Terminologie de l’IA pour les débutants (Glossaire des bases de l’intelligence artificielle)

1. Introduction: Vous avez donc probablement vu l'IA apparaître une tonne de fois dans les actualités. Et bien souvent, beaucoup de ces mots de jargon sont utilisés dans l'IA Maintenant, en tant que non-technicien, j'ai eu du mal à comprendre ce que certains de ces mots signifiaient et ce que cela signifiait par rapport à ma carrière et à mon travail Ce cours vise maintenant à mettre en évidence certains des les plus importants et les plus fondamentaux termes les plus importants et les plus fondamentaux du glossaire afin que vous puissiez mieux comprendre le fonctionnement du monde de l'IA en tant que non-technicien 2. Glossaire: Donc, le premier mot par lequel nous allons commencer sera de A, et nous allons descendre jusqu'à Z. Ce sera donc un ordre alphabétique Si vous devez à nouveau faire référence à un mot , il vous sera ainsi plus facile de le rechercher. Le premier mot que nous allons utiliser ou dont nous allons parler est donc « agents », « agents de l'IA ». Les agents d'intelligence artificielle sont donc ces modèles de langage capables de communiquer entre eux pour nous aider à mieux accomplir une tâche ou une activité donnée. Ainsi, afin d' optimiser les résultats de l'IA, les développeurs travailleraient avec différents agents d'IA. Imaginez avoir une agence de voyages, et ce sont des agents qui utilisent plutôt la technologie pour atteindre cet objectif. Ensuite, nous avons les robots de discussion. Chat Bots c'est Chat GBT, Claude Lama. Ce sont les grands modèles d'IA de chat que nous connaissons et aimons. Et ce sont ceux auxquels tout le monde pense probablement lorsqu'il pense à l'IA, car avec ces robots de discussion, ce sont eux qui nous parlent en langage naturel, puis ils nous donnent une réponse. Et cela mène à toute cette histoire d' intelligence artificielle. La prochaine est la vision par ordinateur. vision par ordinateur est la technologie qui permet à une machine de visualiser une certaine chose . Elle peut englober un champ entier et un champ entier et présenter de nombreuses complexités différentes Lorsque nous parlons de la vision de Chat GBT, l'entreprise utilise cette technologie et tous les enseignements de cette communauté pour la mettre en œuvre dans son processus de vision Ainsi, lorsque vous configurez des images et que vous leur demandez d'évaluer de quoi il s'agit, elles entrent également dans cette catégorie. Ou si vous l'utilisez pour évaluer les distances et les structures faciales, cela relève également de la vision par ordinateur. Ensuite, nous avons le deep learning. L'apprentissage profond, c'est lorsque vous vous concentrez davantage sur le type d'apprentissage automatique que vous pratiquez, et que l'apprentissage automatique abordera plus tard. Mais il utilise cet ensemble spécifique d'informations et se concentre davantage sur ce sujet. Vous utiliseriez donc l'apprentissage en profondeur lorsque quelqu' un étudie une certaine langue ou un certain type d'examen pour un certain créneau. Il s'agit peut-être de traduire des langues, de lire un diagnostic ou aider à créer certaines parties de l'image Tout cela consiste à catégoriser les informations, décomposer en une secte ou un secteur en particulier, puis à enrichir les connaissances ou à obtenir des résultats à partir de ces connaissances Ensuite, nous avons le GPT, qui signifie transformateur préentraîné génératif chat GPT est donc chat qui est un transformateur génératif pré-entraîné C'est pourquoi il est également possible de créer des GPT personnalisés, qui sont vos propres GPT personnalisés Et le mot explique essentiellement ce qu'il est en lui-même. Si générative, elle génère des données préentraînées, ce qui signifie qu'elle génère à partir des données entraînées qu' elle possède des transformateurs, lesquels sont une technologie de sortie prédictive Ensuite, nous avons de grands modèles linguistiques, et les grands modèles linguistiques sont cet énorme ensemble de données qui peut être classé en langage naturel. Donc, si l' IA a tellement explosé, c'est parce que nous sommes désormais en mesure d'utiliser le langage naturel. Et avec ces langues naturelles, peut-être l'anglais, le vietnamien, le chinois, russe, tous ces types de langues. Si vous pouvez utiliser le langage pour accéder à ces ensembles de données par le biais de ces grands modèles linguistiques, vous êtes en mesure de récupérer des quantités importantes de données à un rythme extrêmement rapide pour obtenir bien meilleurs