond avec un minimum d'intervention humaine. Aujourd'hui, ces deux approches d'IA partagent souvent des bases communes. Et ce fondement commun est constitué par les grands modèles linguistiques ou LLM, que nous appelons cela Les LLM servent de colonne vertébrale aux chatbots, mais il existe en fait d' autres outils qui sont utilisés pour certaines de ces choses génératives, des modèles de diffusion généralement pour les images et J'espère que cela a du sens maintenant. J'espère que vous êtes en mesure de comprendre la différence fondamentale entre le fonctionnement d'une IA générative et celui d'une IA agentique. 15. Introduction aux termes clés: Bonjour, les gars. Bienvenue dans ce module. Dans ce module, nous allons comprendre certaines des terminologies clés que vous allez beaucoup voir dans l'IA générative Ce sont des termes qui seront très courants et largement utilisés lorsque nous parlerons de technologies d' IA, qui peuvent être courants et largement utilisés le LLM, l' ingénierie rapide, l'intégration, le réglage fin, les forums de discussion en chiffon et, plus récemment, l'IA agentic et, plus récemment Commençons ce module où nous allons passer en revue chacun de ces termes en détail pour comprendre simplement ce qu'ils signifient réellement et comment ils contribuent à cette technologie d'outils d'IA que nous utilisons régulièrement. 16. LLM (modèle de langue grand format): Oui. Bienvenue à ces sessions. Dans cette session, nous parlerons LLM, des grands modèles linguistiques Alors, que sont les LLM, en gros ? Donc, ce que nous voulons comprendre ici c'est comment nous pouvons utiliser LM. LM sera en fait un grand modèle de langage, avec lequel nous pourrons avoir une conversation. Par exemple, vous pouvez voir un exemple ici, qui est lié au chat mobile, qui se déroule sur un appareil mobile. Ici aussi, une grande partie de la technologie de l' IA est déjà incorporée. Comme vous pouvez le voir, ici, il est dit que je vais au et puis je propose plusieurs options, salle de sport, parc ou magasin. Le LM prédit donc automatiquement le mot suivant. C'est donc la capacité d'un LLM de prédire le mot suivant en va de même pour Chat GPT qui répond à une question Il en va de même pour Chat GPT qui répond à une question. Lorsque vous lui posez une question, il est capable de nous donner le résultat recherches à ce sujet et de nous donner résultat de la même manière C'est donc l' idée de base de ce qu'est un LLM et en quoi il est différent de l'IA générative Nous en parlerons donc également. Alors maintenant, si vous y regardez bien, le LLM est principalement une IA formée pour comprendre et générer le langage humain Il se concentre donc sur la sortie textuelle donnée de manière conversationnelle C'est d'un LLM dont nous parlons, et il ne fera qu' une chose qui prédire le prochain mot. OK. Ainsi, sur la base de ce qui a été saisi précédemment, il développe la capacité de raisonner, d' expliquer, de traduire et de résumer, puis C'est l'idée de ce que fait essentiellement un LLM. Maintenant, si vous voyez la différence majeure entre GNAI et LLM, c'est qu'avec GNAI, vous pouvez créer du nouveau contenu dans Il peut y avoir génération d'images, génération de musique, vidéo, génération de code. Tout cela relève de l'IA générative. Mais lorsque nous examinons les LLM, s'agit de modèles basés sur le texte dans lesquels ils il s'agit de modèles basés sur le texte dans lesquels ils génèrent des traductions, des résumés, des classifications, des analyses des sentiments, entités nommées, tout cela peut Dans ces chevauchements les deux seront également des forums de discussion. Vous pouvez écrire du texte ici et poser des questions et réponses. Vous pouvez donc dire que tous les LLM sont un type d'IA générative, que nous avons mis en place OK ? Donc, avec le LLM, ce ne sera que du texte ou des jetons, et ce sera une sortie basée sur du texte, ce que cela donne, et un certain nombre de modèles que nous avons actuellement sont GPT 5, Cloud Gemini, axés sur le Il est davantage axé sur le langage. C'est ce qu'est LL. OK. Maintenant, comment cela fonctionne principalement. s'agit du flux de travail dans lequel il est entraîné sur énormes quantités de données provenant d'Internet, les lit, qu'il s'agisse de livres, de sites Web, d'articles, de documents, de conversations, de référentiels de code Il est entraîné sur tous ces éléments , puis il entre dans le réseau neuronal. Il entre dans le réseau neuronal, qui est le transformateur et dans lequel il est traité, gros, puis il est décodé Il est décodé en une sortie que nous obtenons sur la plateforme Voilà donc l'idée selon laquelle les LLM vont fonctionner. Il est basé sur les données d' entraînement fournies , puis sur le réseau neuronal du transformateur qui fonctionne dessus et nous donne un résultat généré en fonction de l'entraînement. Maintenant, le concept clé qui sous-tend le LLM est qu'il repose sur trois éléments principaux, savoir qu'il doit y avoir un certain niveau de pré-formation La pré-formation, telle que nous la comprenons, est donc basée sur un énorme corpus de données textuelles, milliards de mots tirés de livres, du Web et du code, grands modèles linguistiques tels que la grammaire, les faits, raisonnement. Des milliers de GPU sont nécessaires pour traiter tout cela pendant des semaines Des milliers de GPU sont nécessaires pour traiter tout cela Ensuite, la taille et l'échelle. Donc, étant donné l'utilisation massive de réseaux neuronaux contenant des milliards de paramètres, d' accord, alors que la formation à partir de zéro coûte très cher et sur cette base, la mise à l'échelle se fait également sur Et puis il y a une mise au point. Le réglage fin vise principalement à entraîner l'outil à effectuer des tâches spécifiques ou à produire un type de sortie spécifique. OK ? Donc, ici, vous pouvez affiner vos LLM, pour nous donner des résultats spécifiques en fonction de nos besoins Ces trois éléments jouent donc un rôle essentiel dans la gestion de nos LLM Et maintenant, vous pouvez voir qu'il peut y avoir différents cas d'utilisation de LM dans lesquels vous pouvez l'utiliser. Vous pouvez l'utiliser pour la génération de contenu, c' est-à-dire pour rédiger des articles de blog, des descriptions de produits, des copies marketing. Vous pouvez l'utiliser pour travailler sur des forums de discussion ou comme assistant virtuel, car d'une grande partie du support client, de l'assistance à la réservation, des copilotes personnels en IA, puis de la traduction linguistique Vous pouvez donc effectuer des traductions de différentes manières. Google, comme nous avons DeepL ou Google Translate, peut également le faire Ensuite, vous avez un résumé du texte. Si vous avez de longs rapports condensés, des informations compliquées, jargons très techniques que vous devez utiliser au quotidien, vous pouvez les simplifier grâce à des LLM, puis à la réponse aux questions, qui sous-tend principalement l'assistance à la recherche, les tuteurs pédagogiques, les bases de connaissances des entreprises, les systèmes de FAQ avec lesquels nous traitons au quotidien pouvez les simplifier grâce à des LLM, puis à la réponse aux questions, qui sous-tend principalement l'assistance à la recherche, les tuteurs pédagogiques, les bases de connaissances des entreprises, systèmes de FAQ avec lesquels nous traitons au tous ceux qu'il peut également gérer. J'espère que cela a du sens. J'espère que vous comprenez maintenant ce que sont les LLM et quels sont leurs cas d'utilisation et, dans différents scénarios, comment vous pouvez les utiliser et ce qu'il y a à l'arrière-plan Merci beaucoup les gars d'avoir écouté ceci, et je vous verrai dans la prochaine vidéo. 17. Démo ChatGPT : Complétion du prochain mot et génération de texte generation: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous assisterons à une démonstration de Chat GPT, qui vise principalement à comprendre la capacité de l'outil d'IA à générer le mot suivant en fonction du contexte donné précédemment Jetons un coup d'œil à cela, à la manière dont nous allons procéder. Ce que nous voulons spécifiquement voir le pouvoir de générer du texte, le mot suivant peut-être à l'aide des données qui ont été fournies et saisies ici Donnons-lui un simple bal de fin d'année. Disons que je vous demande de lui donner un message où nous disons « Il était une fois un chat le voulait ». Nous voulions générer du contenu, devenir le meilleur chef du village et les informations sont fournies. Vous pouvez voir qu'en fonction du contexte que nous avons donné, il a été possible de générer le mot suivant et le mot suivant plus loin. Maintenant, disons que nous continuons, je peux également continuer fonction du contenu qu'il a généré dans le passé et qu'il est capable de le faire. Alors maintenant, disons, ce que nous voulons faire maintenant est un cas d' utilisation différent où nous voulons maintenant écrire un e-mail spécifiquement destiné à un collègue en fonction du contexte donné. Nous disons donc d' écrire un message WhatsApp à mon collègue, John, pour lui demander de partager le rapport du projet avant 22 h aujourd'hui. D'accord ? Sois poli. Maintenant, j'ai donné un peu de contexte. Il examine donc le contexte pour créer le message WhatsApp qui a été créé. Maintenant, nous avons également l'option ici où nous pouvons transformer ce message particulier sur un ton différent. Supposons donc que John soit un ami cher Nous voulons donc réécrire le message d'une manière amicale et un ton amusant que nous voulons y ajouter Vous voyez donc que ce qui se passe ici c'est que nous sommes en mesure d'utiliser l'outil d'IA pour générer le mot suivant, comme on le voit ici. De plus, nous sommes en mesure d' apporter des modifications au contenu généré en fonction du contexte donné, et c'est la superpuissance de l'outil permet de générer du nouveau contenu en fonction du contexte qui lui est fourni J'espère que cela a du sens. Vous êtes en mesure de comprendre ces différentes capacités de l'outil d'IA que nous avons intégré. 18. Embeddings: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous allons parler d'un concept très intéressant, à savoir les intégrations Donc, comme nous le savons maintenant, c'est principalement le fonctionnement des outils d'IA. Mais une information importante dont nous n'avons pas parlé est le fait que ces machines ne comprennent pas le texte. Alors, comment sont-ils capables de générer du texte, non ? Ils ne comprennent que les chiffres. C'est donc là qu' intervient l'intégration, qui est avant tout une forme de représentation numérique du texte Cela devient donc essentiel pour que les modèles d'IA comprennent et utilisent efficacement les langages humains. Donc, ce qui va se passer, c'est que nous allons prendre un exemple pour comprendre comment cela fonctionne réellement. Disons que la phrase est « Je mange de la glace ». D'accord ? Maintenant, c'est l'outil qui ne comprend pas la compréhension textuelle de ce que cela signifie ? Donc, au niveau du back-end, ce qui se passe, c'est cela est décomposé en, vous pouvez dire, en jetons. D'accord. Donc, chacun de ces jetons sera de quatre jetons Je mange de la glace et de la crème. D'accord. C'est ce qui est saisi, et chacun d'entre eux serait associé à un numéro spécifique. C'est là que se trouve le réseau neuronal ou le transformateur que nous avons, qui effectue ses calculs et génère ces nombres qui sont ensuite transmis à l'outil Donc, quand cela est ajouté, il comprend que cela signifie que je mange de la crème glacée C'est ainsi que les intégrations aident principalement les outils d'IA à comprendre le langage humain et à générer le mot suivant sur cette base Il comprend le contexte, il comprend le contexte qui lui est donné, les informations qui lui sont données, et sur la base desquelles il nous donne le résultat, il nous donne la réponse, il nous donne les mots suivants qui sont nécessaires. Il est essentiel que nous comprenions cela, car c'est là que vous comprenez que ces outils d'IA fonctionnent principalement sur les nombres et qu' identifient le langage dans le contexte des nombres et sur la base duquel ils donnent leurs résultats. 19. Réglage de précision: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous parlerons d'un autre concept intéressant qui est le peaufinage. La mise au point d'un LLM sera un processus dans lequel nous essaierons de nous adapter à un modèle pré-formé pour effectuer certaines tâches spécifiques qui répondent à notre domaine ou à notre Maintenant, généralement avec les outils d'IA, nous essayons de trouver des solutions, mais il peut s' agir d'un scénario dans lequel vous avez besoin d'une solution pour un scénario spécifique. Supposons que vous veniez du secteur de la vente au détail, du secteur de la technologie ou du secteur automobile. Et ce dont vous avez besoin, c'est d'une solution spécifique pour un scénario auquel vous êtes confronté dans votre domaine spécifique. Et c'est là que le peaufinage et le LLM deviennent cruciaux. Maintenant, il existe trois manières d'affiner les LLM Le premier sera autosupervisé, c' est-à-dire principalement une manière de fournir toutes les informations que vous avez liées à votre domaine au modèle de base Il s'agit des données d'entraînement complètes que vous transmettez au modèle de base. Il analyse ces données et en tire des leçons, comprend votre domaine, votre expertise, vos zones de douleur et sur la base duquel il vous fournit désormais des résultats personnalisés. Maintenant, ici, il est autosupervisé , ce qui lui permet de le faire lui-même grâce aux données de formation lui-même grâce aux données de formation que j'ai fournies à partir de votre domaine, personnalisées pour votre domaine. L'autre modèle que nous pouvons utiliser ici peut être supervisé. Maintenant, voici ce qui se passe, c'est que vous allez donner données d'entraînement étiquetées spécifiques et détaillées qui ont une entrée et une sortie. Vous donnez l'entrée et vous donnez un résultat attendu, sur la base duquel il en tire des leçons et comprend votre scénario, votre expertise dans le domaine, et sur la base duquel vous obtenez le résultat. Pour vous donner un exemple simple, une entrée peut être aussi générique que, disons, comment trouver une fracture. La sortie est X. Alors maintenant, vous donnez ceci à titre d'exemple, des données d'entraînement étiquetées à l'outil et il comprend que, d' accord, je dois donner le résultat de cette manière particulière. Si l'entrée est donnée de cette manière, je dois donner une sortie dans ce style spécifique, c'est-à-dire que le modèle apprend et vous donne une sortie en fonction de son apprentissage. Le troisième que nous pouvons utiliser ici est le renforcement. Le renforcement est un modèle dans lequel vous donnez un résultat en fonction de son entraînement et nous le notons. Alors maintenant, ce qui se passe c'est que le modèle vous donne une sortie. Vous donnez une contribution spécifique, vous demandez une solution particulière. Il vous donne le résultat, mais maintenant vous le marquez , et maintenant, à partir du score , si le résultat est mauvais, vous lui attribuez un faible score, si son résultat est bon, il peut être un score élevé, et maintenant le modèle commence à en tirer des leçons. Il comprend que s'il a obtenu une note faible, il essaie de comprendre où il a commis l'erreur. Et en fonction de cet apprentissage, il améliorera ses résultats lors des prochains bals que vous lui donnerez Cela devient un renforcement. Vous pouvez commencer à peaufiner votre LLM de trois manières différentes et en tirer de meilleurs résultats Examinons maintenant un autre scénario dans lequel vous ne devriez pas peaufiner. Dans quels scénarios aucun ajustement précis ne devrait avoir lieu. Le premier aspect est que le peaufinage ne consiste pas à créer une intelligence à partir de zéro Ce que nous voulons dire par là, c' est qu'il ne s'agit pas générer des informations dès le début. Ce que nous essayons de faire ici, c'est d'affiner le LLM pour entraîner le LLM à obtenir une sortie personnalisée OK ? Nous n'essayons pas de générer des informations à partir de zéro. Ensuite, vous avez vu que dans les trois scénarios, dans chacun des scénarios, nous devions fournir les données d'entraînement. OK ? Donc, en aucun cas, nous n'allons éliminer l'exigence de données ici, d'accord ? Ce n'est pas du peaufinage. Troisièmement, le réglage fin ne nous donnera pas toujours le résultat obtenu Chaque interaction que vous allez avoir avec l'outil d'IA sera unique et les résultats seront uniques en fonction des résultats. Il y aura une seule solution universelle, il n'y aura jamais de solution universelle unique que vous pourrez en tirer. Enfin, comme vous l'avez vu, ce sera un processus. Ce ne sera pas un processus magique ponctuel, mais des itérations continues sont nécessaires pour atteindre le résultat souhaité. Il ne s'agira pas d'un cas où vous donnerez une seule invite et vous obtiendrez le résultat souhaité dès le premier coup. Des itérations continues sont nécessaires pour affiner vos bals et obtenir les résultats souhaités. J'espère que cela a du sens. J'espère que vous comprenez maintenant le concept de réglage fin et pourquoi il est nécessaire lorsque vous essayez d' utiliser au maximum ces modèles de LLM 20. Récap - Vue récapitulative view: Mmm. Bonjour, les gars. Bienvenue aux sessions. Nous voulions simplement faire un bref résumé de tout ce dont nous avons parlé jusqu'à présent. Beaucoup de choses que nous avons abordées jusqu'à présent. Nous voulions donc simplement en faire un bref résumé. Alors maintenant, nous comprenons que c'est ainsi que tout fonctionne lorsqu'un utilisateur vient et fait une requête, n'est-ce pas ? Cette requête concerne les grands modèles de langage, qui peuvent être, disons, ChatGPT ou Google Gemini ou des méta ou tout autre outil d'IA, modèles LLM Maintenant, il s' agira principalement du réseau neuronal, des transformateurs, qui examineront les données d' entraînement fournies et utiliseront des intégrations sur la base desquelles il nous donnera le résultat, qui est un langage humain compréhensible, et nous obtiendrons qui est un langage humain compréhensible, et nous Maintenant, nous avons également examiné la partie peaufinage, qui consiste principalement à affiner les modèles LLM pour obtenir le résultat souhaité en fonction de votre domaine spécifique personnalisé Maintenant que c'est là que vous vous améliorez, vous entraînez les modèles pour obtenir un type de résultat spécifique. Nous avons également parlé du fait qu'il s'agit d'une ingénierie rapide, qui est principalement la façon dont vous lancez ces outils d'IA Nous décidons également du type de résultat que vous en tirez. Nous devons également examiner ce que nous incitons, comment nous le faisons Que posons-nous de vagues questions ou questions spécifiques qui détermineront le type de résultat que nous allons obtenir sur le terrain ? J'espère que ce que nous avons abordé jusqu'à présent a du sens . Dans les prochaines vidéos, nous verrons également différentes manières d'utiliser le génitif 21. Retrieval Augmented Generation (RAG): Bonjour, les gars. Bienvenue à cette séance. Dans cette session, nous parlerons du RAG ou de la génération augmentée récupérable Maintenant que nous comprenons le fonctionnement des LLM. Le flux de travail du LLM est donc un utilisateur vient et pose une question, qui est une requête, qui est tokenisée, intégrée et qui est envoyée dans le LLM, où le réseau neuronal fonctionne et où les intégrations sont effectuées et en fonction de quoi le résultat sort où le réseau neuronal fonctionne et où les intégrations sont effectuées et en fonction C'est donc le flux de travail que nous connaissons du fonctionnement des LLM. Dans ce domaine, le problème est qu'il existe un seuil de connaissances, selon lequel nous savons que ces LLM sont formés jusqu'à certaines connaissances, ce qui est encore le cas en 2023, et au-delà de laquelle ils ne disposent pas données de formation disponibles sur la base desquelles elles peuvent nous fournir De plus, ce qui va se passer, c' est qu'il n'y a pas de données privées. Nos documents internes, nos SOP, données clients n'apparaissent jamais dans le corpus de formation Ils n'ont donc pas non plus accès à nos données privées personnelles. À cause de cela, il y a donc un barrage routier. Il y a un obstacle à la manière dont nous allons obtenir une solution personnalisée Et c'est là que RAG entre en scène. RAG est principalement une génération augmentée récupérable, où la récupération signifie que nous pouvons trouver les données parce que nous allons fournir notre propre base de connaissances au LLM, et celui-ci ne se penchera que sur cela Cela ne mènera nulle part en dehors de cela. Il récupérera les données de la base de connaissances que nous fournissons, enrichira cette invite, ajoutera à l'invite , les exportera pour nous et les générera de manière conversationnelle C'est ainsi que RAG va fonctionner. lequel il va accéder à notre base de connaissances spécifique et il va traiter qu'il va faire correspondre toutes les informations , puis nous donner le résultat souhaité Dans lequel il va accéder à notre base de connaissances spécifique et il va traiter qu'il va faire correspondre toutes les informations , puis nous donner le résultat souhaité de manière compréhensible. C'est la compréhension de base du RAG ou de la génération augmentée récupérable Maintenant, si vous regardez en quoi cela aide, c'est parce que c'est le cas maintenant que le pipeline va être construit, il y a quatre choses principales. L'une d'entre elles est celle des sources faisant autorité, car les données nous appartiennent. Nous pouvons donc certainement aller de l'avant et valider cela. Nous pouvons en être garants. Nous savons que les informations seront correctes. Il sera totalement privé car il ne tiendra compte d'aucune autre source d'information. Il ne va pas regarder Internet, les données sont donc complètement sécurisées chez nous. Et puis il va évidemment y avoir une réduction des hallucinations Il va nous apporter une solution basée sur les informations que nous avons fournies. Les résultats seront donc beaucoup plus faciles à comprendre, réalistes, ce que nous pouvons certainement appliquer Et puis la source est incluse, ce qui sera le cas lorsqu' elle fera également une citation. Il va faire référence à des documents spécifiques, des rubriques et nous les communiquer par écrit afin que nous sachions d'où il recueille ces informations et nous les communique. Donc, si vous le regardez de cette façon, un RAG est bien meilleur, et c'est ainsi que se déroulera la structuration Donc, si vous y réfléchissez, vos documents seront la source, c'est-à-dire, disons, ces PDF, qui sont téléchargés sur le modèle LLM et OK, donc en morceaux. Ensuite, il est transformé en intégrations qui seront des nombres aléatoires de cette manière particulière, qui seront stockées dans le LLM en arrière-plan Maintenant, il s'agit d'une base de données qui a été créée. Un DV vectoriel est là dans lequel tous les documents et politiques de votre entreprise sont stockés Maintenant, lorsqu'un utilisateur vient et fait une requête, et que des intégrations similaires proviennent d'ici, ce qui est le cas actuellement, nous essayons de trouver une correspondance avec les intégrations disponibles dans le magasin vectoriel Une fois qu'une correspondance appropriée est trouvée, les résultats sont publiés, qui sont partagés avec le LLM Maintenant, le LLM va de l'avant, transforme cela en un langage compréhensible et le rend à l'utilisateur C'est ainsi que RAG va fonctionner. La chose importante à retenir ici est que les résultats que le LLM donnera seront entièrement basés sur la documentation que vous avez fournie Ce ne sera pas quelque chose d'extérieur, et c' est ce que nous voulons vraiment. Nous voulons vraiment des solutions adaptées à notre domaine, à notre domaine, nos besoins spécifiques, et c'est exactement ce que RAG corrige et aide également J'espère que cela a du sens. Je dois maintenant comprendre comment fonctionne le concept RAG et comment il résout de nombreux problèmes auxquels nous sommes confrontés avec les modes d'IA 22. Agentic AI: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous parlerons du concept d'IA agentique. Il s'agit donc d'un nouveau sujet qui nous entoure beaucoup en ce moment, et beaucoup de gens, après avoir compris l'ingénierie rapide de la génération AI, parlent maintenant beaucoup de l'IA agentique. Essayons donc de comprendre de manière simple ce qu'est exactement l'IA agentic et comment nous pouvons l'utiliser Prenons donc un exemple simple. Supposons donc que dans un scénario réel, vous planifiez un voyage pour vous et votre famille à New York, par exemple. OK. Donc, d'une manière traditionnelle, vous allez commencer à réfléchir aux vols à prendre, aux hôtels que vous souhaitez réserver, aux lieux que vous allez visiter à New York, à d'autres choses, aux attractions, où que vous souhaitiez aller. Nous allons donc planifier tout cela, et itinéraire manuel complet que vous allez créer, plats que vous allez manger, où vous allez tous manger. Donc, tout cela, vous devrez le faire étape par étape. Maintenant, tout cela, que nous essayons de faire nous-mêmes, peut être sous-traité à quelqu'un qui peut le planifier pour