auto-distanciation

Une fois que nous aurons appris à vivre avec nos sentiments au lieu de les combattre, les manifestations de notre corps ne nous apparaîtront plus comme une menace, mais comme de salutaires rappels de notre histoire.

Auteur: Miller Alice

Info: Notre corps ne ment jamais, p. 115

[ zen ] [ psychosomatique ]

image

Dans l'oeil de mon esprit, je visualise comment un détail, une vue et un sentiment apparaîtront sur une copie. Si ça m'excite, il y a de fortes chances que ça fera une bonne photographie. C'est un sens intuitif, une capacité qui vient de beaucoup de pratique.

Auteur: Adams Ansel

Info:

[ inspiration ]

végétal

- Bien que certaines espèces vivent plus de cent ans, elles ne fleurissent qu'une seule fois.
- Il est impossible de déterminer à quel moment la floraison aura lieu car à l'heure actuelle, on ne connaît pas les déclencheurs de leur induction florale.
- De nombreuses espèces de bambous peuvent donner deux types de floraison: une partielle durant laquelle seulement quelques fleurs apparaîtront sur les hampes, sans incidence particulière sur l'environnement, ou une autre, grégaire, qui provoquera immanquablement de véritables catastrophes.

Auteur: Internet

Info: in Bambou les fleurs du mal, 30 mai 2011 par vertil

[ mystère ] [ triade ]

jalons

Tournent les martinets dans les hauteurs de l’air:

Plus haut encore tournent les astres invisibles.

Que le jour se retire aux extrémités de la terre,

apparaîtront ces feux sur l’étendue de sombre sable...



Ainsi nous habitons un domaine de mouvements

et de distances ; ainsi le cœur

va de l’arbre à l’oiseau, de l’oiseau aux astres lointains,

de l’astre à son amour. Ainsi l’amour

dans la maison fermée s’accroît, tourne et travaille,

serviteur des soucieux portant une lampe à la main

Auteur: Jaccottet Philippe

Info: Distances, in L'ignorant, p. 84

[ poème ] [ cercles concentriques ]

désespoir

Peu d'êtres auront été à ce point imprégnés, transpercés jusqu'aux os par le néant absolu de toute aspiration humaine. L'univers n'est qu'un furtif arrangement de particules élémentaires. Une figure de transition vers le chaos. Qui finira par l'emporter. La race humaine disparaîtra. D'autres races apparaîtront, et disparaîtront à leur tour. Les cieux seront glaciaux et vides, traversés par la faible lumière d'étoiles à demi mortes. Qui, elles aussi, disparaîtront. Tout disparaîtra. Et les actions humaines sont aussi libres et dénuées de sens que les libres mouvements des particules élémentaires. Le bien, le mal, la morale, les sentiments ? Pures "fictions victoriennes". Seul l'égoïsme existe. Froid, inentamé et rayonnant.

Auteur: Houellebecq Michel

Info: H. P. Lovecraft : Contre le monde, contre la vie, p 18

[ existence ] [ perdu ]

printemps

Bientôt sera fait échec à l’hiver ;

Bientôt se délaceront fondront les ligatures glacées

   -Encore un peu,

L’air, la terre, la vague seront inondées de douceur par la nature épanouie – mille formes apparaîtront

Aux mottes de terre sourdes, aux courants d’air montés comme du fond des caveaux.

Tes yeux tes oreilles – tes meilleurs attributs – tout ce qui prend connaissance de la beauté de la Nature,

S’éveilleront, s’empliront. Tu percevras les spectacles simples, les miracles délicats de la terre,

Les pissenlits, le trèfle, l’herbe émeraude, les parfums les fleurs précoces,

L’arbousier sous la semelle, le vert jaune du saule pleurer, le prunier le cerisier en fleurs ;

Avec eux le rouge-gorge, l’alouette la grive, chanteront leurs chants – le rouge-gorge bleu aux ailes vives ;

Tous les spectacles que la pièce annuelle rejoue.

Auteur: Whitman Walt

Info: Dans "Feuilles d'herbe", Bientôt sera fait échec à l'hiver, traduction Jacques Darras, éditions Gallimard, 2002

[ renaissance ] [ poème ]

transhumanisme

Prédiction finale de Stephen Hawking : Une race de surhommes artificiels va conquérir le monde.

La dernière prédiction du physicien peu avant sa mort, il y a sept mois, est que la race humaine va diverger. Des "surhumains" riches et génétiquement modifiés domineront les "non améliorés".

Hawking a laissé un recueil d'articles et d'essais sur ce qu'il appelait "les grandes questions", en prévision d'un livre qui sera publié mardi prochain. Dans ses brèves réponses à ces questions, il suggère que les gens riches pourront bientôt choisir de modifier leur propre ADN et celui de leurs enfants pour créer des surhommes dont la mémoire, la résistance aux maladies, l'intelligence et la longévité seront facilitées. "

Je suis sûr qu'au cours de ce siècle, les gens découvriront comment modifier à la fois l'intelligence et les instincts comme l'agressivité", écrit Hawking. "Des lois seront probablement votées contre le génie génétique avec des humains. Mais certaines personnes ne résisteront pas à la tentation d'améliorer certaines caractéristiques humaines, comme la mémoire, la résistance aux maladies et la durée de vie."