résultats. C'est pourquoi vous pouvez accéder à Chat GBT. Dites quelque chose, et quand il le fait, il accède à toutes les informations dont il dispose, puis il vous fournit une réponse basée sur ce que vous voulez Mais une façon rapide de penser aux grands modèles linguistiques, LLM, est d'utiliser votre mot naturel pour l'aider à comprendre, à partir de cet énorme cerveau , comment extraire les informations pertinentes et spécifiques dont vous avez besoin pour obtenir le résultat que vous souhaitez Ensuite, il y a l'apprentissage automatique. L'apprentissage automatique consiste essentiellement faire en sorte que les machines apprennent à partir d'un ensemble de données. Et c'est important car au cours de la dernière décennie, et même avant, l'apprentissage automatique est essentiellement la façon dont les gens entraînaient certains ensembles de données pour obtenir certaines réponses qu'ils souhaitaient. Par exemple, si vous construisez un robot pour cueillir des fraises, vous utiliserez l'apprentissage automatique pour apprendre à ce robot à choisir les cultures à cueillir, couleurs à regarder, puis à choisir les bonnes fraises. nombreuses personnes issues du monde de l'apprentissage automatique se sont tournées vers le monde de l'IA, qui constitue essentiellement la prochaine étape de l' interprétation et de l'utilisation des données. C'est pourquoi il y a beaucoup de points intermédiaires et de maillages entre ces technologies Le mot suivant est langage naturel. Alors que nous travaillons avec l'IA, nous utilisons le langage naturel. Et vous verrez que cela revient souvent, car les gens utilisent des termes tels PNL pour décrire le fait qu'il s'agit d'un traitement du langage naturel. Ainsi, lorsque vous travaillez avec leur LLM, ils utilisent leurs données pour traiter votre langage naturel Donc, personnellement, je pense qu'à l'avenir, langage naturel ressemblera à la façon dont un codeur utilise le code pour obtenir le résultat qu'il souhaite. Le terme suivant est celui des réseaux neuronaux, et les réseaux de neurones sont essentiellement le fonctionnement du réseau neuronal du cerveau. Une grande partie de la théorie de l'IA et de la manière dont nous récupérons les informations dans le cadre de l'IA repose sur des études sur les réseaux neuronaux. Ingénierie ou incitation rapides. C'est à ce moment que vous écrivez l'invite à saisir dans le modèle de langage. Et la partie ingénierie signifie que lorsque vous rédigez une invite, comment savoir quelles sont les corrections à apporter ? Comment connaissez-vous votre objectif ? Et comment cela se traduit-il par cette invite que vous écrivez pour que, lorsque vous l'envoyez à la machine, celle-ci sache quel type d'information récupérer et vous donne le résultat souhaité ? Jetons. En termes simples, les jetons sont les mots que vous saisissez dans votre invite avant de la soumettre. Transformateurs. Ainsi, les transformateurs que la plupart des gens connaissent seraient des transformateurs Cat GBT Et la façon dont cela fonctionne, c'est que les transformateurs sont capables de comprendre tous les différents mots dans un contexte Et à partir de ces mots, il attribue des poids et des importances, comme l'importance d'un certain mot dans cette phrase Puis, au fur et à mesure qu'elle entre dans la machine, elle commence à traiter et à rechercher les données dont elle a besoin en fonction de l' invite que vous lui avez donnée. Vérifiez quel mot est le plus important. Il l'enverra donc dans cette direction dans le cloud de données, puis, en fonction de vos autres jetons, il déterminera où envoyer son robot de données et trouvera les bonnes données à regrouper puis à vous Et le truc avec les transformateurs, c'est qu'ils utilisent technologie prédictive pour prédire ce qui vous sera donné ensuite Il s'appuie donc sur le mot précédent en fonction des informations qui lui sont données. Il s'agit donc de prendre toutes ces données, accéder à une bibliothèque contenant toutes ces données, de les décomposer en fonction de ce qui est essentiel à vos besoins, puis de les prévoir et individuellement à l'aide ses algorithmes d' analyse prédictive pour vous renvoyer ce que vous lui aviez demandé à l'origine Voici donc le glossaire des mots que vous devez connaître en tant que non-technicien entrant dans le monde de l'IA Cela devrait vous donner les bases nécessaires pour comprendre chaque fois qu'il y a une nouvelle version, des mises à jour ou une avancée majeure dans le domaine de l'IA. J'espère que ce cours vous plaira et je vous verrai la prochaine fois.