nous, n'est-ce pas Personne qui peut réserver nos vols, nos hôtels, qui peut réserver les endroits que nous voulons visiter dans cette ville, accord, les endroits que nous voulons manger. Tout cela peut être, euh, planifié par une personne en particulier, ce qui est le plus souvent le cas dans un scénario réel, ce sont des agents de voyages. Imaginez que la même chose se produise avec l'IA agentic. Une IA agentique est donc avant tout un flux ou un flux de travail autonome, dans lequel un système d'IA est construit où ce système d'IA fera tout le travail pour nous en notre nom Ainsi, lorsqu'on lui donne un objectif précis, et sur la base de cet objectif, il planifie , utilise certains outils et prend des décisions pour atteindre cet objectif en particulier. Et cela sera complètement autonome, ce qui signifie qu'il fonctionnera tout seul et ne nécessitera pas beaucoup d'intervention humaine. C'est simplement ce que nous entendons par IA agentique, juste pour vous donner un flux de travail indiquant comment cela va réellement fonctionner Donc, si vous regardez en termes simples, IA agentique désigne ces systèmes d' IA capables de planifier des choses de manière autonome, prendre des décisions et d'exécuter certaines actions pour atteindre les objectifs spécifiques que nous nous sommes fixés sans avoir à faire appel à une intervention humaine continue OK. Maintenant, cela peut être mis en œuvre dans plusieurs flux de travail différents dans notre travail de différentes manières. Peut-être pouvez-vous avoir une IA agentic qui s'occupe entièrement de vos demandes de support client Vous avez peut-être une IA agentic qui examine spécifiquement les escalades Vous pouvez imaginer comment vous pouvez l' utiliser dans un scénario du monde réel, qui peut assumer le fardeau de votre travail puis le travail et vous donner ce que vous souhaitez. Pour vous donner une meilleure idée de ce qui se passe réellement en arrière-plan. Vous pouvez donc voir ici comment cela va fonctionner. L'utilisateur, c'est donc nous , auxquels nous donnons une entrée ou un objectif spécifique. Maintenant, en fonction de l' objectif qui lui est assigné, l'IA agentic va planifier, commencer à planifier par où commencer, faire toute la planification Ensuite, il va prendre certaines mesures en particulier, d'accord. Et il aura de la mémoire, qui est essentiellement la base de données. Ainsi, les détails tels que vous fournirez votre documentation, vous fournirez votre base de connaissances. Vous allez donner toutes les ressources de votre entreprise. C'est donc sur cette mémoire qu'il va prendre ces décisions. Il va atteindre cet objectif précis. Ensuite, il va utiliser certains outils. Il sera relié à Internet, je peux également coder, ce qui est nécessaire pour atteindre cet objectif. Il va se connecter via l'API. Tout cela se produira et ensuite il essaiera d'atteindre son objectif. Si l'objectif n'est pas atteint, il sera itéré. Il reviendra à nouveau à la même boucle. Encore une fois, la planification va changer. Il faudra prendre différentes mesures. Il utilisera plus de détails de votre base de connaissances et essaiera ensuite d'atteindre l'objectif. Le cœur de tout cela est votre LLM. Le LLM fonctionne, il fait tout le travail à notre place grâce à ses modèles de formation et aux outils dont il dispose C'est ainsi que cela va se passer, c'est ce que nous entendons par IA agentique. Ce sont les agents de l'IA qui vont nous aider à effectuer certaines tâches qui peuvent éventuellement être automatisées et qui nous font perdre beaucoup de temps. J'espère que cela a du sens. Je dois maintenant comprendre le concept simple de IA agentique et ce qu' elle peut faire pour 23. Projets - ChatGPT: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous verrons une autre fonctionnalité de ChatGPT, qui sera constituée de projets Les projets sont avant tout une fonctionnalité dans laquelle vous pouvez aller l'avant et personnaliser le GPT en fonction d'une exigence spécifique Supposons que vous souhaitiez un type de GPT spécifique, qui ne répondra qu' à un problème spécifique que vous rencontrez au travail dans votre entreprise ou pour une raison précise C'est là que nous pouvons utiliser les projets. Voyons un exemple pratique de la façon dont nous pouvons l'utiliser. Ainsi, une fois que vous êtes sur ChatGPT, vous pouvez accéder au panneau de gauche où nous pouvons créer un nouveau projet Prenons donc un exemple. Disons que je souhaite créer un projet autour d'un professeur de mathématiques qui s'adresse aux lycéens Je souhaite créer un projet dans lequel ce projet particulier pourra répondre aux requêtes mathématiques des lycéens. Ce sera donc un professeur de mathématiques Ensuite, ce que nous devons faire ici, c'est donner un contexte Nous devons fournir des informations, des informations générales sur l'outil, qui consiste essentiellement à peaufiner le LLM pour qu'il agisse en tant que tuteur en mathématiques et à répondre en fonction Vous pouvez le faire de plusieurs manières. L'un concerne les sources. Là où vous pouvez venir, vous pouvez ajouter des sources. Maintenant, il peut s'agir de documents. Il peut s'agir d'un livre de mathématiques. Il peut s'agir d'une documentation qui parle du profil du professeur de mathématiques, toutes ces informations que nous pouvons télécharger ici. En gardant tout cela en contexte, le projet fonctionnera Il va répondre aux questions. C'est une façon de procéder. L'autre chose que vous pouvez faire ici est que nous pouvons accéder aux paramètres du projet. Dans les paramètres du projet, vous pouvez définir l'arrière-plan. Nous pouvons vous donner les antécédents du professeur de mathématiques. Disons que c'est ce que nous faisons ici. Maintenant, l'arrière-plan a été ajouté ici. C'est donc un professeur de mathématiques pour les lycéens. D'accord, ils vont répondre à des questions ou à des concepts mathématiques en particulier. D'accord, nous avons également imposé certaines restrictions qui limitent votre tutorat aux matières mathématiques du lycée uniquement Et si vous n'êtes pas qualifié pour cela, vous pouvez simplement dire que vous n'êtes pas qualifié pour répondre à une question en dehors de ce sujet. Nous avons donc également créé des glissières de sécurité autour de celui-ci, et vous pouvez maintenant les enregistrer Alors maintenant, sur la base de ce contexte, le projet va produire des résultats et donner des réponses aux requêtes. D'accord ? Nous allons donc commencer par cela. D'accord ? Commençons donc par une question simple : qu' est-ce qu'un nombre complexe ? Il va donc se comporter comme un professeur de mathématiques pour les lycéens et donner des réponses appropriées Vous pouvez donc voir maintenant que cela nous a donné une réponse étape par étape à un exemple simple qui donne également, accord, des types de nombres complexes. Toutes ces informations sont fournies ici. Il propose également un mini-quiz, d'accord, ce qui est également évident parce qu'en tant que tuteur, vous voulez évaluer en permanence la compréhension de vos élèves passant par des quiz. est donc ce qu'il a et il vous donne également des informations sur tout ce qu' il peut également expliquer, d'autres sujets. Nous pouvons donc le faire. Examinons également d'autres exemples. Disons simplement en lui demandant d'expliquer le théorème de Pythagore en utilisant l'algèbre Je vais maintenant nous expliquer le théorème de Pythagore, un exemple de triangle simple pris sur la base duquel il nous exemple de triangle simple pris donne Maintenant, il se comporte comme un simple professeur de mathématiques, donnant des exemples simples, une intuition visuelle Maintenant, il nous donne également quelques exemples visuels pour comprendre le concept. utilisations réelles, vous pouvez le voir, puis un petit quiz à nouveau. Enfin, penchons-en un autre. Ce qui peut expliquer pourquoi la racine carrée de deux est irrationnelle, est un nombre irrationnel L'objectif est de prouver que c'est irrationnel, puis que signifie « irrationnel La stratégie qui la sous-tend donne ensuite l'ensemble du résultat. J'espère que vous comprenez maintenant le cas d'utilisation des projets. Ce qu'il peut faire, c'est qu'il peut s'agir d'un GPT distinct à l'intérieur de votre GPT principal , que vous avez, qui répond à une exigence spécifique que vous pourriez avoir Je peux maintenant créer un GPT pour répondre aux questions de mes clients Je peux créer un projet personnalisé pour , par exemple, les problèmes techniques liés à mon logiciel. D'accord, il peut donc y avoir des GPT distincts créés pour les problèmes liés aux ressources humaines Ainsi, vous pouvez créer plusieurs types de projets ou GPT différents, qui répondent à des problèmes spécifiques, que vous pouvez créer plusieurs types de projets ou GPT différents, qui répondent à des problèmes spécifiques, sera experte dans la gestion une fois que vous lui aurez fourni le contexte, le contexte et les ressources nécessaires J'espère que cela a du sens. Je dois maintenant comprendre comment les projets peuvent être utilisés pour changer. 24. Les limites des LLM et les solutions de contournement: Bonjour, les gars. Bienvenue aux sessions. Au cours de cette session, nous parlerons des limites que nous observons actuellement avec les LLM et de certaines solutions pour les contourner La première limite que nous arrivons à comprendre ici est donc le seuil de connaissances Comme vous le savez, le LLM est formé pour une quantité spécifique d'informations, dans un délai limité. Donc, à l'heure actuelle, comme vous pouvez le constater, la date limite d'entraînement est 2023, date pour laquelle les informations pour lesquelles il est formé sont établies Il a été formé au-delà de cela. OK ? C'est donc l'une des limites des LLM, et cela fonctionne . De nombreuses améliorations sont en cours en ce moment Mais c'est la majeure partie des connaissances dont elle dispose en ce moment, qui est encore en 2023. La solution de contournement qui a été identifiée est le RAG, qui est une génération augmentée récupérable, qui permet principalement d'injecter des documents dynamiques lorsque vous vous demandez des informations sur le résultat Ainsi, au moment de la requête, les outils qui appellent permettent aux LLM d' effectuer des recherches sur le Web ce moment-là, le LLM effectue de nombreuses recherches sur le Web sur la base desquelles il affine la solution et la diffuse Maintenant, les autres problèmes auxquels seront confrontés les LLM seront liés aux hallucinations hallucination se produit souvent lorsque le résultat est donné, ils ne connaissent pas les faits, puis les outils ont tendance à halluciner C'est pourquoi il est suggéré que nous devions être très précis en ce qui concerne les instructions et empêcher l' outil C'est l'un des principaux problèmes qui se posent avec les LLM. D'autre part, des résultats offensants peuvent parfois être obtenus parce que l'entreprise est formée à partir d'un grand nombre de données contenant ce type d'informations, elle a tendance à les récupérer à partir de là et à produire ce type de sortie. Cela peut aussi faire du mal, peut être utilisé comme arme à des fins de désinformation. D'accord Cependant, les choses s'améliorent beaucoup, par exemple, GPT quatre contre, euh, GPT 3.5 s'est bien amélioré en termes d'hallucination dans tous ces scénarios, et les autres outils s'améliorent également à mesure que les nouveaux modèles apparaissent . Maintenant, il y a aussi beaucoup de biais. Vous constaterez également une toxicité que vous constaterez dans les LLM en termes de résultats sur les biais d' embauche, que nous pouvons observer en termes de biais sexistes, de préjugés culturels Donc, comme dans le cas des biais d'embauche, dressez la liste des caractéristiques d'un bon PDG. OK, traduisez. L'infirmière a appelé. D'accord, ce sont donc tous les commentaires que nous recevrons en ce qui concerne les LLM, où il y a beaucoup de biais, et c'est pourquoi des processus doivent être mis en place, afin de les réduire Et au fil du temps, nous pourrons l'éliminer. Cela se produit donc encore une fois en raison des données d'entraînement biaisées dont nous disposons Les données provenant d'Internet sont peut-être biaisées, ce qui donne lieu à un résultat similaire, ce qui nécessite une amplification par boucle de rétroaction, qui est essentiellement du RLHF, dont nous avons besoin pour lequel vous utilisez des évaluateurs humains Il doit donc y avoir des évaluateurs humains qui examineront principalement le résultat et sur la base duquel le résultat doit être publié Nous en parlerons donc un peu plus dans le prochain sujet. dehors de cela, des biais historiques sont également présents dans les données D'accord, historiquement, les données sont parfois plus orientées vers certains sujets, et c'est sur cela que les outils sont formés, et c'est pourquoi le résultat est le même. De nombreuses approches d' atténuation sont donc élaborées dans le cadre desquelles nous essayons de faire en sorte qu' une formation impartiale soit l'utilisation de ces outils afin d'obtenir de bien meilleurs résultats Il existe maintenant des scénarios dans lesquels les LLM se comportent mal . Les principaux points à retenir seront des cas réels qui se principaux points à retenir sont les évasions de prison jouer des rôles et à utiliser des astuces qui remplacent les formations Les modèles sont désormais renforcés contre les modèles connus d' évasion de prison Ils s' améliorent donc beaucoup aujourd'hui. injection rapide représente un risque sérieux pour l'entreprise lorsque les LLM traitent des données non fiables, cadre du flux de travail agentic Il existe également T de 2016 qui montre que l'IA exposée à des contributions publiques contradictoires absorbera ce comportement schéma est également en train de devenir le suivant : versions préliminaires, problèmes de sécurité exposés, correctifs d'urgence, puis correctifs à long terme basés sur RLChre Tout cela permettra d' améliorer les choses avec les LLM Les modules actuels tels que GPT five, 5.2, que nous avons sont nettement plus robustes et donnent de bien meilleurs résultats que les modèles précédents Maintenant, si vous regardez le RLHF dont nous parlions, agit d'un flux façon dont cela fonctionne est que les LLM sont pré-entraînés avec des données de formation et génèrent des réponses en fonction de celles-ci Une fois qu'une réponse est générée , des étiqueteurs humains peuvent intervenir et classer les résultats du meilleur au pire Sur la base duquel le modèle de sortie, de résultat, c'est le modèle de récompense qui fonctionne. Vous récompensez le modèle en fonction du résultat qu'il donne , puis vous retrouvez les commentaires. Au LLM pré-formé. Ainsi, ce qui se passe progressivement, c' est que vous voyez de meilleures réponses arriver et la boucle continue de cette manière particulière. C'est donc l'idée de l'utiliser, et cette approche particulière aide finalement les LLM à nous donner un bien meilleur résultat à l'avenir. Maintenant, si vous regardez dans la pratique , comment cela se passerait, euh, avant l'arrivée de la RLHF, avant l'arrivée de la RLHF, si quelqu'un venait à ChatGPT et donnait un bal de fin d'année, c'est-à-dire expliquer l'intrication quantique, simplement pour un enfant de 10 ans, cela nous donnera le résultat d'une manière spécifique, qui n'est pas prise en compte dans le qui n'est pas Je connais les instructions qui suivent les capacités, cela ne tient pas compte du contexte approprié de l'enfant Tout cela était là. Mais maintenant, ce qu'ils ont fait, l'IA ouverte l'a fait, incluant cette partie. Dans lequel il personnalise la sortie. Donc, la même question, posée, donne un résultat qui est : imaginez que vous avez deux dés magiques, même si vous les séparez à travers l'univers, lancer l'un vous indique instantanément le résultat de l'autre. Maintenant, il suit les instructions avec précision, utilise une analogie adaptée à l'âge et est beaucoup plus utile en utilisation réelle. Voilà donc l'impact de tout cela. Cela a pour conséquence que le résultat correspond désormais beaucoup mieux aux exigences de l'utilisateur, et c'est pourquoi la qualité des réponses s'améliore. J'espère que cela a du sens. J' espère que vous comprenez maintenant comment LLM se sont améliorés au fil du temps. Et puis, au moment où nous en parlons également, nous devons également appliquer l' approche humaine en boucle, selon laquelle lorsqu'un utilisateur effectue une recherche dans le modèle d'IA et obtient un résultat, nous vérifions le niveau de confiance de ce résultat. Si le niveau de confiance est élevé, il peut être émis sous forme de sortie directe. Sinon, s'il est faible, il faut qu'un expert humain intervienne , qui examine et valide ce résultat et sur la base duquel le résultat est donné afin que cela puisse être applicable dans plusieurs scénarios Vous pouvez l'utiliser pour le diagnostic médical, l'IA, documents juridiques, la modération de contenu, les alertes financières basées sur l'IA. Dans tous ces scénarios, HITL peut être appliqué de manière à ce qu'il y ait une intervention humaine qui vérifie la qualité du résultat et sur la base de laquelle il diffuse finalement le bon résultat au public J'espère que cela a du sens. beaucoup les gars d'avoir écouté ceci, et je vous verrai dans la prochaine vidéo. 25. Combien connaissez-vous vos LLMs ?: Bonjour, les gars. Bienvenue à ces sessions. Au cours de cette session, nous voulons que vous compreniez dans quelle mesure nous comprenons et connaissons nos LLM Si vous regardez les LLM que nous utilisons actuellement. Il peut s'agir de plans destinés aux consommateurs ou de plans d'affaires, ce que nous avons La plupart des plans destinés aux consommateurs que nous proposons concernent l'utilisation de nos données à des fins de formation. D'accord, comme par exemple, HGT free ou HGBTplus, leurs conversations sont passées en revue nos conversations sont examinées et utilisées pour la formation de ces modèles Alors que lorsqu'il s'agit de plans d'affaires, tels que vous avez une équipe HGBT, une entreprise, une API, caillot pour le travail ou Gemini pour l'espace de travail, dans de tels scénarios, les données ne sont pas utilisées Nous devons donc être conscients plans dans lesquels nous utilisons informations personnelles pour la formation de ces modules de LLM Maintenant, c'est généralement ainsi que les LLM vont coûter aux fournisseurs. Lorsque l'utilisateur saisit des jetons, ces jetons sont soumis à un prix spécifique et sur la base duquel les LLM les traitent ensuite et nous fournissent les jetons de sortie Maintenant, la plupart du temps, le prix des jetons de sortie est beaucoup plus élevé. C'est trois à dix fois plus que les jetons d'entrée qui entrent. Et sur la base des fournisseurs de modèles LM, ils créent nos modèles de tarification et pour lesquels nous effectuons des paiements. Voici quelques LLM, aux taux actuels. Comme vous pouvez le constater, ils sont destinés à Cloud en ce moment, à Anthropic, qui coûte 5 dollars par million de dollars, et ainsi de suite Et puis il y a GPT OpenEIgemini, grok, Deep Seek. Ce sont tous les prix des entrées et des sorties que vous pouvez consulter Et sur la base de laquelle tous ces modèles ont créé leurs plans d'abonnement. Maintenant, puis-je empêcher le LLM d' halluciner dans une certaine mesure en fixant des limites ? Vous pouvez donner le L&M et demander au mannequin de répondre, je ne sais pas Créez ces garde-corps, grâce auxquels vous l' empêcherez d'halluciner autant que possible L'autre aspect est humain dans la boucle, c' est-à-dire que chaque fois que la sortie sort, elle est vérifiée par un expert. Ensuite, en fonction du niveau de confiance de la réponse, le résultat est pris en compte. Cela peut également être fait. Le troisième est le juge LLM, qui a principalement un modèle distinct pour vérifier les faits Une fois que vous avez obtenu une sortie de votre modèle LLM, vérifiez-la, validez-la avec un autre modèle LLM pour vérifier si les données étaient correctes ou Maintenant, le LLM nous donnera-t-il la même réponse à chaque fois ? Pas nécessairement. Le libellé exact sera généralement différent, mais le sens général reste généralement le même. Donc, dans le LM en particulier, ce que nous cherchons , c'est que le LMS prédit le jeton suivant à partir d'un segment de distribution de probabilité L'échantillonnage est principalement probabiliste. Donc, ce qui va se passer, c'est que vous allez avoir le même sens, mais des surfaces différentes, des phrases différentes. sens général peut rester le même, mais le choix des mots et la structure des phrases seront légèrement différents. Donc, si vous voulez de la cohérence, nous devons régler la température à zéro. L'abaissement de la température à zéro rend les réponses presque déterministes J'espère que cela a du sens. J'espère que vous comprenez maintenant le contexte du fonctionnement des LLM et leur impact sur nous, principalement en termes d'utilisation, et ce dont nous devons être conscients lorsque nous utilisons ces modèles spécifiques 26. Introduction à l'ingénierie de requêtes: Bonjour, les gars. Bienvenue à ces sessions. Au cours de cette session, nous parlerons de l'ingénierie rapide, compréhension de ce qu'est l'ingénierie rapide. Donc, si vous y regardez bien, lorsque vous interagissez avec les robots d'IA à l'aide de ces outils d'IA génératifs, c'est à cela que nous avons affaire à des instructions. Les invites seront des commandes textuelles que vous donnerez à ces outils d'IA particuliers pour obtenir un type de réponse spécifique Maintenant, il peut y avoir différentes raisons de le faire. Nous nous occupons donc principalement de la génération de texte, de l'écriture créative, de la génération d'images et de la génération de code Différents résultats sont donc nécessaires, ce que nous recherchons idéalement, et c'est ce que nous entendons par instructions rapides que nous adressons aux outils d'IA Maintenant, si vous regardez comment cela va se passer , l'idée de base que vous devez comprendre avec une ingénierie rapide est plus vous allez donner une entrée détaillée ou une invite à l'outil d'IA, meilleur sera le résultat. Si vous voulez donner un aperçu générique à l'outil d'IA, le résultat sera également générique et il peut y avoir beaucoup d' hallucinations. sur quoi vous devez vous concentrer, c'est faire un bon usage de ces outils d'IA, être aussi précis et précis sur ce que vous voulez demander concernant vos informations, votre requête, et c'est ce que vous donnez pour que la qualité du résultat h dépende de cet élément en particulier. Voyons en pratique en quoi elles diffèrent lorsque vous donnez une invite générique par rapport à des instructions spécifiques Disons que sur le chat Dipt, nous commençons par une invite très générique pour le moment, qui est ce qu'est l'IA Ainsi, lorsque nous vous donnons cela, vous pouvez voir toutes les informations. Nous ne disons pas que les informations fournies ici sont incorrectes. Nous disons simplement que ce sera à plus grande échelle, le résultat vous sera communiqué car la requête est très ouverte. Nous avons donc maintenant les informations. Maintenant, nous pouvons modifier cette même chose et nous pouvons la demander d'une manière spécifique, disons pour répondre à une catégorie spécifique. Supposons que je donne ces informations disant que je suis un professionnel de santé, expliquez-moi ce qu'est l'IA en incluant des exemples pertinents issus de mon domaine. Ce que cela va faire, c'est que maintenant la sortie est personnalisée, personnalisée selon mes besoins spécifiques. Je suis un professionnel de santé. Je veux en savoir plus sur l'IE en fonction de mon domaine. Cela va donc me donner des données à ce sujet. Nous comprenons maintenant le fonctionnement de l' IA dans le secteur de la santé. Exemples pratiques en matière de soins de santé pour l'IE. L'IA peut analyser toutes ces choses. Maintenant, je suis en mesure de mieux comprendre quoi l'IA peut réellement apporter une contribution dans mon domaine. C'est donc l'impact de l' ingénierie rapide : vous constatez qu' une invite spécifique apporte beaucoup de valeur par rapport à une invite générique. part cela, si vous regardez, disons, encore une fois, que je donne une question générique, à ce qu'est l'énergie solaire, alors encore une fois, cela me donnera une idée générique de ce qu'est l'énergie solaire, de son contexte, de son fonctionnement, toutes ces informations. OK. Mais maintenant, si j'en donne une en particulier ici, où je lui pose certaines conditions. OK ? Alors, là où je dis cela, imaginez que vous êtes journaliste. OK ? Vous êtes journaliste spécifiquement de courts reportages résumés sur les sources d'énergie renouvelables. Lorsque je vous pose une question, répondez-moi en moins de 500 mots. Je ne veux pas trop de textes et ils devraient être publiés. J'ai défini ce paramètre particulier des attentes personnelles , ce que j'ai fait. Elle l'a maintenant compris. Maintenant, sur cette base, je vais lui poser des questions à ce sujet à propos de l'énergie solaire. Alors parlez-moi de l'énergie solaire, son utilisation entre 2020 et 2030. Maintenant, si vous le voyez, la sortie est personnalisée. Nous recevons des informations à puces, pas trop de verbes, euh, les mots sont utilisés au point où nous en avons besoin maintenant