Lorsque que de tels surhommes apparaîtront, ajoute Hawking, il y aura d'importants problèmes politiques avec les hommes normaux, qui ne seront pas capables de rivaliser. Vraisemblablement, ils mourront ou deviendront insignifiants. Il y aura à la place une race d'êtres auto-créés qui s'amélioreront à un rythme toujours croissant.

Hawking se réfère aux techniques d'édition d'ADN comme Crispr, une technologie vieille de six ans, qui permet aux scientifiques de manipuler les gènes pour éliminer les caractères nuisibles ou en ajouter de nouveaux.

La technologie Crispr est déjà utilisée, car le Great Ormond Street Hospital for Children de Londres. Elle utilise la technique de modification génétique pour traiter une forme de leucémie autrement incurable.

"Les humains ont sans doute atteint un moment critique", a déclaré Chris Rapley, professeur de sciences climatiques à l'University College de Londres. "Au-delà d'un impact à l'échelle des paysages de la planète, nous interférons maintenant avec son métabolisme même à l'échelle mondiale. Tout indique que les limites de nos cerveaux, tant individuelles que collectives, nous rendent incapables de relever ce défi. Au vu de cela, l'avenir semble désespérément sombre."

Les scientifiques seront-ils capables de créer génétiquement un système circulatoire capable de survivre dans un environnement pauvre en oxygène une fois que le phytoplancton sera mort ?

Auteur: Internet

Info: Zerohedge, 10/16/2018

[ futur ]

âge de fer

Le houtouktou de Narabanchi me raconta ceci quand je lui fis une visite à son monastère au commencement de 1921 :

— Quand le Roi du Monde apparut devant les lamas, favorisés de Dieu, dans notre monastère, il y a trente ans, il fit une prophétie relative aux siècles qui devaient suivre. La voici :

"De plus en plus les hommes oublieront leurs âmes et s’occuperont de leurs corps. La plus grande corruption régnera sur la terre. Les hommes deviendront semblables à des animaux féroces, assoiffés du sang de leurs frères. Le Croissant s’effacera et ses adeptes tomberont dans la mendicité et dans la guerre perpétuelle. Ses conquérants seront frappés par le soleil mais ne monteront pas deux fois ; il leur arrivera le plus grand des malheurs, qui s’achèvera en insultes aux yeux des autres peuples. Les couronnes des rois, grands et petits, tomberont : un, deux, trois quatre, cinq, six, sept, huit… Il y aura une guerre terrible entre tous les peuples. Les océans rougiront… la terre et le fond des mers seront couverts d’ossements… des royaumes seront morcelés, des peuples entiers mourront… la faim, la maladie, des crimes inconnus des lois, que jamais encore le monde n’avait vus.

Alors viendront les ennemis de Dieu et de l’Esprit divin qui se trouvent dans l’homme. Ceux qui prennent la main d’un autre périront aussi. Les oubliés, les persécutés, se lèveront et retiendront l’attention du monde entier. Il y aura des brouillards et des tempêtes. Des montagnes dénudées se couvriront de forêts. La terre tremblera… Des millions d’hommes échangeront les chaînes de l’esclavage et les humiliations, pour la faim, la maladie et la mort. Les anciennes routes seront couvertes de foules allant d’un endroit à un autre. Les plus grandes, les plus belles cités périront par le feu… une, deux, trois… Le père se dressera contre le fils, le frère contre le frère, la mère contre la fille. Le vice, le crime, la destruction du corps et de l’âme suivront… Les familles seront dispersées… La fidélité et l’amour disparaîtront… De dix mille hommes, un seul survivra… il sera nu, fou, sans force et ne saura pas se bâtir une maison ni trouver sa nourriture…

Il hurlera comme le loup furieux, dévorera des cadavres, mordra sa propre chair et défiera Dieu au combat… Toute la terre se videra. Dieu s’en détournera. Sur elle se répandra seulement la nuit et la mort. Alors j’enverrai un peuple, maintenant inconnu, qui, d’une main forte, arrachera les mauvaises herbes de la folie et du vice, et conduira ceux qui restent fidèles à l’esprit de l’homme dans la bataille contre le mal. Ils fonderont une nouvelle vie sur la terre purifiée par la mort des nations. Dans la centième année, trois grands royaumes seulement apparaîtront qui vivront heureux pendant soixante et onze ans. Ensuite il y aura dix-huit ans de guerre et de destruction. Alors les peuples d’Agharti sortiront de leurs cavernes souterraines et apparaîtront sur la surface de la terre."

