Les sept programmes d’études de ChatGPT qu’il aurait pu apprendre
Par simple curiosité, je me suis demandé ce que GPT aurait pu étudier. Chercher des données et des types d’apprentissage direct semblait un peu ennuyeux, alors j’ai recherché les types de problèmes abordés dans le domaine de la recherche en traitement du langage naturel.
Le site web Papers with Code classe 583 sujets de recherche en traitement du langage naturel, ce qui signifie que « des chercheurs du monde entier étudient la même question ». Il est probable que ces types de problèmes aient été inclus dans un petit programme d’études de ce que GPT a appris grâce à son vaste contenu.
Parmi eux, j’ai choisi sept sujets étroitement liés à la vie quotidienne.
Génération de texte à partir de données
Ce sujet de recherche consiste à générer un texte descriptif à partir de données de « tableaux » couramment rencontrées. C’est une étude nécessaire pour la productivité des analystes de données comme moi, et en même temps, c’est une étude qui affecte les emplois (GPT n’est pas la seule chose qui affecte les emplois, n’est-ce pas ?).
Décrire et interpréter des données peut être difficile pour les machines si on leur donne trop de liberté pour imaginer ou injecter des intentions. Avant tout, il doit être exprimé avec précision. Et cette description n’est pas simple. Elle doit résoudre simultanément divers sous-sujets, tels que ce qu’il faut expliquer, sur quoi se concentrer et quelles expressions utiliser pour augmenter la clarté.
Transfert de style de texte
S’il y a une « imitation de voix » dans les études vocales, il y a une « conversion de style » dans le traitement du langage naturel. Par exemple, c’est la technique permettant de changer le style de discours de différents locuteurs tout en maintenant la même signification de la phrase.
Vous pouvez changer un « ton confortable » en un « ton en colère », un « style masculin » en un « style féminin », et des « mots et des phrases enfantins » en une « grammaire adulte ».
Par exemple, convertir l’explication technique d’Elon Musk sur SpaceX dans le style du discours d’Harry Potter. C’est une technique permettant de changer le style de différents locuteurs tout en maintenant la même signification de la phrase.
Traduction clinique de langage
Lorsque nos symptômes dépassent un simple rhume, même si nous entendons le diagnostic d’un médecin dans notre langue maternelle, cela peut sembler être une langue étrangère. Pour combler cette lacune, il existe un domaine de recherche qui traduit des textes médicaux remplis de terminologie spécialisée dans une langue que le grand public peut comprendre.
Classification des intentions
En termes simples, il s’agit d’une étude sur la façon de comprendre ce que quelqu’un veut dire même s’il ne l’exprime pas clairement. Par exemple, dans un service commercial, cela peut aider à déterminer si quelqu’un veut effectuer un achat, passer à un abonnement plus cher ou résilier son abonnement. S’il s’agit d’un chatbot, il peut identifier des sujets pertinents à partir de quelques mots laissés par l’utilisateur et suggérer des informations qui pourraient être utiles à l’utilisateur.
Complétion d’histoire
Cette recherche vise à combler les parties manquantes d’une histoire, même si l’intrigue n’est pas parfaitement complète. Cela peut inclure deviner et relier de manière transparente les parties manquantes du texte principal, pas seulement la conclusion. Si l’histoire contient trop de termes techniques ou nécessite beaucoup de connaissances préalables, des annotations peuvent être fournies pour aider les lecteurs à suivre.
L’utilité de cette recherche dépasse les romans et peut s’appliquer à la vie quotidienne. Beaucoup de gens sont victimes de la « malédiction de la connaissance », en supposant que les autres savent déjà ce qu’ils savent. Il serait utile si le modèle de complétion d’histoire pouvait intervenir en tant que médiateur des connaissances entre les personnes.
Récit visuel
Si l’on vous donnait une photo d’une personne sortant de la gare de Manhattan, deux versions d’une explication pourraient être rédigées comme suit :
- « Il y a une personne qui court à la 2ème sortie de la gare de Manhattan. Il y a un arbre, une route et une voiture à côté. »
- « Encore en retard aujourd’hui. »
Les gens peuvent comprendre le contexte et créer une histoire à partir d’une seule image comme celle-ci. Cependant, cela était une tâche difficile pour l’intelligence artificielle. Et fournir un contexte pour relier plusieurs images dans une histoire cohérente, et finalement générer des phrases, est un autre niveau de recherche en récit visuel.
Génération de texte à partir de concepts
« La génération de texte basée sur un concept » est légèrement différente de « la complétion d’une histoire », dont il a été question précédemment. Alors que la recherche de complétion d’une histoire remplit un contexte vide, la recherche présentée cette fois-ci crée une phrase plausible avec quelques mots donnés.
J’ai également confié une tâche à GPT4 cette fois-ci. Je lui ai demandé de faire une phrase avec quatre mots : « matin, café, pain, métro ». Cela semble être une tâche facile pour GPT maintenant.
Il s’est réveillé tôt le matin, s’est versé une tasse de café, a pris une bouchée de pain chaud et s’est dirigé vers la station de métro pour le travail.
Les contenus sélectionnés dans cet article ne sont que quelques-uns des différents sujets de recherche. En plus du traitement du langage naturel, le domaine de la recherche en intelligence artificielle comprend la reconnaissance vocale, la génération d’images/vidéos, et bien d’autres, qui sont infinis. Vous pouvez également faire preuve de créativité en parcourant les sujets qui ont été étudiés jusqu’à présent et en pensant : « J’ai appris ces types, donc je peux les développer avec ces types de questions. » Veuillez également visiter ce site pour explorer de bonnes idées.