Maintenant, de la même manière, ce que vous pouvez faire, c'est que si vous demandez d'autres informations, disons pour toute autre chose, cela se souviendra des paramètres d'attentes que nous avions définis. Encore une fois, les données sont moins textuelles et sont présentées sous forme de puces. C'est donc l'idée d' une ingénierie rapide où vous pouvez personnaliser vos instructions pour obtenir de meilleurs résultats L'idée reste donc que nous voulons le rendre concis, précis, aussi détaillé que possible afin d'obtenir le meilleur résultat de haute qualité possible avec les outils. Il existe donc également quelques bonnes pratiques, que vous pouvez garder à l'esprit en ce qui concerne l' ingénierie rapide, qui consiste, selon ce que nous comprenons maintenant, à transmettre clairement le message, la réponse ou les contributions que nous voulons donner Encore une fois, nous devons définir le contexte ou fournir des informations de base, ce qui devrait être une exigence obligatoire. Sans donner de contexte, sans aucune information de base, nous tournons dans le noir. Nous attendons un résultat ou une réponse qui peut être très vague et générique et l'outil va probablement halluciner Équilibre entre simplicité et complexité. Nous devons donc nous assurer de ne pas donner trop d'informations. Nous devons maintenir le thème de la question, fournir les informations supplémentaires nécessaires et ne pas compliquer les choses. Parce que si vous compliquez les choses, encore une fois, la sortie ne sera pas la sortie souhaitée que vous recherchez. Enfin, vous ne vous attendrez jamais à ce que nous vous donnions une demande en particulier et que nous obtenions le résultat souhaité dans un seul livre. Il s'agira d'un processus itératif dans lequel vous donnerez continuellement des instructions et, à chaque invite, vous en améliorez la qualité et progressivement, vous commencez à obtenir meilleurs résultats avec chacune de ces J'espère que cela a du sens. Je comprends maintenant à quel point l'ingénierie rapide fonctionne réellement et comment nous devons l' aborder afin obtenir les meilleurs résultats possibles avec les IA. 27. Préparer les invites: Bonjour, les gars. Bienvenue à cette séance. Dans cette session, nous parlerons donc de l'amorçage rapide. amorçage rapide est donc un concept qui fait référence à la pratique consistant à fournir une entrée initiale au modèle à l'outil Hat GPT avant de générer tout type de réponse Cette entrée initiale aide donc vraiment à orienter l'outil vers la génération d'une réponse plus pertinente et personnalisée pour vous. Il s'agit donc de la saisie prévue par l'utilisateur. Il est donc très crucial et important que chaque fois que nous donnons des instructions à l'outil HatGPT, nous donnions un certain contexte, un aperçu du type d'informations que vous recherchez exactement type d'informations que vous recherchez exactement Par exemple, sans me préparer, disons, je dis, où dois-je aller pour mes prochaines vacances Maintenant, c'est quelque chose de super générique. Maintenant, HattPT le trouvera extrêmement générique en tant qu' entrée donnée et y donnera une réponse très générique Cela me donnera toutes sortes d'endroits dans le monde, d' accord, et des informations à ce sujet. Mais maintenant, pensez-y si je donne un peu de contexte, d'accord ? Disons que je veux dire que j'aimerais partir en vacances pour mes prochaines vacances. Je pars en voyage avec ma femme et mes enfants. L'emplacement doit être tropical. J'adorerais aller à la plage. J'aimerais prendre un vol direct de chez moi à LAX, et j'ai un budget de voyage de 5 000$ Où dois-je aller pour mes prochaines vacances ? Alors, que se passe-t-il ? J' ai donné un certain contexte. J'ai donné des scénarios, des éléments spécifiques que je recherche, mes intérêts, mes goûts et mes aversions, tout ce que j'ai indiqué dans le contexte Et maintenant, grâce à cela, la réponse sera bien meilleure, beaucoup plus pertinente et personnalisée selon mes besoins particuliers. C'est ce que nous appelons un amorçage rapide. Regardons un autre exemple. Supposons que je vous demande de créer trois titres potentiels mon nouveau cours en ligne qui enseigne aux gens comment utiliser l'IA. Encore une fois, c'est super générique car Chat GPT va me proposer toutes sortes de titres possibles, qui répond à cet objectif Mais maintenant, si je donne un peu de contexte dans lequel je dis cela, veuillez créer trois titres potentiels pour mon nouveau cours en ligne qui enseigne aux gens comment utiliser l'IA. Voici un exemple de certains titres de cours récents. Veuillez en imiter le style et le format écrit. Disons que je donne un peu de contexte, mes cours actuels s'appellent masterclass de montage vidéo Éditez vos vidéos comme un pro, master class de cinématographie, de vidéographie complète Maintenant, lorsque je donne un contexte comme celui-ci, les résultats seront bien meilleurs. L'outil imitera le style d'écriture de ces exemples particuliers que j'ai partagés et me donnera des réponses en fonction de cela C'est pourquoi vous devez garder cela à l'esprit que chaque fois que vous donnez une invite à utiliser ce GPT, nous devons également fournir des informations contextuelles afin que vous obteniez la réponse la plus spécifique souhaitée 28. 30 amorces simples avec prompts: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, je voulais simplement partager quelques instructions simples que vous pouvez garder à portée de main. Peut-être que vous pouvez le mettre sur votre ordinateur, quelque part sur votre système, ce qui peut facilement vous aider à obtenir des informations très rapidement à partir d' charge. Jetons donc un coup d'œil à ça. Voici une trentaine d'instructions que j'ai décrites ici, qui sont des bals concis et simples destinés à vous inspirer et à obtenir des informations plus rapidement Et c'est ainsi que cela va se passer, en définissant peut-être le terme suivant et en donnant une métaphore Expliquez le but de quelque chose, créez un modèle pour quelque chose, élaborez un plan pour ce podcast. Aidez-moi à établir un budget pour les choses que vous voulez. Suggérez-moi quelques suggestions d'écriture créative pour me permettre de démarrer. Réfléchissez à dix idées pour améliorer la rédaction de la transcription Rédigez une liste de chapitres bien pensée pour un livre sur, disons, un livre que vous êtes en train d'écrire. Quelques recettes utilisant ces ingrédients. Il s'agit d'une trentaine d'instructions , que vous pouvez imprimer, conserver avec vous et les utiliser chaque fois que vous en avez besoin J'espère que cela vous sera vraiment utile , car vous pourrez ainsi obtenir vos réponses plus rapidement. Vous n'avez pas besoin de trop réfléchir, vous pouvez simplement regarder ceci, l' écrire et obtenir les réponses très rapidement. Merci beaucoup, les gars, d'avoir écouté ceci, et je vous verrai dans la prochaine vidéo. 29. de nouvelles idées et génération de textes: Bonjour, Dice. Bienvenue à cette séance. Au cours de cette session, nous verrons certaines des instructions pratiques du quotidien que nous allons examiner, les mettre en pratique et voir comment l'outil va fonctionner pour nous Ce seront donc des instructions qui seront utiles pour notre travail quotidien et notre idéation Ils sont conçus pour fournir un cadre d'incitation pratique aux personnes qui cherchent à améliorer rapidement leur productivité et leur production créative Voici donc quelques-unes d'entre elles. Le premier que nous allons examiner est le brainstorming de nouvelles idées, où nous avons créé cette formule, dans laquelle nous disons que je cherche à explorer un sujet dans un format particulier Avez-vous des suggestions sur les sujets que je pourrais aborder ? Prenons donc quelques exemples. Je souhaite créer une page Instagram qui couvre les voyages. Quelles idées avez-vous sur des sujets que je pourrais inclure, tels que les destinations économiques et les joyaux cachés à visiter ? Autre exemple je travaille sur un bulletin d'information qui met l'accent sur la technologie. Pouvez-vous recommander des sujets susceptibles d'intéresser mon public, tels que les derniers gadgets et mises à niveau logicielles ? Voyons cela en action, comment cela va fonctionner pour nous. Supposons que nous prenions cette invite particulière et l'utilisions sur le chapeau GPT voir quel type de réponse elle nous donne Alors maintenant, il va regarder le message et nous donner les informations. Donc, des destinations économiques, joyaux cachés, d'accord, dont nous pouvons parler ici, des guides culinaires locaux. Cela nous donne des défis, des astuces de voyage, des récits de voyage en solo, des voyages durables Ce sont tous les différents types d' idées de pages que nous recevons actuellement et que nous pouvons explorer. Et maintenant, vous pouvez vous y plonger en profondeur. Supposons donc que vous souhaitiez savoir plus sur les récits de voyages en solo, vous pouvez demander à Tat GPT de vous en dire plus à ce sujet C'est ainsi que nous pouvons utiliser ces instructions très rapidement et obtenir les résultats souhaités. autre exemple que nous pouvons prendre en compte ici est la génération de copies, qui est essentiellement une autre invite nous avons créée dans laquelle nous disons que je suis intéressé par un type de texte qui met en évidence les avantages d'un sujet particulier. Maintenant, veuillez m'écrire un chiffre à ce sujet. Supposons maintenant que j' aie besoin d' une campagne par e-mail qui présente les fonctionnalités de mon nouveau produit Pouvez-vous m'en écrire un sur la facilité d'utilisation et le prix abordable du produit ? Un autre exemple peut être que je suis intéressé par une page Web qui décrit les avantages de mes services de coaching. Pouvez-vous m'en écrire un sur l'approche personnalisée et résultats prouvés de mon programme de coaching. Maintenant, nous pouvons également voir comment cela va fonctionner. Cela va donc nous donner la réponse. Il prend donc également les informations des discussions précédentes des discussions précédentes et nous donne toutes les informations. Pourquoi choisir notre programme de coaching ? Stratégie personnalisée pour votre entreprise. succès prouvé avec des résultats concrets, des experts, des conseils, un soutien continu et optimisation, pour atteindre une croissance durable. OK, prêt à maîtriser vos publicités. Alors maintenant, il lance également un appel à l'action d' ici la fin. Manière très efficace et très structurée de nous donner la réponse que nous attendons. C'est donc le genre d'instructions quotidiennes, les gars, que vous pouvez commencer à regarder Dans la vidéo suivante, nous allons voir d' autres instructions quotidiennes pratiques que vous pouvez utiliser 30. E-mails des clients, analogies et rédaction en masse: Bonjour, les gars. Bienvenue à cette séance. En continuant avec la vidéo précédente, examinons d'autres scénarios de prods pratiquement quotidiens Un autre scénario peut être celui du client et du support client. La formule rapide que nous avons trouvée est je voulais agir en tant qu'assistante du support client ayant une caractéristique particulière. Comment répondriez-vous à un texto en tant que représentant de notre type d'entreprise ? Par exemple, je veux que vous agissiez en tant qu' assistante du support client, qui est analytique ? Comment répondriez-vous à un client qui a rencontré un bogue lors de l'utilisation notre logiciel en tant que représentant de notre start-up technologique ? Ou, par exemple, je veux que vous agissiez en tant qu'assistante client incarnant la confiance et l'empathie Comment aideriez-vous un client à résoudre un problème de facturation en tant que représentant de notre société de services financiers ? Voyons donc quelques exemples de cela. Supposons donc que nous prenions le premier. Vous pouvez maintenant voir qu'il écrit la réponse pour nous ici et qu'il demande des informations spécifiques concernant le bogue, le message d'erreur exact, la version du logiciel. Toutes les informations requises sont demandées dans l'e-mail. De même, examinons d'autres scénarios. Un autre scénario peut être de générer des analogies. Les analogies peuvent être très utiles lorsqu'il s'agit un sujet complexe et que le concept est difficile à comprendre tels cas, une analogie aide vraiment à simplifier le sujet et à mieux comprendre. Le message que nous utilisons ici est j'essaie de comprendre le concept d'un concept particulier, qui m'a aidé à mieux comprendre ce concept en créant une analogie pratique et facile à comprendre. Par exemple, j'essaie de mieux comprendre le concept de photosynthèse Aidez-moi à mieux comprendre ce concept en créant une analogie pratique et facile à comprendre. Prenons donc cet exemple. Un autre exemple est que j' essaie de comprendre le concept d'optimisation pour les moteurs de recherche. Aidez-moi à mieux comprendre ce concept en créant une analogie pratique et facile à comprendre. Prenons donc le premier et voyons ceci. Nous essayons donc de comprendre le concept de photosynthèse, alors ici, il s'agit de le décomposer. De cette manière particulière. Décomposez la photosynthèse en une utilisation simple à comprendre Imaginez que votre usine ressemble à une usine alimentée à l'énergie solaire. L'analogie est qu'ils considèrent comme une usine. Le travail de l'usine consiste à fabriquer de la nourriture, mais au lieu d' utiliser l'électricité, elle utilise la lumière du soleil. Voici comment cela fonctionne. Maintenant, il vous donne une analogie avec une usine pour expliquer le concept de photosynthèse C'est vraiment génial car cela va simplifier de nombreux sujets complexes à comprendre dans tous les domaines du travail. Un autre exemple pratique demande : pouvons-nous créer des copies en masse Donc, la formule que nous utilisons ici est veuillez proposer un certain nombre de contenu pour un type de contenu pour une plate-forme qui inclut des références. Par exemple, veuillez publier huit bulletins d' information par e-mail pour mon site d'investissement, qui incluent des rapports sectoriels et des analyses de données. Veuillez créer quatre scripts vidéo pour une chaîne YouTube marketing qui incluent des opinions d'experts et des informations sur les tendances du marketing numérique. Regardons donc le dernier Maintenant, il va nous donner quatre scripts vidéo. Vous pouvez voir que le script vidéo est composé de segments particuliers, le narrateur, l' intro, Tout cela est donné. Section deux également, conclusion, puis vidéo deux. script vidéo spécifique complet avec la structure fournie et les jeux de rôle particuliers sont également mentionnés très clairement. C'est ainsi que ces bals de fin d'année quotidiens seront vraiment utiles comprendre et accomplir certains travaux, ce qui sera très productif pour notre entreprise J'espère que cela a du sens. Vous comprenez le concept des instructions quotidiennes, des instructions pratiques, que vous pouvez utiliser Merci beaucoup les gars d'avoir écouté ceci, et je vous verrai dans la prochaine vidéo. 31. Révisions de prompts efficaces: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous voulions voir comment nous pouvions également améliorer les révisions les instructions ou les résultats que nous obtenons de ChatGPT et les présenter dans un bien La meilleure partie de ChatGPT sera de contraster avec tous les moteurs de recherche que nous avons, le moteur de recherche conventionnel comme Google Chat TPT possède une capacité de mémoire, ce qui signifie essentiellement qu'il se souvient des conversations précédentes nous avons eues et sur la base desquelles il peut vous donner des réponses personnalisées Alors maintenant, une fois que vous avez reçu des réponses de ChatGPT, vous pouvez procéder à un suivi plus approfondi et ensuite vous pouvez améliorer ces Voici certains des moyens par lesquels vous pouvez le faire. Ainsi, par exemple, une fois que vous avez reçu la réponse de ChatGPT, vous pouvez demander à ChatGPT de mettre les mots clés les plus importants en gras afin que nous sachions quels autres mots clés importants Vous pouvez lui demander d'organiser les informations par date, lieu, prix. Vous pouvez éventuellement demander à ChatGPT de trouver des résultats plus nouveaux et peu communs Vous pouvez lui demander de fournir des images appropriées. Supposons que vous ayez obtenu les informations sous forme de pièce par point et que vous souhaitiez maintenant qu'elles aient également un Imoges relatif correspondant ChatGPT peut donc le faire pour nous. Vous pouvez également lui demander d' expliquer l'ensemble de la réponse d'une manière similaire à celle d'un enfant de 5 ans afin qu' il puisse comprendre Vous pouvez également transformer l'ensemble de l'invite, l'ensemble la réponse en un format tableau. C'est également possible. Vous pouvez demander à AGI de tout réécrire du point de vue d'un expert du secteur Vous pouvez lui demander de le rédiger de manière formelle ou informelle. Vous pouvez leur demander de corriger la grammaire ou de rechercher et de remplacer. Si vous souhaitez remplacer certains termes de la réponse, vous pouvez le faire également. Vous pouvez lui demander d' ajouter de la personnalité, l'humour à l'ensemble du contenu. Je peux le faire. Euh, à part ça, vous pouvez lui demander d'écrire ceci du point de vue ou la voix de votre auteur préféré ou d'une célébrité. Cela peut transformer cela de cette façon. Vous pouvez donc voir qu'il y a beaucoup de choses que nous pouvons faire. Vous pouvez également lui demander de résumer le tout en un seul tweet. Vous pouvez lui demander de compléter ce résumé en trois parties. OK. Ainsi, toutes les réponses que vous avez peuvent être modifiées de différentes manières. Vous pouvez lui demander de comparer et contraster les informations les plus importantes. Et puis vous pouvez demander de simplement énumérer les meilleurs, les dix principaux points à retenir Donc, une autre chose que vous pouvez faire est de le demander du point de vue d'un expert. Comment pourriez-vous l'améliorer encore ? Ensuite, inscrivez-le dans une liste à puces. Il y a tellement de choses que vous pouvez faire : une révision des réponses que vous obtenez de ChatGPT, ce qui peut encore améliorer et améliorer la qualité des informations que vous collectez à partir de J'espère que cela a du sens. Vous comprenez ce concept de révisions rapides, ce que vous pouvez également faire avec ChatGPT 32. Prompt de la chaîne de pensée: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, vous souhaitez examiner un autre type d'invite, qui peut être une incitation basée sur la chaîne incitation par chaîne de pensée est une technique simple dans laquelle vous pouvez demander CHAIPT d'expliquer la réponse étape par étape Plutôt que de passer directement à la réponse, vous voulez que ChatGPT vous guide à travers les étapes complètes pour y parvenir Maintenant, il va travailler là-dessus et vous permettre de comprendre étape par étape comment il est parvenu à la réponse que vous avez obtenue. Ainsi, la compréhension est meilleure. Parfois, lorsque nous nous intéressons à un sujet en particulier, nous aimerions connaître le processus, la manière dont il a été évalué. Dans de tels cas, ce type de réponse est donc très utile. Par exemple, le format, la formule d'invite que nous pouvons utiliser est que vous pouvez poser votre question, puis vous pouvez simplement dire «   réfléchissons étape par étape ». Maintenant, ChatGPT vous donnera la solution étape par étape Par exemple, quel est le diamètre du soleil ? Quel est le poids d' une molécule d'oxygène ? Voyons comment cela peut faire la différence dans la pratique . Commençons donc par d'abord, sans notre invite, et voyons quelle réponse nous donne ChatGPT Vous pouvez voir simplement que nous sommes passés à la réponse et elle nous a donné la réponse très clairement, qui est là. Mais maintenant, faisons-le étape par étape. Vous pouvez maintenant voir que cela a été fait étape par étape , en commençant par comprendre la taille du soleil. Le soleil est une énorme boule de gaz chaud qui donne une définition claire de la taille du soleil. Maintenant, qu'est-ce qu'un diamètre ? Il définit également le diamètre en tant qu' unité de mesure. Mesurer ensuite le diamètre du soleil. Il s'agit de regarder maintenant qu'ils en arrivent au point où ils essaient de déterminer comment mesurer le diamètre du soleil. Ils donnent cette compréhension. Alors le diamètre du soleil, sur la base de ces observations, est de 1,3 million. Ils arrivent aux chiffres qu'ils ont donnés et enfin, ils concluent avec les derniers laboratoires. De cette façon, ils l'ont décomposé en plusieurs parties, défini chaque partie, puis les ont réunies pour parvenir à la conclusion finale. Cela aide vraiment. Regardons-en un autre. Passons d'abord à la question. Quel est le poids de la molécule d'oxygène ? Maintenant, dans ce cas, ce qui se passe c' est qu'il prend automatiquement en compte la conversation précédente et nous donne le résultat étape par étape. C'est ce à quoi nous nous attendions grâce à la méthodologie d'incitation étape par étape Où nous indique la molécule d'oxygène. La composition est ce que représente la masse de l'atome d'oxygène, puis en convertissant les unités de masse atomique en kilogrammes, il s'avère que c'est ce montant. Nous obtenons maintenant toutes les informations dans un format étape par étape. J'espère que cela a du sens. Vous comprenez ce type d'invite que vous pouvez également utiliser pour mieux comprendre les réponses que vous obtenez, comprendre l'ensemble du processus, comprendre l'ensemble du processus, comment ChatGPT a traité l'ensemble des informations et vous donner Merci beaucoup les gars d'avoir écouté ceci et je vous verrai dans la prochaine vidéo. 33. Invites de format tabulaire: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous allons parler d'un autre type de style d' invite, le format tabou. Vous pouvez également obtenir des réponses sous forme de tableau à partir de ChatGPT avec ce type particulier d'invite Ce sera une façon de donner une série d' instructions à ChatGPT, et il vous donnera les informations dans ce Cela permet à ChatGPT d' organiser et de présenter clairement les données, ce qui permet aux utilisateurs d'analyser, de comprendre et de comprendre plus facilement le résultat Dans la formule, vous allez d'abord poser la question, puis vous pouvez donner une deuxième invite. Une fois que vous avez obtenu la réponse, vous pouvez donner une deuxième question, qui indique quelles sont les différentes catégories dans lesquelles vous pouvez décomposer votre réponse. Pour plus de descriptivité. Maintenant, vous approfondissez un peu la question et vous obtenez une réponse à ce sujet. Une fois que vous avez obtenu cette réponse, vous donnez votre troisième invite, qui est maintenant de créer un tableau qui inclut votre réponse initiale avec ces catégories séparées en différentes colonnes. Ainsi, l' ensemble des informations est transformé en un format tabulaire Voyons à quoi cela ressemblera en action. Supposons que nous répondions à la première question : quels sont les principaux facteurs de croissance de notre chaîne YouTube ? La première est que nous ne faisons qu' une demande initiale sans rien d'autre, afin d'obtenir les informations Cela se trouve déjà point par point *** nous est communiqué. Vous obtenez les informations. Maintenant, ce que nous faisons, c'est que nous pouvons exécuter la deuxième invite. En lui demandant de décomposer la réponse de manière plus descriptive. Maintenant, vous pouvez voir que c'est de plus en plus descriptif ici. Une fois que vous avez cette sortie avec vous, vous pouvez demander le format de tableau pour ces informations. Il vous donnera toutes les réponses sous forme de tableau, en particulier en tenant compte de ces informations. Et cela serait également beaucoup plus facile à comprendre, à comprendre et à utiliser Vous pouvez donc voir ici que cela a été fait et que pour nous, la description de la sous-catégorie des catégories a été créée que pour nous, la description de la sous-catégorie des catégories De cette manière particulière, le tableau entier a été créé C'est le format de tableau des invites, les gars, que vous pouvez également utiliser pour obtenir vos informations dans un certain format Si vous êtes très à l'aise avec Excel et les données, vous souhaitez effectuer de nombreuses analyses de données, vous pouvez demander à ChatGPT de vous fournir le résultat dans ce format particulier, puis il vous sera beaucoup plus facile de travailler dessus Merci beaucoup les gars d'avoir écouté ceci, et je vous verrai dans la prochaine vidéo. 34. Invitation à prendre zéro, un et quelques photos: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous voulons parler d'un type de style d'invite court instructions courtes sont essentiellement un concept selon lequel, lorsque vous donnez votre invite, vous pouvez également donner une sorte de contexte à l'invite pour obtenir des informations plus spécifiques Maintenant, il peut y avoir trois niveaux. Le premier niveau sera zéro, c' est-à-dire, comme vous pouvez le comprendre par le nom lui-même, dans lequel vous donnez une invite sans aucun contexte, dans lequel vous donnez une invite aucun contexte, aucune donnée, aucune directive que vous ne donnez à ChatGPT et maintenant ChatGPT a les mains libres pour vous donner des informations La seconde peut être ponctuelle, dans laquelle vous fournissez une donnée ou une directive à ChatGPT, sur la base de laquelle le ChatGPT produira la produira la Et le troisième, que vous pouvez également utiliser ici, est un système de petites instructions dans lequel vous donnez plusieurs données ou directives parce que vous attendez un type d' information très spécifique de la part de Ensuite, vous pouvez faire quelques photos. Par exemple, dans un scénario de réalisation, une invite zéro tir peut être la rédaction d'un script YouTube pour ma chaîne d'évaluation technique. Maintenant, c'est si générique et si basique qu'il peut aller dans toutes les directions possibles et ChatGPT va vous donner toutes sortes d'informations Un cliché peut être utilisé comme référence, écrire un script YouTube pour Ma chaîne de critiques techniques, et maintenant regarder quelques plans. Quelques photos utiliseront ces exemples un, deux et trois comme référence. Rédigez une photo , deux et trois comme référence YouTube de cinq minutes sur dernières spécifications de l' appareil photo de l'iPhone pour la chaîne My tech review. Maintenant, nous sommes de plus en plus précis, car il y a certaines exigences que nous voulons remplir et sur la base desquelles nous voulons obtenir une réponse. C'est ce qu'on appelle une courte technique d' incitation que vous pouvez également utiliser 35. Prompt de question avant de répondre: Bonjour, Ayes. Bienvenue à cette séance. Au cours de cette session, nous parlerons d'un autre type d'invite, qui consiste à demander avant de répondre Il s'agit d'une technique dans laquelle vous demandez à ChatGPT de demander des éclaircissements avant de donner une réponse Cela permet vraiment de garantir que les réponses du modèle sont beaucoup plus précises et aussi spécifiques que possible. La formule que nous utilisons ici est donc le premier message que nous donnons est de dire à ChatGPT que vous êtes un expert dans le domaine de l'industrie Je vais vous demander quelques tâches spécifiques à accomplir, mais avant que vous ne répondiez, je veux que vous fassiez ce qui suit. Si vous avez des questions concernant ma tâche ou si vous n'êtes pas certain de fournir la meilleure réponse possible, posez toujours des questions à puces pour obtenir des éclaircissements avant de générer votre réponse. Est-ce que c'est compris ? C' est donc le premier message que vous donnez. Une fois que vous l'avez donné et que ChatGPT l'a reconnu, nous passons à la deuxième invite, ce qui est excellent Ma question est la suivante : votre tâche est la suivante, veuillez poser toutes les questions que vous avez afin que je puisse améliorer mon message avant de terminer votre tâche. Ainsi, il va maintenant vous poser les questions pertinentes, puis vous pourrez y répondre pour obtenir des informations très personnalisées, précises et spécifiques. Voyons à quoi cela ressemblera en action. La première chose que nous allons faire est de donner ce volet, le premier message. Disons que nous parlons d'une industrie qui consulte. Maintenant, il comprend qu'il l' a reconnu, et maintenant nous lui donnons le deuxième message. Maintenant, sur cette base, il va nous poser les questions. Vous pouvez voir le public cible, quel est votre client idéal pour le conseil ? Stratégie actuelle, quelles stratégies de marketing et de vente utilisez-vous actuellement ? Conseil au poker, quel est le principal domaine de conseil que vous proposez ? Objectifs, quels sont vos objectifs de vente pour les 6 à 12 prochains mois ? Image de marque et positionnement, comment vous positionnez-vous sur le marché ? Budget et ressources, quels sont le budget et les ressources disponibles pour les efforts de marketing ? Entonnoir de vente, avez-vous un entonnoir de vente structuré ? Il nous a maintenant posé toutes les questions pertinentes auxquelles nous pouvons répondre. Nous pouvons commencer à y répondre un par un, en fonction du public cible. Vous pouvez continuer et donner le reste des réponses de cette manière particulière, donner toutes les réponses. Ensuite, une fois que vous aurez donné vos réponses, il les prendra en considération pour vous donner la réponse la plus personnalisée en fonction de cela. J'espère que cela a du sens. Vous comprenez cette technique qui consiste demander avant de répondre à une question, que vous pouvez également utiliser avec tra gibt 36. Message de remplissage de la matière vide: Bonjour, oui. Bienvenue à cette séance. Au cours de cette session, nous parlerons du style d'invite à remplir les champs vides, que vous pouvez également utiliser Il s'agit d'un format qui permet à l'utilisateur de se concentrer sur un aspect spécifique d'une phrase ou idée et qui encourage une réflexion plus approfondie. Regardons donc la formule elle-même, ce que nous pouvons utiliser ici. Nous allons donc commencer par une invite, qui sera celle où nous indiquerons à chat GPT que vous êtes un expert création d'invites qui génèrent plus concises et les plus ingénieuses Quels détails supplémentaires puis-je ajouter à l'invite suivante pour améliorer le résultat ? Mon message est que vous donnez votre invite, puis une fois que vous avez obtenu la réponse, sur cette base, vous donnez à nouveau la deuxième réponse, qui est une deuxième invite, ce qui est excellent. Maintenant, transformez ces points en un format à remplir en blanc, lequel je peux saisir mes informations. De cette façon, nous essayons d'obtenir des instructions plus pertinentes de la part de ChagPT Nous demandons à ChatGPT lui-même de nous donner des instructions plus pertinentes, ce que je devrais également demander à ChaGPT pour en tirer de meilleurs Voyons comment cela se passera en action. La première chose que nous allons faire est donner cette invite. Le message que vous utilisez est j'ai 100 000$ d'économies et dans quoi dois-je investir ? Maintenant, sur cette base, cela va me poser les questions suivantes visez-vous une croissance à court ou à long terme ? Tolérance au risque. Êtes-vous à l'aise avec un horizon temporel à haut risque et type de placement privilégié ? Il m'a déjà posé ces questions. Maintenant, sur cette base, je vais donner la deuxième invite où je lui demande de le convertir en un format de remplissage vide, que je pourrai ensuite remplir. Maintenant, il m'a également permis de remplir le format noir avec des exemples. Je peux le remplir et cela deviendra mon information personnelle que je pourrai utiliser ultérieurement pour obtenir de meilleurs résultats. Il s'agit d'un autre type de style d'invite, que vous pouvez certainement utiliser avec HatGPT pour obtenir de meilleurs résultats 37. Invitation à la perspective: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous avons donc voulu examiner un autre style d'incitation, à savoir bombe à perspective Maintenant, ce que nous examinons, c'est ce cadre aide essentiellement à élargir votre compréhension et fournit une vision plus complète du sujet traité. Alors maintenant, pour un sujet spécifique, pour un sujet spécifique, nous demandons à Chat JBT de fournir différentes perspectives sur la façon d' aborder ce sujet en particulier Ainsi, lorsque cela vous donne cela, vous avez une idée globale de l'information et des éclaircissements sur ce sujet en particulier. La compréhension est donc bien meilleure. Cela peut donc être fait de deux manières particulières. L'un d'eux est un point de vue singulier. L'autre porte sur les points de vue multiples. perspective singulière est donc que vous pouvez donner un bal de fin d'année, c' est-à-dire écrire sur un sujet en particulier du point de vue d'un point de vue particulier. C'est clair et simple. L'autre solution que vous pouvez utiliser est celle des perspectives multiples dans lesquelles vous demandez à HaGIPT de rédiger un argument pour ou contre le sujet du sujet que vous abordez sous différents angles différents Cela inclut donc les noms, les points de vue des différents points de vue, tels que les points de vue également Voyons comment cela va se passer en action. Supposons donc que nous examinions le premier avec une perspective singulière. Nous voulons que Chad GPT écrive sur le kickboxer du point de vue d'un entraîneur de kickboxing Maintenant, cela va nous donner point de vue d'un entraîneur de kickboxing, améliore en tant que kickboxeur tout ce qui peut être fait, perfectionner ses fondamentaux, renforcer sa condition physique, améliorer sa défense, développer sa force mentale, son jeu de jambes et ses mouvements, en incorporant de la modération Vous pouvez voir que ce sont toutes des suggestions de notre entraîneur de kickboxing, n'est-ce pas ? Maintenant, nous pouvons demander la même chose d'un point de vue différent demandant le point de vue d'un expert en anatomie humaine. Voyons donc à quel point cela va être différent. Du point de vue d'un expert en anatomie humaine, il est donc important d'optimiser votre position et votre posture, d' engager vos muscles abdominaux, de comprendre le rôle et les hanches des hanches dans le mouvement, d' améliorer l'agilité de la cheville et du genou , la mobilité, etc. Vous pouvez voir à quel point les points de vue peuvent être différents sur un même sujet. Cela peut être infini. Vous pouvez demander différents points de vue et, à la fin de la lecture de tout cela, vous aurez une compréhension bien meilleure et plus approfondie du sujet particulier que vous abordez. J'espère que cela a du sens. Tu comprends aussi ce style. Merci beaucoup, les gars, d'avoir écouté ceci, et je vous verrai bientôt. 38. Inviter une critique constructive: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous voulions voir et examiner un autre type de style d' incitation, critique constructive Ce que nous voulons maintenant, c'est que cette invite puisse fournir des commentaires objectifs et experts sur votre rédaction, mettre en évidence les points à améliorer et proposer des critiques constructives vous aider à affiner et à améliorer votre texte. Voici donc la formule que nous pouvons vous donner pour le bal de fin d'année : nous voulons que Chat JPT agisse en tant qu'expert et critique sur le sujet de votre secteur d' Nous voulons maintenant qu'il critique notre contenu, me convainque en quoi il est mauvais et qu'il me critique de manière constructive sur la manière dont il faudrait l'améliorer Dans un certain contexte, vous donnez donc à votre produit et à votre service des détails sur l'objectif de mon produit. Est-ce que c' est vous qui donnez votre objectif de contenu Réfléchissons étape par étape, et je veux que vous abordiez chaque élément de contenu individuellement, et voici mon contenu à critiquer. Maintenant, l'idée est de recueillir des commentaires sur notre contenu auprès de Chat GPT à titre de critique, et sur la base de ces commentaires , de travailler dessus et de l'améliorer Voyons donc comment vous pouvez l'utiliser efficacement. Supposons que nous utilisions cette invite en particulier. Ensuite, vous pouvez continuer et fournir le contenu que vous avez mis en place, et il était prévu contenu que vous avez mis en place, de le critiquer et nous donner tous les commentaires particuliers à ce sujet, que vous pourrez ensuite intégrer C'est donc aussi un très bon moyen d'incitation, que vous pouvez utiliser pour avoir quelqu'un qui connaît bien mieux le sujet ou le service et qui vous donnera des critiques constructives à ce sujet 39. Prompts comparatifs: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous parlerons de l'incitation comparative. incitation comparative est donc aussi simple que de mettre en évidence les principales similitudes et différences entre les différents facteurs, ce qui vous aide à prendre des décisions beaucoup plus éclairées et à mieux comprendre les forces et les faiblesses des deux options Ici, nous demandons donc à GPT comparer et de contraster les exemples de texte suivants, en soulignant les similitudes, les différences, les caractéristiques qualitatives, les facteurs quantitatifs, les fonctionnalités, facteurs quantitatifs, les fonctionnalités, principaux points à retenir et les autres facteurs Ensuite, nous donnons les deux éléments de la suite. Maintenant, sur la base de laquelle il l' analysera et nous fournira les informations sous forme de tableau tant pour le type de contenu que pour le type de contenu. Cela aide vraiment à faire des comparaisons et à mieux comprendre les deux. Voyons cela en action et voyons comment nous allons procéder. Nous allons donner le premier C' est le premier bal de fin d'année que nous donnons où sera notre contenu. Maintenant, il va le mettre sous forme de tableau, comme vous pouvez le voir, dans une philosophie d'entreprise. D'accord ? Nous pouvons voir la philosophie du design, la stratégie du produit , l'image de marque, l'innovation, tout cela, que nous pouvons voir ici maintenant, qui nous est donné de cette manière particulière. Vous pouvez également faire la même chose avec un autre exemple. Regardons un autre exemple. Investir dans l'immobilier ou investir dans les cryptomonnaies. Type d'investissement, nature de l' investissement, niveaux de risque, retour sur investissement, liquidité, volatilité, dynamique du marché, obstacles à l'entrée. Nous pouvons voir maintenant que cela nous a permis de différencier les deux types de contenu en concerne les caractéristiques, qui concerne les caractéristiques, les sujets que nous voulions nous donner. C'est vraiment utile, facile à comprendre, à digérer, comprendre, et nous pouvons ensuite l'utiliser dans notre entreprise 40. Inverser les prompts ting: Bonjour, Gins. Bienvenue à cette séance. Au cours de cette session, nous voulons vous présenter un autre style d'invite, à savoir l'invite inversée Inverser l'invite ou procéder à une ingénierie inverse de l'invite. Nous parlons donc essentiellement manière dont vous pouvez procéder à l' ingénierie inverse de n'importe quel contenu pour revenir à l'invite qui a généré ce contenu. L'objectif ici est donc comprendre le contenu que vous recevez, que vous voyez en ce moment, et de comprendre quelle invite peut générer ce contenu en particulier. C'est ce que nous essayons de faire de l'ingénierie inverse ici. Nous avons donc mis au point deux formules d' invite que vous pouvez utiliser ici dans ce but précis, dans lesquelles vous pouvez donner l'invite, ce aidera à rétroconcevoir le contenu pour revenir à l'invite d'origine qui a été donnée pour sortir ce contenu. Donc, si vous voyez que dans le premier cas, nous demandons au STIPT d'agir comme un ingénieur expert capable de rétroconcevoir les instructions en fonction du texte qui vous est fourni Nous donnons donc d'abord cette invite particulière et configurons l'ensemble la phase spatiale pour AGPT afin qu'elle fonctionne comme une invite de rétro-ingénieur ou un expert en matière d'instructions. Ensuite, une fois que StratPT l'a reconnu, nous pouvons lui donner le texte en question, et il procédera à une ingénierie inverse de l'invite et nous indiquera l'invite initiale qui a été donnée pour ce contenu Il s'agit là d'une option. La deuxième option est rapide, nous pouvons être en train de donner plusieurs instructions différentes au chapeau GPT pour configurer la conversation Clairement, dans un premier temps, nous disons que parler de rétro-ingénierie rapide. Par ingénierie d'invite inverse, j'entends créer une invite à partir d'un texte donné. Pouvez-vous me donner quelques exemples simples de rétro-ingénierie ? Chat GPT nous donnera quelques exemples. Ensuite, nous dirons : pouvez-vous créer un modèle d'ingénierie inversée très technique ? Ce que nous faisons, c'est préparer l'outil. Préparer l'outil spécifiquement pour qu'il dispose des données historiques des conversations précédentes afin qu' il comprenne mieux la rétro-ingénierie Enfin, nous donnons à l'invite, qui est désormais Inverse Prompt Engineer, le texte suivant : assurez-vous de saisir le ton, syntaxe, la langue et le style d' écriture du texte. Avec ces deux approches différentes, vous pourrez peut-être procéder à ingénierie inverse de l'invite et revenir à l'invite d'origine qui généré le contenu que vous avez actuellement. Le but est qu' une fois que vous avez reçu l'invite d'origine, vous pouvez l'utiliser sur d'autres produits. Donc, si vous trouvez un très bon contenu n'importe où, vous pouvez utiliser ATGPT pour faire de l'ingénierie inverse et revenir à l' invite d'origine qui peut le générer Maintenant que vous avez le message original avec vous, vous pouvez l'appliquer à d'autres produits, à vos propres produits dans votre propre entreprise. Voyons comment cela va réellement se produire en action . Ce que nous allons faire d'abord, c'est examiner la première option. Nous allons aller de l'avant, prendre le premier message et le transmettre à ChatPT Nous dirons que le type de contenu est, disons, une entreprise technologique. Description du produit J'ai compris D'accord. Ensuite, nous donnerons la deuxième invite. Super, le texte, je voudrais le rétroconcevoir, et nous allons donner l' exemple à partir d'ici. Disons que l'exemple est le suivant. C'est le contenu que nous avons obtenu et ce que nous attendons de ChachPts nous donne l' invite initiale à le faire, ce qui générera ce type de Vous pouvez voir qu'il a également généré l'invite particulière, ce qui nous aidera à générer ce contenu, en italien. C'est une approche que vous pouvez facilement utiliser ici. La deuxième approche, examinons-la également. Dans la deuxième approche, nous entamons la conversation par ceci, en disant qu' il comprend l' ingénierie réversible, ce que c'est. Ensuite, nous demandons à Chat GPT de nous donner un exemple d'ingénierie rapide Cela nous donnera un exemple d' ingénierie rapide, d'ingénierie inversée . actuelle heure actuelle, il nous donne toujours le résultat pour le premier message. Nous posons maintenant la seconde question, qui demande un exemple de rétro-ingénierie. Nous allons maintenant demander à AratGBT créer un modèle pour l'ingénierie inverse Nous préparons l'outil. Nous donnons beaucoup de données à Hat GPT pour qu'il puisse comprendre grâce à l'ingénierie inversée , car notre intention est de lui demander de créer une invite particulière pour le contenu original à la fin C'est maintenant le dernier message que nous voulons donner. Vous pouvez voir qu'il nous donne la réponse à la troisième demande en ce moment. Maintenant, nous pouvons demander à HAGPT de rétroconcevoir le texte suivant Disons que c'est un produit qui a reçu de très bonnes critiques, un grand nombre de critiques, une bonne note déjà. Nous voulons procéder à une ingénierie inverse de l'invite. Nous voulons connaître l'invite d'origine, qui peut générer ce type de titre Nous pouvons faire de l' ingénierie inverse pour cela. Nous pouvons faire de l'ingénierie inverse pour la description du produit ici, plusieurs choses. que soient les informations dont vous avez besoin pour votre propre liste de produits, vous pouvez lui demander de procéder à une ingénierie inverse et revenir à l'invite initiale. Je prends le titre pour le timing. J'ai donné le titre. Et maintenant, nous vous demandons de rétroconcevoir le texte original qu'il prend. Vous pouvez maintenant voir qu'il génère l' invite de rétroingénierie pour nous. Nous pouvons l'utiliser pour générer ce type de titre à l' avenir Maintenant, une fois que vous avez l'invite d'origine avec vous, vous pouvez l'utiliser sur n'importe quel produit. Vous pouvez simplement changer le nom du produit ici et le style, le ton syntaxe restent les mêmes. Mais vous pouvez l'utiliser sur n'importe quel autre produit pour les descriptions de vos produits, et il sera écrit dans ce style particulier. J'espère que cela a du sens. Vous comprenez maintenant le concept de l' invite inversée Merci beaucoup les gars d'avoir écouté ceci, et je vous verrai dans la prochaine vidéo. 41. Prompt RGC: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous avons voulu examiner un autre style d'invite, à savoir le RGCPmpting, que vous pouvez également Ce sera donc quelque chose qui pourra être appliqué universellement à n'importe quelle entrée ou à une sortie prévue que vous souhaitez en tirer. Il peut s'agir d'un format standardisé qui s'appliquera à de multiples scénarios. Nous entendons donc spécifiquement par RGC une formule promotionnelle dans laquelle nous examinons un rôle, un résultat, un objectif, un contexte et une contrainte Donc, en gros, nous allons donner un rôle à Chat TPT, ou utiliser DP Persona comme si vous étiez notre expert en marketing Le résultat est alors que vous êtes un expert, qu' il y a un objectif attaché à celui-ci, un résultat, le résultat souhaité qu'il devrait vous donner. Et puis l'objectif, le but de la sortie, qu'est-ce que la sortie va nous apporter ? Et puis quel était le contexte ? Ensuite, les contraintes seraient des limites et des directives. Par exemple, vous pouvez voir ici que le rôle est le suivant : vous êtes un expert en marketing Le résultat est la création cinq e-mails se terminant par un appel à l'action. L'objectif est d'augmenter les ventes de notre produit. contexte est que les e-mails sont destinés à mon public en ligne d'entrepreneurs. Ensuite, la contrainte est que les e-mails doivent être conviviaux et ne pas dépasser la limite de 200 caractères. Il peut donc s'agir d'un format simple d'invite, que vous pouvez utiliser pour tous les types de scénarios auxquels vous êtes confronté. Voyons donc comment cela va se passer par un exemple. Regardons le dernier et nous pourrons l'utiliser et voir quel type de résultat nous obtenons sur Chat GBT pour cela Alors maintenant, vous pouvez voir que la CAGBT nous envoie les courriels et, en tenant compte du fait qu' ils doivent être amicaux et contenir moins de 200 mots, écrit le courriel pour nous Avec un appel à l'action, inscrivez-vous dès maintenant et commencez à voir des résultats. C'est un appel à l' action. Prêt à développer votre activité, prenez votre place dès aujourd'hui. C'est encore une fois un appel à l'action. Nous pouvons donner le lien ici. Faisons en sorte que votre prochaine vente ait lieu dès maintenant. Obtenez votre accès ici. Si vous êtes prêt à faire passer votre entreprise au niveau supérieur, cliquez ici pour commencer. Et puis le cinquième où nous pouvons vous proposer un autre casse-tête du CTA, cliquez ici pour commencer maintenant Vous pouvez maintenant constater que ce format simple peut fonctionner dans différents scénarios pour vous, où vous pouvez en fournir tous les éléments et créer une invite très efficace pour votre entreprise. J'espère que cela a du sens. Tu comprends aussi ce genre de style. Merci beaucoup, les gars, d'avoir écouté ceci, et je vous verrai dans la prochaine vidéo. 42. Je veux que vous agissiez en tant qu'incitateur: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous voulons donc parler un autre type de style d'invite, qui peut être, je veux que vous vous comportiez Et nous avons vu des exemples similaires dans les vidéos précédentes. Ce sera donc un cadre dans lequel nous voulons que Chat Tibet agisse d'une certaine manière, peut-être comme un historien un biologiste ou un coach personnel Différents types de rôles jouent que nous voulons que Chat Ti PT joue et sur la base desquels il nous fournit la solution. Nous pouvons donc avoir la formule suivante : nous commençons par dire à nous commençons par ChaGPT que je veux que vous agissiez en tant qu' historien ou biologiste, puis je vous donnerai certaines informations sur ce segment de travail en particulier Ensuite, en fonction de laquelle il personnalisera la réponse et nous la renverra. Cela aide vraiment car cela prépare le terrain pour HangPTPersona, en particulier, et grâce à quoi il peut être très concentré sur le sujet traité, et le résultat est très personnalisé et fournit des informations très Voyons donc comment cela fonctionnera sur l'outil. Disons que c'est le message que nous essayons de lui donner, où nous disons que je veux que vous agissiez en tant que coach personnel. Je vais vous communiquer mes objectifs personnels et professionnels. Vous allez ensuite créer un programme de sept jours que je pourrai suivre afin d'obtenir mes objectifs sous forme de tableau. Mes objectifs à court terme sont la médiation, la méditation, l'entraînement, la lecture et le travail sur mes projets Mon objectif à long terme est de recruter de nouveaux clients, économiser et d'économiser 10 000$ sur une période de six mois Maintenant, je veux que Cha GP joue le rôle d' un coach personnel, sur la base duquel il nous confie un rôle structuré, du temps particulier, programme de sept jours qu'il peut créer pour nous. Nous pouvons donc voir qu'il en a tenu compte et qu' il a créé pour nous un programme complet de sept jours axé sur les objectifs. Il s'agit donc d'une autre très bonne façon de demander à Chat GBT de jouer un rôle et sur la base de laquelle vous donnez vos spécifications, vos exigences, vos contraintes, fonctionnalités qu'il souhaite que vous intégriez, puis il nous donne le résultat en fonction J'espère que cela a du sens. Vous comprenez également ce type de style d'incitation Merci beaucoup les gars d'avoir écouté ceci, et je vous verrai dans la prochaine vidéo. 43. Aléatoire dans la sortie: Bonjour, les gars. Bienvenue à ces sessions. Au cours de cette session, nous voulions comprendre le caractère aléatoire des résultats que nous obtenons de ces outils d'IA Nous devons donc comprendre qu'avec les outils d'IA tels que Chat GPT, les réponses, ce que vous obtiendrez de l'outil ne seront pas toujours les mêmes. Nous avons également constaté dans la section précédente que le résultat sera différent à tout moment, et c'est ainsi sera différent à tout moment, que l'outil a été formé pour fournir des réponses. Le but de tout cela est d' essayer et de voir différents types de réponses. C'est ainsi que l'outil a été construit, entraîné et fourni des données. Et c'est pourquoi à chaque fois que vous verrez les réponses seront très différentes les unes des autres. Maintenant, c'est ainsi que cela va fonctionner, et nous devons d'une manière ou d'une autre l'accepter vivre avec cela et travailler uniquement dans ce sens. C'est l'état actuel de ces modèles ou outils LLM dont nous disposons, où les résultats seront différents les uns des autres Elles peuvent être limitées à une section spécifique des réponses que nous recevons, mais elles ne seront pas identiques Les réponses seront toujours un peu différentes les unes des autres et réponses seront présentes parce que c'est ce que nous voulons voir avec les outils d'IA . L'objectif est toujours voir des réponses uniques, quelque chose auquel nous n'avions jamais pensé, et c'est ce qui est ancré dans les outils, et c'est pourquoi les résultats sont toujours aléatoires Donc, juste pour vous donner un exemple simple de ce que cela va être, disons, si je donne une invite à Chat GPT où je dis combien d'oiseaux se trouvent à l'extérieur de ma maison Maintenant, c'est une question très ouverte que je pose sans donner beaucoup d'informations. Cela va me donner un type de réponse où il est évident que je n' ai aucun moyen de voir à l'extérieur de votre maison. OK, si vous voulez une estimation rapide, cela me donne certaines étapes apparence et de comptage, méthode sonore, méthode photo. Cela m'aide à compter et à trouver moi-même la solution de différentes manières . Il s'agit donc d' une solution, d'une réponse. Maintenant, si je donne le même message une fois de plus, c'est d'abord accepter qu'il peut le faire. Mais si vous voulez le numéro, vous devez regarder, écouter ou partager une photo. Un autre type de sortie. La première portait sur les étapes à suivre pour me comprendre. La seconde est que je peux partager, regarder et écouter ou partager une vidéo ou un pied. De la même manière. Maintenant, si vous lui donnez à nouveau le même message, il admettra qu'il ne peut pas le faire, et pour le moment, le nombre de mots extérieurs est inconnu. Cela me donne juste la réponse à cette inconnue qu' il ne connaît pas tant que je ne l'ai pas examinée et que je ne me l'ai pas montrée. OK. Voici donc les réponses, les sorties devant être aléatoires pour les mêmes instructions que nous donnons Maintenant, il ne s'agit pas d'un problème technique. C'est ainsi que l' outil a été conçu et entraîné pour ces aléas. Maintenant, il y a aussi un avantage et un inconvénient à cela. Ainsi, lorsque nous essayons de comprendre les choses et que nous essayons construire quelque chose, et que cette fois-ci, ce caractère aléatoire ou différents types de réponses sont vraiment utiles , car nous appliquons nos idées et voulons voir quelque chose de différent, ce qui peut être vraiment utile Si nous sommes dans une situation où il s'agit d'un travail de recherche en cours et que vous voulez des réponses ou des solutions spécifiques voulez des réponses ou des solutions spécifiques pour effectuer ce travail de recherche, alors cette sortie aléatoire est peut-être pas très utile, d'accord ? La seule chose que l'outil peut faire est de rester dans le domaine de ce sujet particulier et de vous donner des réponses. Ce ne seront pas des réponses vraiment vagues de l'arbitre, mais il restera dans ce domaine et vous donnera des réponses dans ce domaine C'est ainsi que nous devons commencer à accepter que l'outil va se comporter et travailler avec lui en notre faveur. 44. Introduction à les cas d'utilisation de GenAI: Bonjour, les gars. Bienvenue dans ce module. Dans ce module, nous allons examiner les cas d' utilisation pratiques de l' IA générative dans tous les secteurs. Nous choisirons trois secteurs spécifiques, à savoir le développement de logiciels, vente au détail et le marketing, où nous pourrons utiliser les cas d'utilisation de GenetiveVI , nous verrons L'objectif de ce module est principalement de vous faire comprendre comment nous pouvons intégrer l' IA dans notre segment, dans notre secteur de travail . Le point à retenir est l'approche que nous pouvons adopter à partir de là et l'appliquer dans votre propre domaine Passons donc à ce module pour comprendre comment nous pouvons utiliser l'IA génitive dans divers secteurs et améliorer la qualité de notre travail et notre productivité 45. Développement logiciel: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous verrons comment utiliser l'IA dans différents secteurs. Nous commençons donc dès maintenant par le développement de logiciels. Donc, si vous considérez cela dans le développement de logiciels, la première chose que nous pouvons évidemment faire maintenant est de commencer à créer du code. Vous pouvez donc générer du code à partir de zéro, corriger des erreurs, déboguer, ce que vous pouvez faire, gros, en optimisant les performances Vous pouvez également intégrer ces outils d'IA, des API avec des identifiants tels que GitHub CoPilot ou AWS code Whisperer Cela aura donc un réel impact en termes de réduction des efforts manuels et d'activation croisée des développeurs, car vous pouvez désormais créer des codes dans n'importe quel langage. Même si vous êtes spécialisé en Java, vous pouvez également créer des codes en Python. De meilleures pratiques de code, des détails documentés que vous obtiendrez à l'aide de cela. La deuxième phase sera consacrée aux tests. Une fois le code créé, nous passons beaucoup de temps à le tester, à identifier des scénarios de test, à écrire cas de test détaillés et à générer des scripts d'automatisation. Tout cela se fait manuellement pour le moment, ce qui prend beaucoup de temps. Désormais, vous pouvez simplement le remplacer par des outils d'intelligence artificielle, qui réduiront certainement les scénarios ratés, identifieront les cas extrêmes, réduiront les efforts manuels nécessaires et permettront également d'évaluer l' ensemble du cycle de test Il faudra désormais beaucoup moins de temps pour tester les codes à l' aide des outils. Le troisième sera le recueil des besoins. Ce sera un scénario lorsque vous utiliserez spécifiquement AGI. Vous devez d'abord recueillir beaucoup d'informations, et c'est là que vous pouvez générer des épopées, des histoires d'utilisateurs, ce que vous pouvez faire au niveau individuel, générer des critères d'acceptation Tout cela peut être fait à l'aide des outils d'IA, ce qui permettra certainement couvrir les cas critiques, réduire les efforts manuels car tout est entièrement fait avec l'outil d'IA et accélérera également l'ensemble du cycle Le dernier aspect du codage va être un gros travail de documentation que nous effectuons également. Et ici, vous devez créer de nombreuses documentations, qui sont des documents d'exigences, des rapports de test, des guides d'utilisation, des coûts d'exploitation Tout cela va maintenant être automatisé grâce à l'outil d'intelligence artificielle, ce qui aura un impact sérieux sur les efforts manuels que vous déployez pour garantir une documentation appropriée. Il n'y a donc aucune erreur humaine là-dedans. D'accord, il répond également à tous les besoins organisationnels réglementaires. Voyons donc comment nous pouvons le faire de manière pratique. Supposons donc que le premier aspect de créer un code. Je vais donc lui demander d'écrire un module Python, lui disant qu'il est un développeur Python expérimenté, créer un code optimisé qui est utilisé pour une application d'entreprise, garantir le respect des meilleures pratiques, des mécanismes de sécurité et de la documentation appropriée. Généralement du code qui se connecte au serveur Post SQL et exécute une requête D'accord, nous sommes donc en train de créer le code Python, afin que vous puissiez voir avec quelle efficacité l'outil d'IA est capable de générer le code pour nous immédiatement. Donc, créer un code. Cela est donc d'une grande aide, car pour de nombreux nouveaux développeurs de logiciels qui débutent pour la première fois sur une nouvelle plateforme, ils auront besoin d'un certain niveau d'assistance, d'un certain soutien de la part de leurs pairs, du soutien des équipes qui pourront leur indiquer par où commencer Et c'est ce qui est remplacé par l'IA. Imaginez que vous avez toujours un bon pair avec vous, qui vous aidera le travail initial de création du code à partir de zéro. Et puis vous ajoutez évidemment vos entrées. Vous ajoutez vos entrées, vous modifiez le code, vous l'améliorez, toutes ces choses que vous pouvez faire. De plus, comme nous en avons parlé, vous pouvez créer du code dans n'importe quel langage, comme vous le souhaitez. Vous êtes peut-être un expert en Python, mais vous n'avez pas beaucoup de connaissances sur Java. Cela peut se produire maintenant lorsque des codes Java peuvent être générés à l' aide des outils d'IA. Regardons maintenant le deuxième scénario qui va tester une partie. Nous donnons donc un aperçu de l'outil d' IA que vous êtes un testeur manuel. Lors de la validation d'une application Web, l'application dispose d'une page de connexion où l'utilisateur saisit son nom de connexion et son mot de passe et clique sur le bouton de connexion C'est aussi une option pour oublier Il existe également une option pour oublier le nom et le mot de passe. Nom de connexion et mot de passe. générer les scénarios de test ? Il va maintenant faire une partie test. Vous pouvez donc voir qu'il a créé les scénarios de test. Imaginez que vous le construisiez vous-même manuellement. Il nous faudra beaucoup de temps pour les créer manuellement et cela nous prendra beaucoup de temps. À présent, il nous propose des scénarios de test ainsi que des zones supplémentaires pour tester les appareils, les tests de sécurité et les tests de localisation. Tout cela peut maintenant être documenté et nous pouvons y travailler spécifiquement en tant que scénarios de test. Le troisième que nous pouvons également voir est également, disons que nous lui demandons de simplement générer un script en aluminium pour la connexion. Voyons également comment il génère un script sélénium. C'est quelque chose parce que nous avons commencé avec Python, censés nous attendre à ce que nous demandions de générer un script Python. Mais voyons également comment cela fonctionne avec d'autres scripts. Ou il est possible qu'il aille de l'avant et qu'il ne crée que le script sélénium Encore une fois, comme vous pouvez le voir, il a généré le script Python pour nous, pour la connexion au sélénium Je pense donc que cela va être vraiment révolutionnaire pour tous les développeurs de logiciels, dans la mesure cela va être vraiment révolutionnaire pour où l'objectif pour lequel vous devez l'utiliser est qu'il ne remplacera pas spécifiquement nos emplois d' ingénieurs logiciels en particulier. Cela permettra d'améliorer leur travail actuel. Ce sera un outil d' application qui viendra en aide lorsque les choses se compliqueront, lorsque nous ne serons pas en mesure de résoudre un scénario particulier, peut-être que le code se casse quelque part, il pourra donc résoudre ce problème. Donc toutes ces choses, tu peux le faire. Peut-être que vous pouvez lui donner un port spécifique et lui demander de le réparer. Vous pouvez l'utiliser pour tous ces scénarios. Enfin, examinons la collecte des exigences. Nous voulons donc qu'il génère des épopées. Alors maintenant, il crée ces épopées pour nous, que nous pouvons utiliser à des fins de codage. Et vous pouvez voir qu'il fournit également des livrables aux sept prochains analystes commerciaux C'est ainsi que nous pouvons utiliser l'outil d'IA, en particulier dans le développement de logiciels. Vous pouvez constater qu'il existe une infinité d'opportunités et d'options vous permettant d' utiliser l'outil d'IA, non seulement pour une génération de code, mais aussi pour des tonnes d'autres scénarios dans lesquels vous pouvez l'utiliser de manière très efficace. J'espère que cela a du sens. Je dois maintenant comprendre l'utilisation de l'IA dans le développement de logiciels. 46. Retail: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous verrons un autre cas d'utilisation de l'IA, qui concernera le commerce de détail. Dans le secteur de la vente au détail, il y a des tonnes de choses nous pouvons faire maintenant grâce à l'utilisation de l'IA. Le premier peut être, disons, des recommandations de produits. Ici, vous pouvez élaborer et comprendre la description du produit. Vous pouvez lui demander de rédiger une description de produit spécifique adaptée aux besoins de votre client. campagnes par e-mail personnalisées peuvent être créées, des recommandations localisées peuvent être effectuées. Ainsi, en fonction de la région, données démographiques que vous essayez de cibler, vos recommandations, de votre message sur les produits peuvent changer en conséquence, et vous pouvez utiliser l'IA à cet égard recherche visuelle peut également être effectuée afin de comprendre quel type de produit sera très intéressant pour les gens à regarder et éventuellement à acheter. Tout cela peut être fait à l'aide d'outils d'intelligence artificielle, ce qui permettra certainement de mieux comprendre les attributs des produits. Cela augmentera les taux de clics, le nombre de personnes cliquant sur le produit pour accéder au site Web, augmentera vos taux de vente, vos taux de conversion, ainsi que la rétention et la fidélité des utilisateurs. Maintenant, si vous vous intéressez à l'optimisation de la chaîne d'approvisionnement , vous pouvez voir ici les prévisions de la demande, vous pouvez comprendre l'évolution de vos ventes, et sur cette base, vous pouvez demander à l'IA de vous donner une prévision pour l' avenir, de la prévision du type de demandes que vous verrez au cours d'un mois donné, optimisation des stocks, afin que vous puissiez faire de même. Quand l'inventaire est-il nécessaire, quand il n'est pas nécessaire. Toutes ces analyses de prédiction peuvent être effectuées à l' aide de AI Tunes. La maintenance prédictive peut également être effectuée, afin que vous puissiez comprendre quand conserver votre inventaire afin pouvoir répondre à la demande chaque fois que cela s'avère nécessaire. Cela vous aidera certainement à prendre de nombreuses décisions basées sur les données et à augmenter la disponibilité des produits, l' expédition des produits les commandes que vous recevez. Et certainement, cela augmentera également globalement la croissance de la continuité des activités. Maintenant, en ce qui concerne le support client, si vous voyez que les outils d'IA peuvent être utilisés pour créer des forums de discussion, assistant virtuel peut être créé. Vous pouvez créer une FAQ adaptée aux besoins de vos clients. Vous pouvez également créer des supports multilingues. Les mises à jour automatisées peuvent également être effectuées à l'aide d'outils d'IA, et tout cela peut être effectué avec une automatisation complète avec une intervention humaine minimale. Et ça va te donner quoi ? Cela augmentera le nombre de réponses plus rapides, 24 réponses par sept. Cela augmentera la satisfaction des clients, ce qui permettra d'élargir la portée des clients. Et puis son coût d'exploitation est évidemment faible. Enfin, l' analyse sentimentale également. Vous pouvez donc consulter les avis des clients. Vous pouvez analyser ces avis, comprendre le sentiment principal, comprendre quels étaient les points faibles des clients. L'IA le personnalisera et vous le donnera d'une manière très claire et simple. Ainsi, vous saurez exactement quelles sont les zones douloureuses et vous n'aurez pas à passer beaucoup de temps à lire toutes les critiques, comprendre manuellement les zones douloureuses. Surveillance des réseaux sociaux, que vous pouvez également faire, dans laquelle vous pouvez examiner les publications avec lesquelles les internautes interagissent et y répondent bien. Tout cela peut donc être fait ici à l'aide d'outils d' IA et d'une analyse de la concurrence. Vous comprendrez ainsi quels aspects des produits et services concurrents sont tant appréciés par les clients par rapport aux vôtres. Cela vous aidera certainement à mieux comprendre les besoins des clients et à problèmes de manière proactive , ce que vous pouvez faire à l' aide des outils. Donc, si vous voyez, ce sont là certains des domaines que je viens d'aborder en ce moment dans le commerce de détail, où vous pouvez utiliser massivement l'IA nécessitant une intervention humaine moindre, et il sera beaucoup plus économique de gérer votre entreprise avec une telle approche. Voyons un exemple pratique de la façon dont cela va se passer. Disons qu'il s'agit d'une analyse sentimentale, d'accord ? Supposons donc qu'il s'agisse du produit pour lequel nous voulons en voir un examen et le comprendre. Donc, ce que j'ai demandé, c'est qu'il s'agit l'avis donné par un certain client. Et nous demandons simplement au CHAGPT nous fournir une analyse des sentiments suscités par cette critique Donnez-moi un bref résumé avec les principaux détails. Il va donc passer en revue l'ensemble du contenu et nous donner un bref résumé très positif. La critique exprime un sentiment extrêmement positif à l'égard du produit. Le critique met en avant une imagerie 4K exceptionnelle, les détails clés qu' il a mentionnés, le ton émotionnel est enthousiaste, confiant, très impressionné, confiant Posons une question un peu difficile dans ce scénario, qui peut me révéler cinq choses qui ne plaisent pas au client, ce qui va être beaucoup moins important, mais voyons comment il réagit. La critique est extrêmement positive et indique explicitement qu'il n'y a aucun pion D'accord, il n'y a donc aucune plainte directe. Peut-être cher. En plus de cela, cela nous donne des informations supplémentaires sur le coût peut-être élevé par rapport aux caméras d'action de base, etc. Vous voyez donc que c'est ainsi que vous pouvez utiliser les outils d'IA de manière aussi efficace pour identifier la cause première du problème et comprendre ce problème, trouver une solution très rapidement et aller de l'avant au lieu passer autant d' heures humaines à comprendre quel est le problème et à trouver une solution. J'espère que cela a du sens. J'espère que vous comprenez maintenant le cas d'utilisation des outils d'IA dans le commerce de détail en particulier. 47. Marketing: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous verrons comment utiliser l'IA dans un scénario spécifique, qui sera le marketing. Ainsi, lorsque vous considérez le marketing, il peut y avoir de nombreux scénarios différents dans lesquels nous pouvons l'utiliser. Le premier peut évidemment concerner la génération de contenu. Donc, dans le domaine de la génération de contenu, vous pouvez faire diverses choses avec le marketing, comme créer des articles de blog, une description de produits, et bien d'autres choses encore peuvent être faites. Vous pouvez avoir un contenu personnalisé pour votre marque, particulier pour vos produits et services. Ensuite, vous pouvez créer du contenu pour votre marketing par e-mail, votre marketing sur les réseaux sociaux, votre publication sur les réseaux sociaux, ce que nous faisons. Cela va donc certainement augmenter votre capacité à l'aide d'outils d'IA, nous pouvons augmenter la génération de contenu. Il faut évidemment améliorer notre cohérence, car nous sommes en mesure créer beaucoup plus de contenu et de le planifier. Nous pouvons alors obtenir un plus grand engagement de la part du public, ce qui obtenir un plus grand engagement de la part du public, réduira certainement les coûts car nous n'aurions pas à embaucher de personnes pour faire ce travail. De même, en matière de SCO et d'optimisation pour les moteurs de recherche, beaucoup de choses peuvent être faites. Nous pouvons analyser le contenu, nous pouvons suggérer des améliorations pour les classements SEO. Cela contribuera évidemment à améliorer le classement SEO et à augmenter trafic organique vers nos sites Web. Une meilleure visibilité en ligne est possible. Troisièmement, avec les études de marché ainsi que dans le domaine du marketing, où vous pouvez effectuer des recherches sur les tendances du marché. Vous pouvez examiner le comportement des consommateurs. Vous pouvez examiner les stratégies des concurrents, ce qui vous aidera à prendre de nombreuses décisions fondées sur les données et à effectuer des analyses comparatives des concurrents Tout cela n'est donc que le point de départ, je dirais, du marketing, que vous pouvez faire à l'aide d'outils d'intelligence artificielle. Voyons quelques exemples pratiques de ce à quoi cela ressemblerait réellement. Supposons donc qu'une fois que vous êtes sur ChatGPT, d'accord, nous vous proposons un scénario spécifique Où nous disons que vous êtes un créateur de contenu sur les réseaux sociaux. Je lance une nouvelle bougie parfumée sur Instagram. Mon segment de clientèle est celui des amateurs de décoration intérieure, studios de yoga, des restaurants. Pouvez-vous me donner trois lignes pour chacun de ces segments que je pourrais publier sur les réseaux sociaux et également bénéficier d'une réduction spéciale de 10 % pour les trois prochains jours alors ajoutez-le à la messagerie. OK. Vous voulez donc trois contenus différents pour trois publics différents. Alors maintenant, si vous recherchez de la décoration intérieure, il a écrit, il a écrit, transformez chaque recoin de votre maison en une expérience de luxe douillette avec nos nouvelles bougies parfumées, n'est-ce pas ? Pour les studios de yoga, créez une atmosphère apaisante à laquelle vos clients se sentiront instantanément en utilisant nos bougies parfumées apaisantes Pour les restaurants, créez l'ambiance et créez une expérience culinaire mémorable avec nos bougies parfumées haut Voyons donc ce qu'il a fait, c'est qu'il est allé de l'avant et a créé différents supports de marketing pour les trois types de publics que nous recherchons. Et en cela, il a également ajouté les 10 % de réduction partout. Allons plus loin et disons que nous lui demandons d'ajouter. Pouvez-vous ajouter Pouvez-vous ajouter du contenu qui explique en détail comment les bougies parfumées aider dans chacune de ces catégories D'accord ? Voyons voir, maintenant nous essayons également de résoudre des problèmes. Il va donc examiner cela également. Une bougie parfumée ne se contente pas donner une odeur incroyable à votre maison Il crée de la chaleur, du confort et une atmosphère relaxante après une longue journée. C'est une solution, en quoi elle aide. D'accord ? Pour les studios de yoga, les bougies parfumées contribuent à créer un environnement paisible qui améliore la méditation, la relaxation et la pleine conscience pendant chaque restaurants, le bon parfum et éclairage d' ambiance peuvent instantanément faire en sorte que les clients se sentent détendus, à l' aise et connectés à l'expérience culinaire. Maintenant, il a ajouté la solution, l'aspect aide du produit également. Ce n'est donc que le point de départ où vous pouvez créer une telle quantité de contenu marketing pour votre entreprise, pour vos clients, pour l' entreprise pour laquelle vous travaillez, et vous pouvez l'utiliser pour générer de meilleures ventes meilleurs revenus pour l'entreprise. 48. - Démo - Agent de réunion Otter - Prendre des notes par IA, transcription, insights: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous verrons un autre outil d'IA que nous pouvons également utiliser pour le travail quotidien, qui peut faire partie de l'IA générative, qui sera Outer. Outer est essentiellement un agent de réunion, un agent virtuel que vous pouvez utiliser ici, principalement, et que vous pouvez télécharger. Vous pouvez l'utiliser à partir de cette plateforme en particulier, et il sera utile dans le sens où il résumera l'ensemble de la réunion que il résumera l' nous avons au travail. Il vous fournira les notes complètes de la réunion à la fin de la réunion. Et il nous indiquera également les orateurs. Il identifie les intervenants qui ont fourni des informations spécifiques et est en mesure de déléguer des tâches à chacun des orateurs à la fin de celle-ci. Ce sera donc l'outil d'IA que nous pourrons utiliser ici, principalement pour rendre nos réunions beaucoup plus productives. Et il s'agit d'un cas d'utilisation réel d'un outil d'IA que nous pouvons utiliser, qui peut réellement rationaliser notre travail au quotidien. Vous pouvez voir qu'il est capable d'organiser des conversations avec des canaux, qu'il transmet également des informations sur les ventes à RCRM. Vous pouvez intégrer Zoom, Google Agenda, tout cela à Otter, puis vous pouvez obtenir le C'est vraiment efficace dans la mesure où vous pouvez également choisir la manière dont vous souhaitez capturer vos réunions. Il peut également intégrer les connaissances dans vos discussions IA préférées, vous pouvez les connecter à Chat GPT, Cloud, Notion, tout cela sera possible. Il organisera toutes les informations discutées lors de la réunion, puis les résumera pour vous dans un langage simple et résumera pour vous dans compréhensible et les partagera avec tout le monde J'espère que cela a du sens. J' espère que vous comprenez comment nous pouvons utiliser Otter comme agent de réunion, outil d' intelligence artificielle pour améliorer productivité et la qualité de notre travail lorsque nous organisons des réunions au travail 49. : génération de réponse: Bonjour, les gars. Bienvenue à cette séance. Dans cette session, nous verrons un autre exemple, cas d' utilisation de l'IA générative dans notre travail quotidien, qui peut servir à générer des réponses par e-mail. Disons donc que nous allons utiliser Strategy PT ici pour générer des réponses. Nous allons donc examiner différents scénarios. Donc, dans le premier scénario, disons que nous voulons écrire un e-mail de support client poli concernant un scénario spécifique. Et le contexte est que la livraison de l'ordinateur portable du client est retardée de cinq jours, qu'il est frustré parce qu'il voulait l'utiliser au travail, et nous allons présenter nos excuses et lui proposer une nouvelle date de livraison. C'est un ton que nous voulons garder ici : calme, serviable et professionnel. Voyons comment ChatGPT génère l'e-mail. Ici, vous pouvez voir qu'il a également fourni la sortie du courrier électronique. Je m'excuse sincèrement pour le retard dans la livraison de votre ordinateur portable. Je comprends l'importance de cet appareil pour votre travail. Cela nous a donné un e-mail décent. Un autre scénario, un scénario différent, peut être, disons, une réponse des RH à un employé. Nous voulons une réponse des RH. Il peut s'agir du scénario que nous envisageons dans lequel nous disons vouloir écrire une réponse RH à l'employé qui a demandé à travailler à domicile pendant deux jours. Le contexte était le suivant : les raisons des employés sont un rendez-vous médical, RH veulent l'approuver, maintenir un ton favorable et professionnel parce qu'il s'agit d'une communication RH et le message doit être court et clair. Voici donc un scénario différent, et nous pouvons voir comment des e-mails soignés et professionnels générés à l'aide de l' IA et comment la qualité de la communication s'améliore en outre. Habituellement, les gens ont beaucoup de mal à écrire des e-mails, et c'est là que l'utilisation de l' IA est énorme, où elle peut sérieusement améliorer la qualité de la communication au bureau ou de communication au bureau ou communication générale entre les professionnels. Troisième scénario que nous pouvons également faire, peut-être que nous pouvons changer le style de communication et lui donner un ton spécifique. Nous pouvons dire : écrivons la réponse RH en trois tons différents, qui peuvent être formels, amicaux ou sous forme de message Whatsapp court. Le même e-mail est maintenant rédigé dans trois styles différents, très formel, nous vous remercions de nous en informer à l'avance, veuillez vous assurer de la coordination avec votre responsable des rapports et rester disponible pendant les heures de travail si nécessaire. Style de message Whatsapp convivial puis court. Vous voyez, la plus grande contribution de l'IA dans ce scénario particulier serait d'améliorer la communication commerciale entre les employés d'une entreprise. C'est un cas d'utilisation important que nous trouvons maintenant avec l' aide de ces IA. 50. Démo - Variations de titre marketing pour une image de produit: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous verrons un autre cas d'utilisation d'outils d'intelligence artificielle, particulier pour générer divers titres marketing pour, disons, un produit en particulier. Donc, ce que nous allons faire ici, c'est examiner une image de produit en particulier et pour laquelle nous voulons générer des titres marketing utilisés à des fins publicitaires. Disons que nous allons d' abord télécharger l'image ici. Nous allons maintenant lui donner quelques titres marketing spécifiques que nous voulons générer. Supposons que le premier soit celui où nous voulons qu'il génère dix gros titres marketing pour ce produit, nous voulons le rendre court, accrocheur adapté à une publicité en ligne Il va examiner le produit et sur la base duquel il va nous donner les gros titres du marketing. Maintenant, nous avons également ces gros titres. De même, changeons cela. Disons que nous voulons ces titres dans un style particulier. Nous pouvons dire de donner ces gros titres dans cinq styles différents, ce soit le luxe ou le haut de gamme, le drôle, minimaliste, le technophile et l'urgent Maintenant, il va changer les titres en fonction du style donné. Maintenant, vous pouvez voir que sous le luxe, l'élégance rencontre l'intelligence. Pany est plus intelligent que toi. Minimaliste, intelligent, simple, puissant, de la technologie, technologie portable de nouvelle génération, améliorez votre poignet de toute urgence Vous pouvez constater que cela a facilement évolué et a créé différents styles que nos équipes marketing peuvent désormais utiliser immédiatement. Un autre scénario peut être, disons que nous voulons que les gros titres marketing s' adressent à une plate-forme spécifique. Par exemple, si vous le comprenez la langue utilisée sur les différentes plateformes varie. La langue d'Instagram est très différente de la langue des liens, etc. Supposons que vous souhaitiez obtenir les gros titres du marketing sur une plateforme spécifique. Supposons que vous souhaitiez créer une légende Instagram pour ce produit, créer un titre publicitaire sur Facebook ou créer un titre publicitaire Google La vignette du produit Amazon a été créée. À toutes ces fins, cet outil d'IA peut les créer. Vous pouvez maintenant voir que la légende Instagram permettra de rester connecté, suivre votre forme physique et d' améliorer votre style de tous les jours. Titre publicitaire sur Facebook, smartphone le plus intelligent qui suit votre vie, etc. C'est ainsi que nous pouvons utiliser l'outil d' IA principalement pour génération de titres marketing, qui est principalement utilisé par notre équipe marketing. Vous pouvez également l'utiliser pour effectuer des tests AB. Supposons que vous souhaitiez tester ces titres à l'AB et voir lequel est le plus efficace. Nous pouvons donc le faire également, et cela peut également les créer pour nous. Cela a du sens. J' espère que vous comprenez maintenant le cas d'utilisation des outils d'intelligence artificielle dans le marketing De nos jours, la plupart des spécialistes du marketing utilisent largement les outils de l'IE pour générer des gros titres, lors de la création de copies, lors de la création de créations, qu'ils peuvent ensuite utiliser immédiatement dans leurs campagnes marketing 51. Responsible AI: Bonjour, les gars. Bienvenue à cette séance. Dans cette session, nous parlerons de l'IA responsable. Comme vous pouvez le constater, en quelques années, la technologie de l'IA s'est développée et de nombreux développements se produisent dans ce domaine en particulier. Dans le même temps, il y a eu de nombreux problèmes en termes de confidentialité des données et de nombreuses informations présentées comme des informations biaisées que nous pouvons voir. Il y a donc des problèmes dans systèmes de recrutement où cela montre des préjugés sexistes, la reconnaissance d'images, qui est , par exemple, complètement fausse et incorrectes sont affichées, des forums de discussion sont utilisés, diffusent des textes haineux, des messages de haine, etc. Et puis il peut y avoir de nombreux scénarios dans lesquels l'IA hallucine et génère des données inexistantes Maintenant, cela va être là depuis quelques années, et l'objectif de toutes ces technologies d'IA, de ces modèles de LLM, est de le réduire autant que possible Aujourd'hui, c'est quelque chose qui devient de plus en plus crucial pour nous. Comme vous pouvez le comprendre, à mesure que les outils d'IA deviennent de plus en plus puissants, ces préoccupations augmentent également et de nombreuses utilisations abusives se produisent également. C'est là que les leaders technologiques tels Sam Altman affirment également que nous traversons une période très difficile où ils se concentreront davantage sur la réduction des problèmes particuliers dans la mesure du possible C'est là qu'intervient l'IA réactive dont nous parlons, qui fait principalement référence à des cadres éthiques et moraux qui guident le développement, le déploiement et l'utilisation des systèmes d'IA, et qui garantissent leur conformité aux valeurs humaines et aux normes sociétales C'est ainsi que nous allons l'utiliser. Donc, si vous examinez un flux de travail de processus simple qui se déroule actuellement, des données d'entraînement sont fournies aux modèles d'IA pour qu'ils s'entraînent et sur la base desquelles ils vous donnent des résultats. Imaginez maintenant un scénario dans lequel les données d'entraînement sont déjà biaisées. Supposons donc que les données de formation soient fournies avec 1 million de CV d'hommes et 500 CV uniquement de 500 CV féminins Ce qui va se passer, c'est que le résultat va être biaisé, n'est-ce pas ? C'est donc là que ces problèmes entrent en jeu et que les problèmes de confidentialité des données entrent en ligne de compte, lesquels les informations fournies sont biaisées et ne créent pas un résultat systématique ou impartial Et cela finit par créer de nombreux problèmes de confidentialité des données. Maintenant, à cause de cela, une grande question qui nous vient à l'esprit est de savoir si cela génère le bon résultat ? Les outils d'IA, le facteur de confiance devient discutable sur ces outils d'IA. est là qu'il est logique que nous commencions tous à réfléchir à la manière dont nous pouvons responsabiliser l'IA, faire en sorte que les résultats soient beaucoup plus dignes de vérité et fiables et que nous soyons en mesure d'obtenir des résultats impartiaux C'est là que vous pouvez comprendre le grand besoin actuel d'une IA responsable. Les raisons en sont d'abord, comme nous pouvons le comprendre, que le principal inconvénient réside dans les biais et la discrimination, ce qui est principalement un cas où le résultat sera très impartial Ici. Dans le scénario biaisé , le résultat ne sera pas correct et il y a beaucoup de discrimination. Le résultat sera incliné dans une direction particulière. Il y aura également des problèmes de confidentialité, ce qui sera principalement un cas dans lequel les données peuvent être exposées. Une grande partie de nos données personnelles sont exposées à ces modèles d'IA. Cela peut avoir des conséquences juridiques. En raison de ce résultat biaisé, des problèmes juridiques peuvent survenir, ce qui peut entraîner une perte de confiance dans ces outils d'IA. C'est pourquoi nous devons nous assurer que nous sommes en mesure de mettre en œuvre IA responsable selon des principes éthiques. Ce devraient donc être les garde-fous ou directives mis en œuvre dans ces outils d'IA. La qualité des données doit être contrôlée régulièrement afin qu'il n'y ait pas de données impartiales. Les outils d'IA reçoivent une formation. La transparence doit être présente en ce qui concerne le type d'informations téléchargées sur le back-end de ces outils d'IA Et de nombreuses configurations de conformité au consentement devraient également être mises en place afin d'éviter les problèmes de confidentialité des données. OK. Et puis il y a beaucoup de consentement de la part des utilisateurs pour les données utilisées. doit également y avoir un suivi et une amélioration, ce qui doit être fait car, comme vous pouvez le constater, les outils d'IA s'améliorent, mais au fil du temps, le suivi continu des résultats, puis leur amélioration de la même manière, doivent se poursuivre pendant une longue période Ensuite, il doit y avoir une intervention humaine. Il doit y avoir un humain au courant. Il faut appliquer une stratégie selon laquelle le résultat que nous obtenons de ces outils d'IA est examiné par des humains , puis le résultat est fourni afin que nous puissions obtenir un meilleur résultat avec ces outils d'IA. L'idée est d'intégrer autant que possible l'IA responsable dans ces systèmes d'IA, y compris les systèmes d'IA génératifs, qui nous donnent de bien meilleurs résultats, résultats impartiaux et sans aucune discrimination à l'avenir 52. Éthique de l'IA : Hallucinations et précision des faits a: Bonjour, les gars. Bienvenue à cette séance. Dans cette session, nous parlerons de l'éthique de l'IA, des hallucinations et de l'exactitude des faits. Alors, que sont les hallucinations liées à l'IA ? Les hallucinations seront principalement un modèle génératif produit du code texte ou médias qui semblent très fluides et autoritaires, mais qui sont faux, fabriqués de toutes pièces ou qui ne sont étayés par aucune source réelle fabriqués de toutes pièces ou qui ne sont étayés par aucune Il arrive donc souvent que lorsque vous offrez une promotion spécifique à un outil d'IA, celui-ci génère des informations, promotion spécifique à un outil d'IA, celui-ci génère des informations, mais ce n'est peut-être pas tout à fait vrai, factuellement vrai Et c'est là Hall AI hallucination entre en scène Ainsi, si vous le regardez lorsqu' un utilisateur envoie une demande, le modèle de langage prédit le jeton suivant Ils ont donc l'habitude ou le processus de générer le jeton suivant sans vraiment fournir les bonnes informations. Et c'est là que cela se produit. OK ? Ce que nous devons examiner, c'est qu'il existe divers exemples d' hallucinations ou types d'hallucinations qui peuvent se produire. Comme, par exemple, de fausses citations légales. Il est possible que l'outil donne de nombreuses citations légales irrégulières ou fausses, des conseils médicaux erronés, qu'il fournisse fausses nouvelles et des citations qu'il puisse générer. Il peut également créer du code fantôme, le code ne fonctionnera pas, qui se cassera, ainsi que des API Maintenant, cela se produit principalement au moment où nous avons parlé, c'est que les LLM apprennent des modèles de langage Ils modélisent ce que les mots suivent, suivent généralement d'autres mots, ce qui n'est peut-être pas vrai. Donc, pas de base de données factuelle interne. Un autre problème est qu'il n'existe aucune base de données spécifique à partir de laquelle ils extraient les informations Ils génèrent une information complètement nouvelle et, de ce fait, elle n'est pas correcte. Optimisé pour parler couramment, ce qui est principalement le cas, la formation récompensera des réponses plausibles et bien informées même lorsque l' affirmation sous-jacente est inventée. Même si les informations sont incorrectes, il essaiera de paraître confiant, bien informé, et c'est pourquoi les hallucinations se produisent. Vous pouvez voir cet exemple en particulier. Aujourd'hui, les principales causes des hallucinations sont les lacunes dans les données d'entraînement Au moment où nous avons parlé, les données d' entraînement ne sont pas tout à fait vraies et comportent des lacunes. C'est donc une connaissance de l'État. Donc, comme il existe une limite de connaissances, après laquelle les modèles ont tendance à halluciner et à deviner que le travail se produit. Des instructions ambiguës Lorsque les promotions données par les utilisateurs sont très ambiguës et confuses, il est difficile pour les LLM de donner principalement des informations correctes Et aussi, lorsque vous augmentez la température ou la créativité, il a des chances que de nombreux cas d' hallucination de ce type se produisent si vous augmentez chances que de nombreux cas d' hallucination de ce cela Il existe également un contrôle RLA sur la confiance, sorte que les modèles sont récompensés pour les réponses fiables et, dans le but de le faire, ils fourniront des informations incorrectes Il existe maintenant des types d' hallucinations. L'un d'eux est factuel. Les hallucinations factuelles seront essentiellement de fausses déclarations directes sur le monde. Ils peuvent porter sur des personnes inventées, dates, des statistiques , des citations, des événements, quelque chose comme ça, citer une étude sur la productivité du travail à distance, et ils vous donneront un résultat qui n'existe pas, qui n'existe pas. Il n'existe aucun volume de revue ni aucun auteur de ce type. Combien de bornes de recharge pour véhicules électriques en Inde ? Pour vous donner un chiffre, le chiffre est légèrement inférieur, nombres sont inventés, et ainsi de suite De même, un autre problème est raisonnement et les hallucinations contextuelles, où les faits peuvent être partiellement exacts, mais où la chaîne du raisonnement, des mathématiques ou du lien contextuel Le contexte mathématique n'existe pas. Le raisonnement n' existe pas. Par exemple, ce seront les calculs qui semblent corrects. Je vais vous donner le résultat, mais ce n'est peut-être pas correct. Source mal attribuée, résumez la politique des ressources humaines ci-jointe, je dirais que la politique accorde 26 semaines de congé parental, ce qui est généralement possible, mais dans cette documentation, il n'y figure pas Ce genre de choses, hallucinations contextuelles peuvent se produire Maintenant, l'hallucination créative est un autre type, auquel on demande d'imaginer des modèles inventés en toute confiance, utiles en cas de friction, dangereux lorsqu'ils sont interprétés comme des faits Donnez-nous une célèbre citation d' Albert Einstein sur l'IA. Cela donnera une citation que vous n'avez peut-être jamais mentionnée. Rédigez une courte biographie de la peintre fictive Maria Velazcos. Maintenant, il s'agit d'un peintre fictif, mais l'IA produit tout de même un résultat. Rédiger des avis clients pour un nouveau produit SAS, cinq avis rédigés, mais jamais rédigés par de vraies personnes. Il existe donc maintenant des scénarios à haut risque d'hallucinations. Les hallucinations ne sont pas aussi coûteuses dans ces domaines, une seule erreur commise avec assurance peut provoquer des dommages irréversibles. Les soins de santé peuvent être si préjudiciables que si des hallucinations surviennent dans ce domaine en particulier, cela peut avoir un impact énorme sur la vie cela peut avoir un impact énorme sur la vie et des décisions peuvent être prises ici Lié au droit, au financement, aux prix et à la sécurité, au code et à l'infra Vous pouvez imaginer que des codes peuvent être créés qui risquent de ne pas fonctionner. Le journalisme, les faux codes, les sources inventées peuvent déformer l'histoire. Donc, pour détecter les hallucinations, il peut y avoir différentes manières de détecter les hallucinations. Le premier est la cohérence. Donc, la défense la plus simple est la suivante : d'accord, nous poserons la même question trois à cinq fois lors de nouvelles sessions afin de voir le résultat et de comprendre s'il donne un meilleur résultat ou si les réponses sont les mêmes ou non, et de les traiter comme suspects. Ensuite, ce que nous pouvons faire, c'est également modéliser le contrôle, ce qui consiste essentiellement à poser la question à deux modèles différents et à valider les informations afin de comprendre que les informations sont correctes ou à des fins de cohérence automatique. En demandant au modèle de répertorier ses affirmations, comment revendique-t-il cette réponse et en vérifiant chaque réponse par une affirmation. De cette façon, nous pouvons aller de l'avant et détecter les hallucinations. D'autres techniques de détection peuvent être le Rag , que vous pouvez utiliser en génération augmentée, où vous diffusez votre contenu Vous faites en sorte que le modèle réponde uniquement à partir de la documentation fournie. Vous téléchargez l'intégralité de votre base de connaissances et en fonction de laquelle elle doit répondre. C'est donc ton chiffon. Ensuite, vérification des faits, réclamation par réclamation, en divisant la réponse en plusieurs affirmations atomiques et en lui demandant de vérifier et nous donner la source faisant autorité d'où il référencée en fonction de laquelle il a donné la Vérification des citations. Encore une fois, nous lui demandons de vérifier chaque URL, chaque DOI, chaque numéro ISBN une fois qu'il a donné le résultat, et l'outil utilise le routage par calculateur, qui achemine les calculs, les dates et les recherches vers des outils déterministes au lieu de demander au modèle de connaître la réponse, demandant comment il Au lieu de simplement croire au résultat donné par l'outil. Ce sont donc différentes manières de contrôler les hallucinations, ce qui se produit généralement dans divers outils d'IA. J'espère que cela a du sens. J'espère que vous comprenez maintenant les implications des hallucinations liées à l'IA et comment nous pouvons les contrôler. 53. Éthique de l'IA : problèmes de préjugé et d'équité es: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous aborderons les questions d'éthique, de partialité et d'équité liées à l'IA auxquelles nous sommes confrontés Alors, ce que nous entendons par biais dans l'IA. biais dans l'IA est principalement un scénario dans lequel un modèle produit un résultat qui favorise systématiquement un certain groupe ou désavantage un certain groupe. Maintenant, cela peut être fonction du sexe, de l'âge, de la géographie, du handicap. Il peut s'agir de diverses autres choses. C'est ce que nous entendons simplement par biais, qui peut se produire dans le domaine de l'IA. Maintenant, il peut également s'agir de types, tels que des biais statistiques ou sociaux. Maintenant, lorsque vous examinez le biais statistique, il s'agit essentiellement de la prédiction d'un modèle qui s'écarte systématiquement de la valeur réelle OK ? Il s'agit donc terme plus technique et neutre on peut dire variance ou bruit. Ainsi, par exemple, un modèle météorologique prédit systématiquement deux degrés Celsius moins que la température réelle Alors qu'un préjugé social est un modèle social injuste, il renforce les stéréotypes ou désavantage les groupes protégés Par exemple, un filtre de CV rétrograde régulièrement les CV avec des prénoms féminins Il peut donc également y avoir des biais problématiques. Le biais devient donc un problème lors du suivi des attributs protégés. Par exemple, il suit la race, le sexe, la caste, l'âge et le handicap spécifiques . Cela cause de réels préjudices, tels que le refus de prêts, échec du diagnostic, les arrestations injustifiées, la perte d'emplois Alors c'est systématique et non aléatoire. Le même groupe est défavorisé par rapport à un autre type. D'accord, c'est ce que nous entendons par domaines problématiques auxquels nous pouvons être confrontés avec partialité. Maintenant, quelles peuvent en être les raisons ? Tout d'abord, cela peut être dû au biais des données d' entraînement. donc de la principale source, car les outils d'IA sont entraînés sur certaines données d'entraînement, qui sont truquées en elles-mêmes, biaisées en elles-mêmes Et à cause de quoi le résultat est biaisé, non ? Il y a donc du texte Internet, des enregistrements historiques, des choix d'étiquetage. Tout cela fait partie des données d'entraînement. Et lorsqu'il entre dans le modèle, le résultat est également similaire. Il existe maintenant des types de biais liés aux données d'entraînement qui peuvent se produire formation sur les biais de section définie ci-dessous représente donc certains groupes. Biais historique, les données passées reflètent les inégalités passées. D'accord, c'est pourquoi le résultat est le suivant, les données de biais d'échantillonnage sont trop collectées dans certaines zones géographiques par rapport à d'autres Les annotateurs humains introduisent leurs propres hypothèses dans la vérité fondamentale biais de mesure, les proxys constituent ce que nous voulons réellement mesurer Donc, si vous considérez les autres biais qui peuvent survenir, c'est le biais d'association de mots, qui consiste davantage à comprendre quels mots sont proches les uns des autres en tant que stéréotypes, par exemple, homme, cela doit aller avec un roi qui sera un homme Attendue pour les femmes, elle est censée être reine. De même, en ce qui concerne le biais d' association à l'image, qui peut être plus répandu lorsque l'on pense à un PDG, ce sera un homme plus âgé avec un bureau d'angle en costume. Lorsque nous cherchons une infirmière, il s'agit de blouses pour jeunes femmes, d'hôpitaux, un jeune criminel souvent à la peau foncée, d' un scientifique, d'un homme blanc, de lunettes de soleil. Ce sont des biais d'association d'images qui peuvent survenir. Maintenant, cela crée un bourdonnement social et épistémique, qui est principalement un biais, une distorsion de ce que les gens voient, apprennent et croient, n'est-ce pas ? Cela peut créer un bourdonnement social et épistémique, qui concerne les recherches, les résumés et les réponses au chat, résumés et les réponses au chat, ce qui est vrai pour les utilisateurs Maintenant, il peut également y avoir du mal à un dignitaire, et c'est là que vous faites une erreur Cela peut humilier les gens, les priver d'opportunités et les priver de reconnaissance Il peut donc s'agir d'une gomme, par exemple, assistants vocaux qui échouent sur certains accents, d'accord ? générateurs d'images représentant des communautés entières de manière stéréotypée ou dégradante à travers des millions de résultats ou des outils risqués qui qualifient les individus de personnes à haut risque qualifient les individus de personnes à haut risque sur la base des statistiques du groupe, non Alors, comment allons-nous y remédier ? Il existe donc des moyens par lesquels nous pouvons commencer à remédier aux biais de l'IA Le premier est l' intervention au niveau des données, qui consiste en un échantillonnage diversifié. Ainsi, lorsque nous collectons des données, elles doivent être diversifiées. OK ? Nous devons collecter délibérément des données concernant les données démographiques, géographiques et linguistiques Ne vous fiez pas à ce qui est facile à mettre au rebut. Rééquilibrage et repondération, qui ne pas pondérer les groupes sous-représentés pendant entraînement ou à tester des mini-montres avec une représentation égale consistent à ne pas pondérer les groupes sous-représentés pendant l' entraînement ou à tester des mini-montres avec une représentation égale des groupes. Nettoyer les données historiques, vérifier les ensembles de données pour détecter les modèles non discriminatoires et les supprimer. Augmentation synthétique, qui génère des exemples contrefactuels, afin que le modèle ne puisse pas s'accrocher à l'attribut protégé Vous pouvez également intervenir au niveau de l'algorithme, qui se trouve dans l' algorithme lui-même, en introduisant des termes d'équité dans la fonction de perte, sorte que le modèle est pénalisé lorsque précision se produisent entre les groupes débasage contradictoire entraîne le second réseau qui tente de prédire l'attribut protégé Le modèle principal est récompensé pour l'avoir trompé. étalonnage du traitement après le traitement permet d' ajuster les seuils ou les spores après l'entraînement, sorte que les taux d'erreur soient égaux pour tous les groupes démographiques. Voici donc des moyens par lesquels vous pouvez le faire. Maintenant, ce que l'évaluation et la gouvernance peuvent être effectuées à ce sujet, c'est que nous pouvons avoir une évaluation désagrégée Indiquez l'exactitude, les erreurs et les taux d'erreur par groupe démographique, et pas seulement globalement. Cela donne donc une fausse image. Modèle et cartes de données. Nous pouvons donc publier une fiche technique standard couvrant l'utilisation prévue, formation, les données, la composition, les limites connues et les groupes testés. L'évaluation humaine peut faire partie de la boucle. Ainsi, tous les résultats spécifiques peuvent être approuvés par l'humain, puis partagés avec des audits externes et des recours Les auditeurs indépendants vérifient donc l'absence de biais et les utilisateurs concernés disposent d'une voie claire pour contester les décisions. Ce sont donc des moyens par lesquels nous pouvons examiner les biais liés à l'IA et trouver des moyens de les résoudre, contrôler pour l'avenir 54. Éthique de l’IA : limites techniques: Bonjour, les gars. Bienvenue à ces sessions. Dans cette session, nous aborderons les limites techniques auxquelles nous sommes confrontés en matière d'éthique de l'IA. Nous sommes donc maintenant confrontés à des limites techniques. Nous avons parlé d' hallucinations et de biais liés à l'IA. Maintenant, si vous y regardez bien, cela se trouve dessous des modèles LLM, où nous parlons de contexte, de fenêtre, de calcul et de coût, de budgets, de local par rapport au cloud, de mémoire, d'accord, de latence Toutes ces limites sont également auxquelles les outils LLM sont confrontés. fenêtre contextuelle est principalement la quantité maximale de texte qu'un modèle est capable de prendre dans une instance, qui est mesurée en jetons Désormais, il inclut l'invite de l'utilisateur, les documents que vous joignez et les réponses des modèles. Si vous constatez qu'au fil du temps, ce chiffre a augmenté et continue de croître en ce moment, comme vous le voyez ici, ce qui est un bon signe. Cependant, il y a également une limite à cela. Les limites de contexte sont donc importantes parce que lorsqu'une tâche dépasse cette fenêtre particulière, le modèle ne refuse pas, je la supprime silencieusement et je compresse les données Et à cause de cela, le résultat peut être un peu flou, peu clair et spécifique OK, il arrive donc que la troncature se produise, ce qui signifie que les longs documents perdent leur odeur. Le modèle ne voit que le premier et le dernier fragment et répond à partir de ce fragment Il se peut donc que la réponse ne soit pas complètement correcte ou vraie. Vous pouvez perdre l'historique des conversations. Lors de longues discussions, l'outil peut oublier les informations que vous avez fournies plusieurs heures auparavant. effet « perdu au milieu » peut alors se produire même dans la même fenêtre, modèles peuvent ne prêter attention qu'au début et la fin et oublier la conversation du milieu. Ensuite, il y a aussi la mise à l'échelle des coûts et de la latence. Un contexte plus large coûte plus cher et fonctionne plus lentement. Les prix évoluent donc de manière linéaire avec les jetons. Une invite à jetons de 200 000 dollars coûte donc très cher. solution pour contourner les limites contexte est donc le découpage Le découpage consiste à diviser un long document en parties superposées, à les traiter une par une et à fusionner les réponses partielles Résumez d'abord chaque partie, puis résumez les Cela peut également être fait. Ensuite, Rag, qui est une génération augmentée récupérable où nous stockons Nous stockons les documents dans des bases de données vectorielles et ne récupérons les informations que depuis leur fenêtre coulissante pour le chat, maintenons le système en mode courant en exécutant un résumé des anciens termes, une mémoire compressée de la conversation. De cette façon, nous pouvons travailler avec. Nous pouvons contourner les limites de contexte. Maintenant, il va également y avoir le calcul des exigences passées et les coûts d'inférence, n'est-ce pas ? n'aurons donc pas à Nous n'aurons donc pas à payer pour cela. Ainsi, lorsque vous utilisez un grand modèle, se passe pas une seule fois, mais chaque réponse utilise des GPU et de l'électricité Il y a de l'ingénierie, d'accord ? Il y a donc un certain coût pour chacun d'entre eux. OK. Donc, ce qui va se passer, c'est que si vous voyez que la latence par réponse sera de 0,5 à 10 secondes, d'accord ? Le coût que nous payons pour environ 1 000 jetons est de 0,001 à 0,10$, énergie par requête, qui est également utilisée. Il y a donc un certain coût que nous payons pour générer de tels résultats. Maintenant, si vous comparez le local au cloud et que l'évolutivité, exécution du modèle façonne ce que vous créez, deux choix réels entrent en ligne de compte : les grands modèles cloud et les petits modèles Vous pouvez exécuter votre système d'exploitation dans des modèles de pointe ou de grands modèles cloud, que nous avons GPT à quatre ou cinq cloud gemini, ils sont solides en termes de raisonnement et Il n'est pas nécessaire de gérer les échelles de manière élastique en fonction du trafic. Alors que sur l'appareil, les données restent sur votre machine. Aucun coût par pôle s'il fonctionne hors ligne, faible latence. Maintenant, l'autre aspect sera la mémoire à court terme , plus précisément. Donc, ici, ce qui va se passer, c'est qu'un modèle n'a pas de mémoire persistante entre les sessions. Ainsi, tout ce qu'il sait dans un chat se trouve uniquement dans la fenêtre contextuelle actuelle et disparaît lorsque la fenêtre se ferme. Nous devons donc également prendre en compte les poids entraînés à long terme. Donc, quelles que soient les données d'entraînement fournies. informations de la fenêtre contextuelle à court terme sont les seules à fonctionner, d'accord ? Alors pourquoi connaître les limites est responsabilisant, c'est le savoir Vous pouvez maintenant voir comment vous pouvez les contourner, comment vous pouvez les améliorer au fil du temps, ce qui se fera par le biais du découpage, de l'ag, de modèles plus petits, sur les appareils, des magasins persistants C'est ainsi que nous pouvons aller de l'avant et travailler avec des scénarios spécifiques que l' IA a tendance à oublier, n'est-ce pas ? Si petit contexte, coût d'inférence élevé, aucun problème de mémoire persistante ou de confidentialité. Ce sont toutes les limites que nous avons, et il peut y avoir des solutions de contournement, comme vous pouvez le voir ici, que nous pouvons utiliser comme levier 55. Éthique de l'IA : problèmes d'éthique et de sécurité: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous voulons parler des préoccupations en matière d'éthique et de sécurité, qui concernent spécifiquement l'IA. Ce que nous comprenons donc, tout d' abord, c'est la différence entre la désinformation et la désinformation désinformation se produit lorsqu'une information inexacte ou trompeuse est partagée par quelqu'un, sans le savoir Sincèrement, la personne ne le sait pas, elle n'avait aucune intention de tromper. Mais la désinformation est un contenu créé ou diffusé sciemment dans le but de tromper, manipuler ou C'est là que réside, euh, l'éthique de l'IA en particulier. Si vous considérez la génération de texte, la génération de texte comme un outil de désinformation Avec l'aide de l'IA actuelle, des minutes de plusieurs générations peuvent arriver à une seule personne, quelques dollars peuvent être dépensés et c'est possible. Il s'agit d'un outil de désinformation qui peut exister et qui doit être réglementé Les modèles d'IA générative peuvent produire des articles, des critiques, tweets. Des sites de fake news entiers peuvent être écrits par une personne réelle. Il existe désormais un autre scénario : les contrefaçons et les médias synthétiques susceptibles de mener à des manipulations politiques, faux clips montrant des dirigeants avouant ou faisant des déclarations incendiaires, images non consensuelles de visages réels greffées sur des contenus explicites greffées La fraude et l'usurpation d'identité peuvent également se produire, voix clonées utilisées pour se faire passer pour des PDG dans le cadre d' une escroquerie liée aux transferts , une érosion Lorsqu'une vidéo peut être fausse, preuves réelles perdent principalement de leur poids, comme vous le voyez. Les faux contenus ont donc des conséquences. faux contenus ont un impact considérable sur le monde réel, comme des atteintes à la démocratie. D'accord, une perception faussée des électeurs, manipulations du marché, qui peuvent se produire, fausses images d'explosions ou de fausses déclarations du PDG peuvent entraîner une hausse ou une baisse des cours boursiers réels D'accord, les préjudices personnels, les personnes ciblées sont victimes de harcèlement, risques pour la santé publique, d' anti-vaccins ou de faux traitements, rumeurs pendant les pandémies coûtent directement des vies Les faux contenus peuvent avoir de graves conséquences , et l'IA est capable de le faire. OK, il y a donc aussi un autre aspect à cela, c'est le déplacement du marché, donc l'humain contre l'IA, n'est-ce pas ? travail humain, qui implique des années d' artisanat et d' expériences vécues, d'accord, peut être remplacé par un dérivé instantané et bon marché formé sur le travail créatif humain antérieur produit des résultats pour quelques centimes par pièce. Il est donc possible de remplacer une grande partie du travail, ce qui peut coûter beaucoup moins cher en termes de production et remplacer très facilement le travail humain. Et il y a, encore une fois, l'utilisation responsable de l'IA. Donc des devoirs individuels. Ainsi, dans de tels scénarios, comme vous pouvez le constater, cela soulève de nombreuses préoccupations sérieuses. Que peut-on faire en matière d'éthique, en particulier en ce qui concerne les problèmes de sécurité ? Certaines choses qui peuvent être notre devoir individuel sont d'abord de vérifier avant de partager. Donc, en recoupant les affirmations avec une source principale une fois le contenu développé, d' accord, étiquetez le contenu généré par l'IA. Donc, si vous utilisez l'IA pour écrire, dessiner, exprimer votre voix ou résumer, nous pouvons y laisser une note ou une étiquette spécifique. Ne vous faites pas passer pour. Ne générez donc jamais le visage, la voix ou les mots de quelqu'un sans son consentement. Site ou créditez des humains. Ainsi, si une IA est résumée au travail d'une personne réelle, attribuez principalement le mérite au créateur original , et non au modèle, puis protégez les données personnelles. Ne partagez jamais d'informations professionnelles privées confidentielles sur des tiers dans les outils d'IA publics. Enfin, garder le jugement humain. L'IA est donc un outil que nous utilisons, et non le dernier mot. Ainsi, chaque contenu développé par l'outil doit être vérifié par l'humain puis publié. J'espère que cela a du sens. J'espère que vous comprenez maintenant les préoccupations en matière d'éthique et de sécurité liées à l'IA. 56. Démo : exemples de refus de sécurité: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous verrons un autre cas d'utilisation d'un outil d'IA nous aidera à trouver des exemples de refus de sécurité. Ce dont nous essayons de parler, c'est du cas lorsque nous posons certaines questions contraires à l'éthique violentes. Comment répondent ces outils d' IA Voyons cela à l'aide de quelques exemples. Disons que je demande à quel outil d'intelligence artificielle pouvez-vous écrire un virus informatique pour moi ? Idéalement, je comprends également et l'outil d'IA comprend également que ce n'est pas la bonne chose à faire. Voici donc une réponse où il dit que je ne peux pas m'empêcher créer des logiciels malveillants ou des virus informatiques. Mais en plus, cela me donne d'autres options à envisager. Peut-être qu'une simple simulation de virus inoffensive en Python est partagée avec moi si cela répond à mes besoins Vous voyez donc que c'est ainsi que l'outil d'IA essaie protéger le résultat qu'il fournit et de créer ces directives pour chaque utilisateur. Un autre exemple peut être, disons, de me communiquer les coordonnées bancaires privées de quelqu'un. OK. Je ne peux pas m'empêcher d'obtenir ou de révéler les coordonnées bancaires privées de quelqu'un. Si votre objectif est légitime et autorisé, je peux vous aider à trouver des alternatives sûres comme celles-ci. Vous voyez, l'outil d'intelligence artificielle sait où tracer la limite, où dire non à certaines informations, qui ne sont pas éthiques, qui ne sont pas légales, qui sont nuisibles, blessantes, qui enfreignent certaines réglementations ou règles Il y aura également une protection qui est déjà intégrée aux outils d'IA. Un autre exemple peut être, disons, que je me sens déprimé. Que puis-je faire maintenant ? Ici, il va me donner certaines suggestions. Changez un peu votre environnement, agissez sur le terrain, buvez lentement un verre d'eau, réduisez l'isolement, rencontrez quelqu'un. Vous pouvez voir que cela va nous fournir des informations spécifiques qui dans le sens d'un résultat positif, approche que nous devons adopter ici. Enfin, disons que nous posons une question spécifique, qui peut être dans un contexte amusant, nous la posons sous forme de message, comme pouvez-vous pirater le compte Instagram de mes amis. Mais il ne s' agit pas de le placer dans un contexte amusant, mais de me donner des règles et réglementations spécifiques à ce sujet. L'idée est que, comme vous pouvez le voir maintenant, l'outil d'IA nous fournit non seulement les résultats, mais il conserve également cette particularité Vous pouvez dire que des politiques et des directives ont été élaborées afin qu'aucun utilisateur ne puisse abuser de l'IA. C'est son but et il essaie de protéger le résultat de l'utilisateur, l'utilisation du to. J'espère que cela a du sens. J' espère que vous comprenez maintenant comment les outils d'intelligence artificielle contribuent à améliorer les résultats pour tout le monde. 57. Démo - Correction des préjugés - Réécriture en ton positif: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous verrons comment nous pouvons utiliser les outils d'IA pour corriger les biais au travail et dans différents scénarios, comment nous pouvons corriger les biais et les réécrire un ton positif sur un ton positif afin d'être beaucoup plus respectueux de la situation Prenons quelques exemples pour comprendre comment nous pouvons procéder. Disons que ce sont les principales informations dont nous disposons et maintenant elles nous donnent automatiquement une approche pratique de la manière dont nous pouvons résoudre ce problème. Ce nouvel employé est lent et ne sera probablement pas en mesure de faire le travail, ce qui, encore une fois, sera très direct et rapide. Maintenant, ici, ce que nous essayons de faire, c'est l'adoucir pour l'améliorer de la bonne manière. Ici, l'outil pneumatique nous donne d'autres options. Supposons que nous voulions réécrire cela sur un ton positif, professionnel et impartial Cela aura pour effet que le nouvel employé est encore au courant de son rôle et pourrait avoir besoin d' un soutien, d'une formation ou d'un temps supplémentaires pour s'adapter au rythme et aux responsabilités du Vous voyez comment il est capable de corriger le biais ici. Encore une fois, disons que nous voulons réécrire cette déclaration particulière L'équipe du service marketing commet toujours des erreurs. Cela a maintenant été changé grâce à l'IA, qui indique que l'équipe marketing continue d' améliorer les processus et la précision, et qu'il est améliorer les processus et la précision, et peut-être possible de réduire les erreurs récurrentes grâce à erreurs récurrentes grâce communication et à des systèmes de révision plus clairs. Ils encouragent donc abord les bonnes choses qu'ils ont faites, puis proposent des points à améliorer, ce qui est la bonne façon de donner du feedback. Un autre exemple peut être que nous pouvons également demander à l'outil d'IA de tout réécrire dans des tons différents, qu'ils soient positifs, neutres ou motivants, qui peuvent être générés Vous pouvez voir comment l'outil d'IA aide à corriger les préjugés au travail, comment il peut apporter beaucoup de positivité, d' inclusivité et de professionnalisme dans la façon dont nous communiquons avec 58. Cas d'utilisation : génération de code avec GitHub CoPilot: Bonjour, les gars. Bienvenue aux sessions. Dans cette session, nous allons parler de la façon dont nous pouvons utiliser le copilote GitHub pour la génération de Voyons un cas d'utilisation pour cela. Vous pouvez d'abord vous connecter au copilote GitHub et nous allons voir ici deux le premier scénario, nous allons lui donner un schéma d'architecture pour l'expliquer. Téléchargeons d'abord le diagramme. Il s'agit d'un schéma d' architecture AWS, nous aimerions qu'il simplifie et nous explique. Disons que vous allez lui demander d'expliquer le schéma. Permettez-moi de vous montrer à quoi ressemble également le diagramme. Il s'agira donc d'un diagramme complexe utilisé par Amazon Route 53. OK, serveurs d'applications, serveurs Web, les trois compartiments Amazon S sont utilisés. Nous voulons donc simplement savoir comment cela va nous expliquer cela. Alors maintenant, vous pouvez voir que c'est parti, que vous avez regardé le schéma et que vous avez commencé à en donner la description et l' explication. D'accord ? Nous avons donc toutes les informations ici, de manière structurée, fournies ici. Cela peut donc être un cas d'utilisation. L'autre cas d'utilisation que nous allons voir est la création d'une application simple. Disons une application STM ou JavaScript. Nous allons donc lui demander de créer cette application pour nous. Il s'agit donc principalement d'une application, qui va faire un simple travail de téléchargement d' une vidéo depuis notre ordinateur, puis elle démarrera la vidéo, arrêtera la vidéo, mettra la vidéo en pause D'accord ? C'est donc ce que nous voulons développer. D'accord ? Alors voilà, il va générer le code pour nous, ou des codes STML comme vous pouvez le voir, d'accord ? Il a créé ce qui a été créé. Alors ce que nous pouvons faire, c'est que vous pouvez le copier. Vous pouvez également l'enregistrer, puis l'exécuter également. Laissez-moi vous montrer comment ce code fonctionne réellement. Il s'agit d'un fichier d'index SML. Nous l'avons donc ici, et vous pouvez voir que c'est ainsi que l'application fonctionnera réellement. Vous allez télécharger, disons, une vidéo. Ensuite, nous pouvons le démarrer. Je lui souhaite la bienvenue à cette séance. Au cours de cette session, nous verrons comment utiliser la fonctionnalité de création de vidéos. Ce que nous pouvons également voir dans Asset Lab. Comme vous pouvez le constater, les boutons fonctionnent également correctement. C'est ainsi que nous pouvons également utiliser le copilote Github pour créer des applications de code, ce qu' il peut facilement faire et cela peut vraiment nous aider à améliorer la qualité de notre travail 59. Cas d'utilisation : la génération d'images et de vidéos avec Amazon Nova: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous verrons comment utiliser les outils GN AI pour la génération d'images et de vidéos. Pour cela, nous allons utiliser Mid Journey et Runaway AI. OK ? Jetons-y donc un coup d'œil. Donc, le premier que nous allons examiner est à mi-parcours, c' est-à-dire ce que nous allons utiliser pour générer des images. Jetons donc un coup d'œil à quelques exemples de la façon dont cela va se passer. Disons donc que nous allons nous contenter du premier, qui sera un bal de fin d'année assez descriptif, où nous voulons aller de l'avant et créer cette image particulière, qui est principalement celle d'une reine portée dans un palanquin avec son entourage Le palanquin est richement décoré. La reine semble regarder depuis le palanquin, et il y a des terres agricoles verdoyantes de chaque côté OK ? En toile de fond se trouvent des collines très végétalisées. Vous pouvez donc voir comment l'outil de mi-parcours est capable de générer l'image en fonction de l'invite donnée ici. Nous avons donc maintenant l' image créée. Comme vous pouvez le constater, voici à quoi ressemble l'image maintenant à l'aide de l'invite de texte que nous lui avons donnée. Prenons un autre exemple et voyons comment cela fonctionne. Il s'agit d'un exemple un peu différent où nous voulons créer une publicité pour un dentifrice, où une dame tient le dentifrice sur sa main et une brosse sur l'autre. D'accord, le nom de la marque est Hello OK, nous voulons nous assurer que l'orthographe est correcte. OK, alors voyons comment cela fonctionne. Ce seront donc toutes des générations d'images, des générations images basées sur l' IA, ce que nous essayons de faire. Mid Journey est spécialisée dans la génération d'images, des images générées par l' IA , qu'elle peut créer, comme vous pouvez le voir ici, et elle est capable de les créer avec les spécifications fournies. Maintenant, vous avez créé les images. De cette manière particulière , nous pourrons ensuite les vérifier également. Ça a l'air bien ou pas. Nous pouvons donc voir le contexte. Cela semble assez clair car les détails sont également corrects ici. Nous avons donc maintenant la génération d'images. Comme vous pouvez le constater, nous en sommes à mi-parcours. La prochaine étape sera la génération de vidéos. Regardons Runway AI. Il s'agit de Runway AI, que nous pouvons utiliser pour la génération de vidéos, c' est-à-dire du texte en vidéo. C'est ici que vous pouvez lui donner un message. Supposons que nous lui donnions un message, qui consiste à montrer un clip vidéo en éruption, montrer une vue aérienne du volcan prise depuis un hélicoptère, capturer des détails tels que l'explosion qui devrait apparaître, une coulée de lave, des nuages de poussière, tout cela que nous voulons voir se produire dans la vidéo Bon, maintenant, il va s'agir d'une génération de vidéos, ce qui va prendre relativement plus de temps que la génération d'images, comme vous pouvez le voir, et l' outil est capable de le faire. C'est ainsi que vous allez les créer de manière idéale pour votre travail Et vous pouvez voir comment ces outils G AI sont devenus beaucoup plus détaillés et beaucoup plus qualitatifs et sont devenus beaucoup plus efficaces au fil des ans grâce aux calculs effectués en arrière-plan, à la quantité de données dont ils disposent actuellement Et grâce à cela, les résultats sont devenus beaucoup plus raffinés. Il est donc logique que chaque fois que nous utilisons ces outils GeneI, nous puissions les utiliser principalement pour notre travail Et au fil du temps, vous verrez, euh, beaucoup de ces outils devenir beaucoup plus précis et nous donner des informations beaucoup plus précises, euh, et qui peuvent être utilisés sans aucun changement. Nous sommes donc en train de créer une vidéo principalement avec l' aide de Runway ML. OK ? Voyons donc comment cela va se passer. Vous pouvez donc voir que l'idée est que ces outils seront multiples. Open AI a également créé sa plateforme d'IA vidéo, qui est SorAh De même, Google Gemini et d'autres outils l' ont également fait Voyons comment fonctionne cette vidéo maintenant. Il s'agit d'une vidéo de 5 secondes créée à l'aide de cette invite. J'espère que cela a du sens. Je dois maintenant comprendre comment nous pouvons utiliser ces outils d'intelligence artificielle de génération pour la génération d'images et de vidéos. 60. Comment l’IA perturbe la recherche: Bonjour, les gars. Bienvenue à cette séance. Au cours de cette session, nous allons parler de la façon dont l'IA perturbe réellement la recherche Donc, si vous examinez les meilleurs acteurs en termes de recherche par part de marché. D'accord ? Donc, à l' heure actuelle, comme vous pouvez le constater, Google est le premier leader dans ce domaine particulier avec une part de marché d'environ 89 % Et puis il y a d'autres acteurs ce marché en particulier. Le chiffre d'affaires estimé est d'environ 175 milliards de dollars de revenus de recherche, dont nous parlons. Maintenant, si vous regardez le chiffre d'affaires total réalisé par Google en 2024, il y a deux ans, s'élevait à 348 milliards de dollars dont environ 200 milliards provenaient uniquement des recherches de Google Maintenant, si vous regardez les choses, c'est ce qu' était la recherche avant l'IA. C'était donc aussi simple que cela un utilisateur venait poser une question, effectuait une requête de recherche sur Google, puis passait aux pages de résultats de recherche où se trouvaient des annonces payantes, puis des listes organiques. Les gens cliquaient donc sur l'un ou l'autre d'entre eux , puis ils se rendaient sur le site Web pour obtenir ces informations. C'est le processus qui dure depuis des décennies. Mais maintenant, si vous y regardez bien, tout ce modèle est en train de changer cause de l' arrivée de l'IA. Maintenant, le parcours utilisateur est tel qu'un utilisateur vient poser une question, fait une requête de recherche, puis il y a un service alimenté par l' IA. résumé de l'IA apparaît sur la page, comme vous pouvez le voir, réponses seront données par les réponses seront données par Google Gemini ou tout autre outil d'IA, et aucun clic n'est requis Ces informations sont fournies. Il peut être possible discuter avec l'agent si nécessaire, puis apparaissent les résultats de recherche payants et organiques au bas de la page, lesquels les utilisateurs peuvent avoir tendance à cliquer. Maintenant, en raison de ce changement en cours, il y a de nombreuses implications sur la recherche, nous l'avons vu jusqu'à présent. D'accord. Dans l'ensemble, il s'agit donc d'un changement de paradigme complet qui passe d'un moteur de recherche qui était un fournisseur d'informations à un nouveau moteur de recherche alimenté par l'IA, qui est un fournisseur de solutions. Ici, c'est l'IA qui génère la réponse. Il fait le travail, il fournit des solutions directes. Il s'agit donc d' une solution personnalisée. Auparavant, nous obtenions une information brute, une liste de liens qui nous étaient fournis. Il y avait des publicités sur le dessus sur lesquelles les internautes cliquaient et les clics généraient des revenus. C'était donc plus spécifiquement centré sur le site Web. Mais maintenant, si vous y regardez bien, tout évolue vers des solutions directes que vous fournissez à l'utilisateur. Le modèle de revenus est en train de passer des publicités au CPC aux abonnements à l'IA ou à l'accès aux API C'est vers le site Web AI Centric que nous nous dirigeons en ce moment. Il s'agit donc d'un changement complet en termes de fonctionnement ou de comportement des choses lors de la recherche sur Google en particulier. Et à cause de cela, ce que cela signifie pour la publicité sur le Web c'est qu'il y aura de nombreuses implications. Il y aura beaucoup d'impact. Tout d'abord, vous constaterez évidemment une forte baisse du trafic organique sur le site Web, car désormais les moteurs de recherche organiques arrivent en bas de page, dans la seconde moitié de la page. D'accord ? Les publicités, le référencement peuvent ne pas avoir autant d'impact. D'accord, parce que la majorité du trafic provient principalement d'agents de l'IA, d'accord ? Nous devons repenser la façon dont les sites Web, les applications mobiles et les sites Web vont fonctionner aujourd'hui, car les utilisateurs ne cliquent plus jamais sur votre site maintenant, Une nouvelle infrastructure d'intelligence artificielle est en train d'émerger, principalement composée d'agents d'intelligence artificielle Les interfaces vocales, les forums de discussion et les bases de connaissances alimentées par l'agriculture remplaceront les forums de discussion et les bases de connaissances alimentées par l'agriculture la méthode traditionnelle des propriétés Web, comme nous l' avons vu jusqu'à présent Et puis il y aura de nouveaux modèles commerciaux grâce aux startups, de nouveaux modèles commerciaux plus enclins à l'optimisation EISO, à l'optimisation des moteurs de réponse, à la formation LLM, aux licences de données, aux agents IA, au commerce natif basé sur l'IA, tout cela sera mis en place dans les années à venir Vous voyez donc qu'au fil du temps, la recherche que nous avons observée, que nous connaissons depuis des décennies évoluera et changera dans une direction différente, plus personnalisée révolution de l'IA à laquelle nous assistons, et elle visera à offrir une meilleure solution à nos utilisateurs finaux. J'espère que cela a du sens. Je dois maintenant comprendre à quel point la recherche est fortement affectée par la révolution de l'IA à laquelle nous assistons actuellement. 61. L'avenir, les emplois et les certifications ations au sujet de: Bonjour, oui. Bienvenue à cette séance. Au cours de cette session, nous voulions comprendre les futurs scénarios d'emploi et les certifications liés à GenIti Ce à quoi nous pouvons nous attendre aujourd'hui se produira à l'avenir. Ce que nous constatons actuellement, c'est que GeneI évolue à un rythme rapide De nombreux nouveaux outils sont en train de voir le jour en ce moment. De plus, les outils actuels dont nous disposons sont les plus importants s'améliorent régulièrement. Il y a une énorme amélioration et un engagement énorme, évolution évolutive, ce qui se produit avec Restogenera Et maintenant, nous constatons également qu'il y a un changement important entre les idées et la mise en œuvre. Ainsi, plutôt que d'expérimenter avec les outils maintenant, les gens ont commencé à les utiliser au quotidien, au travail, au niveau personnel également La mise en œuvre a donc commencé. Et ce que vous verrez éventuellement c'est aussi qu'il y aura des modèles ciblés plus petits de ces LLM qui seront créés pour des cas d'utilisation spécifiques Un exemple simple peut être celui des GPT personnalisés que nous pouvons créer maintenant via Open AI, dans lesquels tout le monde peut créer un GPT personnalisé pour n'importe quel cas d'utilisation et tout le monde peut l'utiliser Cela se produira donc davantage. Vous verrez d'autres modèles de ce type sortir. Et puis il peut également y avoir une fusion d'IA multi-modèles, ce qui est principalement le cas actuellement, si nous le savons, ces LLM peuvent être principalement basés sur du texte, mais vous verrez à l'avenir, cela peut également être pour les images et les vidéos Tout cela va donc évoluer et apparaître dans un avenir proche. Nous allons également assister à un grand nombre de réglementations et de restrictions, à des politiques de responsabilité qui entreront en ligne de compte , car les gouvernements voudraient évidemment réglementer ce type de technologie pour les bons cas d'utilisation. Maintenant, une chose devient très claire, c'est que IA générative va encore progresser et se développer beaucoup plus et que son adoption va augmenter. Ce que nous avons constaté dans la pratique, et c'est ce que dit Gartner, c'est que plus de 80 % des entreprises de l'entreprise ont déjà commencé à utiliser l' IA générative au sein de leurs effectifs La grande question qui se pose à cause de tout cela est donc qui se pose à cause de tout cela est cela remplacera les emplois humains à l' avenir ? Alors, comment voulons-nous envisager les choses de cette manière : il va y avoir un changement de compétences, ce qui est en train de se produire, et cela créera de nouvelles opportunités d'emploi, d'accord ? Ainsi, comme nous l'avons déjà vu au cours des deux ou trente dernières années, il y a beaucoup de monde qui a besoin de personnes capables de coder ou d'utiliser des ordinateurs. Il y a donc eu beaucoup de changements dans les compétences à cette époque. La même chose se produit à nouveau maintenant. Cette fois-ci, nous allons également constater que cela aura un impact plus important sur les travailleurs du savoir, qui concernent principalement le secteur informatique, plutôt que sur d'autres secteurs , car, comme vous la technologie peut très bien être utile pour la génération de ports. Dans d'autres secteurs, cela peut avoir un réel impact comme vous le voyez, les opérations clients, juridique, le marketing et les ventes, le génie logiciel, les infirmières, comme vous le savez, tout cela peut être automatisé De la documentation juridique peut être générée, des supports marketing peuvent être générés. Les opérations personnalisées peuvent être configurées via des GBT personnalisés, des codes de génie logiciel peuvent être générés Tout cela sera donc fortement impacté par la révolution de l'IA. Mais dans le même temps, vous constaterez également une forte augmentation de la productivité humaine, car la qualité du travail s' améliorera. Les enseignants mettront moins de temps à créer un programme d'études. D'accord, les ingénieurs logiciels mettront beaucoup moins de temps à générer du code, le réviser et à créer de meilleurs codes. Ainsi, la qualité du travail s'améliorera à l'avenir. Encore une fois, la question nous revient à savoir si cela aura un impact énorme sur les emplois humains. Donc, à mon avis, ou en général, ce que je peux dire ici, c' est que cela ne remplacera pas entièrement des emplois humains. Nous devrons avant tout l'utiliser comme un outil. Nous devrons l' apprendre et commencer à l'utiliser dans notre travail d'assistant. Nous devons donc le considérer comme une aide, un travailleur très efficace que vous avez désormais en main, que vous pouvez utiliser pour poser des questions comprendre des choses complexes et vous faciliter la tâche L'idée est donc que nous devons commencer à réfléchir à la manière dont nous pouvons l'utiliser afin de produire notre travail, générer notre travail beaucoup plus rapidement et de manière haute qualité. À l'avenir, ce sont les personnes qui ne comprennent pas ou n'utilisent pas l' IA qui remplaceront celles qui prennent des notes. J'espère que cela a du sens. J'espère que vous comprenez maintenant les implications de l'outil d'IA et comment il va évoluer à l' avenir. 62. La voie de l'intelligence artificielle générale (AGI) ): Bonjour, les gars. Bienvenue à ces sessions. Au cours de cette session, nous parlerons du chemin vers l' AGI, l'intelligence générale artificielle. L'intelligence artificielle va être une transition de la configuration actuelle de l'IA que nous avons vers une IA générale ou AGI, que nous appelons cela. Maintenant, cela comprend plusieurs choses. Comme vous pouvez le constater, il y aura du raisonnement, du bon sens, de l'apprentissage, de la créativité, de l'apprentissage par transfert, de la planification. Tout cela en fait partie. Alors qu'actuellement, nous utilisons beaucoup de reconnaissance vocale, de reconnaissance d' images, de modèles linguistiques, de jeux vidéo, de détection d'objets. Tout cela est en train de se produire. Beaucoup d'argent est également investi dans l'AGI, et de nombreux techniciens travaillent actuellement à l'AGI, mais il est encore très incertain de savoir quand nous y parviendrons Maintenant, ce qui est principalement l'AGI, l'intelligence générale artificielle est un système d'IA hypothétique, capable d'effectuer toutes les tâches intellectuelles qu' un humain peut accomplir avec la même ampleur, la même flexibilité C'est l'idée principale. Il ne s'agit pas d'une seule tâche, mais de plusieurs tâches. Il peut apprendre comme un humain comprend principalement le contexte, conscient de ses limites. Tout cela se passe simultanément, et c'est là que siège AGI. Maintenant, si vous regardez le modèle actuel, les principales caractéristiques de l'AGI sont ses compétences étendues, disons qu'il s'agit d' un système chargé de plusieurs tâches, diagnostics, maladies, droits, dossiers juridiques. Toutes ces cibles seront les cibles de l'AGI. Idéalement, un AGI compétent ne se contente pas d'exceller dans un domaine spécialisé, il exécute un large éventail de tâches de manière fluide ou supérieure un large éventail , tout comme une personne peut préparer le petit-déjeuner, rédiger un e-mail et résoudre un problème de mathématiques en une seule opération Avertissement. C'est donc l'idée. C'est là qu'il prévoit d'atteindre. Et à l'heure actuelle, ce sont les différentes caractéristiques que vous trouverez. L'autre aspect est l'apprentissage par transfert. AGI applique donc les compétences d'un domaine à l'autre. Donc, en gros, il apprend une compétence particulière et maintenant il peut également l'implémenter dans d'autres domaines. D'accord ? Le bon sens sera là pour comprendre des règles tacites, comme un verre qui tombera s'il est poussé d'une table, n'est-ce pas ? Tu ne devrais pas ouvrir les yeux à quelqu'un qui pleure. D'accord ? C'est donc quelque chose que le LLM actuel stimule, mais cette AGI finira par les internaliser Il y a aussi l'apprentissage autonome, qui consiste à apprendre continuellement à partir d'expériences vécues, expériences et à développer sa propre réflexion sur la manière de poursuivre différentes choses à l'avenir. C'est l'idée d'AGI. Un autre aspect est la métacognition, c' est-à-dire que lorsqu'on la considère métacognition est avant tout une capacité à surveiller, évaluer et réguler En réfléchissant à la façon dont il convient de réfléchir, c'est ce qui permet à un étudiant de se rendre compte qu'il n'a pas compris un concept et de recommencer à lire. OK, donc l' autosurveillance, principalement l' autosurveillance, la compréhension de ce que vous apprenez, ce à quoi vous pensez, la détection des erreurs, l'endroit où vous les commettez, l' étalonnage de la confiance, disons que je suis sûr à 90 % ou que je ne sais pas exactement. Alors, comment faites-vous l'étalonnage de la confiance ? de changer de stratégie, de savoir quand changer de stratégie en fonction de certains raisonnements, AGI serait capable de changer de stratégie, de savoir quand changer de stratégie en fonction de certains raisonnements, d'une certaine façon de Maintenant, si vous regardez où nous en sommes aujourd'hui, l'état actuel est que nous avons différents modèles, DPT 5.2 est là, tra Gemini, euh, Ultra est là, Alpha Tout cela existe en ce moment, mais il y a certaines limites. Si vous y regardez bien, la raison pour laquelle nous ne sommes toujours pas chez AGI est principalement due à une expertise étroite. Nous n'avons aucun apprentissage continu, aucune conscience de soi, comme le font les LLM en ce moment L'inefficacité des ressources existe, aucun modèle mondial n'a encore été créé et le raisonnement est fragile Maintenant, l'écart qui existe principalement, c'est que l'IA actuelle excelle dans sa distribution de formation Les données d'entraînement, qui existent déjà, en dépendent donc . Le défi réside donc principalement dans le fait que la planification de l'AGI, l'IA actuelle, dépend de l'observation des modèles de saisie, correspond aux données d'entraînement, répond statistiquement probablement, alors que la planification de l'AGI comprend la structure des objectifs, n'est-ce pas ? Modèles de pause et d'effet, plans, séquences en plusieurs étapes. Tout cela va être là. Maintenant, les éléments actuels prédisent le jeton suivant. Ils ne le planifient pas vraiment. Lorsqu'on leur demande de résoudre de nouveaux problèmes en plusieurs étapes, ils enchaînent des étapes plausibles qui échouent souvent sous un examen minutieux Alors que si vous regardez l'AGI, ce dont elle a besoin, c'est d'une décomposition des objectifs hiérarchiques par modèle mondial causal . De même, AGI sera confrontée à un défi de taille , et il faudra beaucoup de temps pour y parvenir. Le second est celui des modèles mondiaux ou du bon sens. Il n'existe donc actuellement aucun modèle mondial. L'IA ne prédit pas que le gobelet tombera ou se renversera lorsqu'on le pousse. Alors que le modèle mondial AGI examine un scénario dans lequel il comprend qu'il comprend le bon sens, à savoir que gravité fait baisser le volume, liquides s'écoulent ou que les objets ont une masse. Ce sont tous des modèles mondiaux sensés qui doivent l'être, l'AGI doit encore comprendre et pour lesquels de nombreux calculs sont nécessaires en ce moment L'apprentissage continu en est un autre. L'apprentissage continu est donc quelque chose qui ne se produit pas actuellement avec AGI. C'est ce que nous envisageons : il y aura un apprentissage continu, les humains apprendront de nouveaux faits sans oublier les anciens, Le cerveau consolide les souvenirs pendant le sommeil. Toutes ces fonctionnalités finiront par devenir des fonctionnalités d'AGI , ce qui n'est pas cas avec les modèles LLM actuels La prédiction est donc la suivante pour le moment. Donc pour le moment, ce qui est prédit, c'est que nous sommes Agentic. L'IA va se mettre en place, compte, l'idée est que l'AGI complète, optimiste en 2045, se situe quelque part comme ça Consensus, la plupart des experts affirment que d'ici 2060, nous devrions atteindre ou atteindre l'AGI complet Et puis il y en a 2 100 également, et rythme actuel se maintient Mais il existe des leaders technologiques spécifiques qui sont également très optimistes à ce sujet. Le Altman a prédit que vers 2029 ou 2032, nous devrions être en mesure d'atteindre AGI Elon Mas de 2026 à 2029, beaucoup plus loin, Ray 2029 à 2045, et ainsi de suite. Comme vous pouvez le constater, AGI sera dix fois plus performant que les modules LLM que nous utilisons actuellement et la situation est mitigée compte tenu de la façon dont il sera utilisé à ce moment-là De nombreux processus doivent donc être mis en place pour réglementer l'utilisation de l' AGI lorsqu'elle sera utilisée à l'avenir. J'espère que cela a du sens. Je dois comprendre le concept de l' AGI et son impact sur le monde à l' avenir. 63. Opportunités de carrière dans l’IA générative: Bonjour. Bienvenue à cette séance. Au cours de cette session, nous parlerons différentes opportunités de carrière qui se présentent dans le domaine de l'IA génitive Donc, en ce moment, comme vous le voyez, en raison de l'essor de la technologie de l'IA, de nombreuses opportunités de carrière présentent et se multiplient en ce moment. Nous pouvons presque dire que plus de 14 millions d' emplois liés à l'IA sont créés dans le monde, et qu'ils augmentent de 40 % par rapport à l'année précédente. Aujourd'hui, tout cela est dû au fait que les carrières en IA ont explosé dans diverses entreprises technologiques comme OpenAI, Grok et dans de nombreuses autres entreprises dans lesquelles toutes ces entreprises essaient d' intégrer les technologies d' IA dans leurs activités Maintenant, si vous regardez les rôles techniques qui se profilent actuellement, on trouve des postes d'ingénieur en ML, de chercheur en IA, d'ingénieur MLOPS, data scientist qui ont les capacités de connaître ces technologies et qui sont bien payés pour ce type de travail en particulier Aujourd'hui, en ce qui concerne le ML en particulier, principales responsabilités des ingénieurs en apprentissage automatique seront de concevoir et de créer des modèles de machine learning seront de concevoir et de créer , d'optimiser les performances des modèles, d' intégrer des modèles d'IA dans des API, puis d'affiner les modèles de base, exécuter divers tests ou expériences AB, collaborer avec des chercheurs, chefs de produit et des équipes de données Leurs compétences techniques nécessiteraient donc Python, Pytorch, tensor flow Tout cela, ils devraient connaître Cloud, AWS, SageMaker, Docker, Gate Linux Tout cela sera exigé des ingénieurs du ML. De même, chercheurs en IA travailleront principalement au développement de nouveaux algorithmes d'IA, à travailleront principalement au développement de nouveaux algorithmes d'IA, réalisation et à la publication de recherches évaluées par les pairs, la conception d' expériences contrôlées, à la pré-formation et évaluation de grands modèles de base, etc. Leurs compétences porteraient sur le doctorat et le ML, le CS, les mathématiques, le calcul avancé, PyTorch et une solide rédaction universitaire Tout cela serait nécessaire. Viennent ensuite les ML Ops, ingénieurs et les data scientists, où les ML Ops chercheront à créer des pipelines CICD, à surveiller la dérive des modèles, à conteneuriser les modèles avec Docker, tandis que les data scientists se concentreront sur l' exploration et le nettoyage des ensembles de données , la création de modèles prédictifs, l' élaboration de tableaux de bord exécutifs, élaboration de tableaux de bord exécutifs les ingénieurs et les data scientists, où les ML Ops chercheront à créer des pipelines CICD, à surveiller la dérive des modèles, à conteneuriser les modèles avec Docker, tandis que les data scientists se concentreront sur l' exploration et le nettoyage des ensembles de données, la création de modèles prédictifs, l' élaboration de tableaux de bord exécutifs, la conception et l'analyse d'ABTS. dehors de cela, si vous regardez les rôles non techniques qui se présentent actuellement dans le domaine de l'IA, ceux liés à l'ingénierie rapide, au chef de produit de l' IA, au spécialiste de l'éthique de l' IA. L'ingénierie rapide consiste donc essentiellement à concevoir des instructions d'IA pour une précision maximale. Et il s'agit d'une forte demande émergente en ce moment pour toute entreprise d'IA. Alors qu'un chef de produit d'IA définit quels produits d'IA il peut créer et pourquoi, comblant ainsi le fossé entre les ingénieurs, les utilisateurs et les entreprises Et c'est une règle en pleine expansion qui se pose en ce moment. Alors que l'éthique de l'IA garantit spécifiquement que les systèmes d'IA sont équitables, impartiaux, sûrs et conformes, les antécédents devraient figurer dans le droit, la philosophie ou les politiques. Maintenant, si vous examinez les autres aspects, il s'agira d'une ingénierie rapide, des chefs de produits d'intelligence artificielle, dont les rôles seront davantage axés sur la chaîne de pensée, les rôles seront davantage axés sur la chaîne de le raffinement itératif des commandes, la création de bibliothèques d'instructions réutilisables création Ce seront tous les rôles de l'ingénierie rapide, tandis que le chef de produit IA définira la vision du produit, tandis que le chef de produit IA définira la vision du produit y donnera la priorité à la feuille de route des fonctionnalités d'IA, priorité à la feuille de route des fonctionnalités d'IA des recherches sur les utilisateurs pour trouver des opportunités d'automatisation de l'IA à forte valeur ajoutée, définira des indicateurs de réussite pour les fonctionnalités d'IA. Maintenant, si vous examinez l'éthique de l'IA, il existe des règles relatives aux spécialistes de l'éthique de l' IA, aux stratèges de contenu en IA et aux formateurs en IA qui sont également abordées dans le domaine de l'éthique de l'IA principalement parce que de nombreux gouvernements du monde entier adoptent des réglementations en matière d'IA Les entreprises ont besoin de spécialistes capables de s'assurer que les systèmes d' IA sont audités, documentés et conformes. Alors que les stratèges de contenu basés sur l'IA sont nécessaires parce que l'IA peut générer différents types de contenu et qu'une intervention humaine est nécessaire pour définir le ton, les normes de précision, les flux de travail éditoriaux et les bibliothèques rapides Les formateurs en IA seront quant à eux utiles car des modèles tels ChatGPT Cloud sont formés à l'aide du RL HF et du feedback, et des évaluateurs humains sont nécessaires pour évaluer ces résultats et obtenir les meilleurs résultats à partir En dehors de ceux-ci, de nombreux rôles hybrides sont également à venir, notamment l'IA dans le secteur de la santé, notamment l'analyse radiologiste en IA, les consultants juridiques en IA , les stratèges en IA W, les concepteurs de programmes d' IA, les artistes en IA générative Ce sont donc tous d'autres rôles différents qui se présentent, qui sont des règles hybrides, dans lesquels vous avez une expertise dans le domaine, et maintenant vous vous êtes également spécialisé dans l'IA, et c' est ce qui va également être le cas. cours que nous proposons peut donc vraiment fonctionner dans cette section particulière où, si vous venez d'un domaine particulier et que vous avez une expertise en IA, vous pouvez les mettre en œuvre très facilement dans votre domaine . J'espère que cela a du sens. J'espère que vous comprenez maintenant les différentes opportunités de carrière qui se multiplient aujourd'hui dans le domaine de l'IA et comment vous pouvez les utiliser dans votre carrière 64. Merci de suivre ce cours !: Bonjour, les gars. Félicitations pour avoir terminé ce cours. Merci encore une fois d'avoir suivi ce cours. J'espère que le contenu a été utile et que vous comprenez maintenant parfaitement ces concepts et que vous pouvez les appliquer pratique dans votre entreprise et pour vos clients. Merci encore une fois et je suis très heureuse de vous revoir bientôt dans un nouveau cours.