Auteur: Ossendowski Ferdynand

Info: Dans "Bêtes, hommes et dieux", traduit de l’anglais par Robert Renard, éditions Phébus, Paris, 1995, pages 306-307

[ manvantara ] [ cycles temporels ] [ kali yuga ] [ fin du monde ]

intelligence artificielle

Apprendre l'anglais n'est pas une tâche facile, comme le savent d'innombrables étudiants. Mais lorsque l'étudiant est un ordinateur, une approche fonctionne étonnamment bien : Il suffit d'alimenter un modèle mathématique géant, appelé réseau neuronal, avec des montagnes de textes provenant d'Internet. C'est le principe de fonctionnement des modèles linguistiques génératifs tels que ChatGPT d'OpenAI, dont la capacité à tenir une conversation cohérente (à défaut d'être toujours sincère) sur un large éventail de sujets a surpris les chercheurs et le public au cours de l'année écoulée.

Mais cette approche présente des inconvénients. D'une part, la procédure de "formation" nécessaire pour transformer de vastes archives textuelles en modèles linguistiques de pointe est coûteuse et prend beaucoup de temps. D'autre part, même les personnes qui forment les grands modèles linguistiques ont du mal à comprendre leur fonctionnement interne, ce qui, à son tour, rend difficile la prévision des nombreuses façons dont ils peuvent échouer.

Face à ces difficultés, certains chercheurs ont choisi d'entraîner des modèles plus petits sur des ensembles de données plus restreints, puis d'étudier leur comportement. "C'est comme le séquençage du génome de la drosophile par rapport au séquençage du génome humain", explique Ellie Pavlick, chercheuse sur les modèles de langage à l'université de Brown.

Dans un article récemment publié sur le serveur scientifique arxiv.org, deux chercheurs de Microsoft ont présenté une nouvelle méthode pour former de minuscules modèles de langage : Les élever avec un régime strict d'histoires pour enfants.

RÉSEAUX NEURONAUX

Des chercheurs acquièrent une nouvelle compréhension à partir d'une simple IA  

Les chercheurs en apprentissage automatique ont compris cette leçon. GPT-3.5, le grand modèle linguistique qui alimente l'interface ChatGPT, compte près de 200 milliards de paramètres et a été entraîné sur un ensemble de données comprenant des centaines de milliards de mots (OpenAI n'a pas publié les chiffres correspondants pour son successeur, GPT-4).  L'entraînement de modèles aussi vastes nécessite généralement au moins 1 000 processeurs spécialisés, appelés GPU, fonctionnant en parallèle pendant des semaines. Seules quelques entreprises peuvent réunir les ressources nécessaires, sans parler de l'entraînement et de la comparaison de différents modèles.

Les deux chercheurs ont montré que des modèles linguistiques des milliers de fois plus petits que les systèmes de pointe actuels apprenaient rapidement à raconter des histoires cohérentes et grammaticalement justes lorsqu'ils étaient formés de cette manière. Leurs résultats indiquent de nouvelles pistes de recherche qui pourraient être utiles pour former des modèles plus importants et comprendre leur comportement.

"J'ai trouvé tout  ça très instructif", a déclaré Chandra Bhagavatula, chercheur sur les modèles de langage à l'Allen Institute for Artificial Intelligence de Seattle. "Le concept lui-même est très intéressant.

Il était une fois

Les réseaux neuronaux au cœur des modèles de langage sont des structures mathématiques vaguement inspirées du cerveau humain. Chacun d'entre eux contient de nombreux neurones artificiels disposés en couches, avec des connexions entre les neurones des couches adjacentes. Le comportement du réseau neuronal est régi par la force de ces connexions, appelées paramètres. Dans un modèle linguistique, les paramètres contrôlent les mots que le modèle peut produire ensuite, compte tenu d'une invite initiale et des mots qu'il a déjà générés.

Un modèle ne prend véritablement vie qu'au cours de la formation, lorsqu'il compare de manière répétée ses propres résultats au texte de son ensemble de données de formation et qu'il ajuste ses paramètres afin d'accroître la ressemblance. Un réseau non entraîné avec des paramètres aléatoires est trivialement facile à assembler à partir de quelques lignes de code, mais il ne produira que du charabia. Après l'entraînement, il peut souvent poursuivre de manière plausible un texte peu familier. Les modèles de plus grande taille sont souvent soumis à des réglages plus fins qui leur apprennent à répondre à des questions et à suivre des instructions, mais l'essentiel de la formation consiste à maîtriser la prédiction des mots.

Pour réussir à prédire des mots, un modèle linguistique doit maîtriser de nombreuses compétences différentes. Par exemple, les règles de la grammaire anglaise suggèrent que le mot suivant le mot "going" sera probablement "to", quel que soit le sujet du texte. En outre, un système a besoin de connaissances factuelles pour compléter "la capitale de la France est", et compléter un passage contenant le mot "not" nécessite une connaissance rudimentaire de la logique.

"Le langage brut est très compliqué", explique Timothy Nguyen, chercheur en apprentissage automatique chez DeepMind. "Pour que des capacités linguistiques intéressantes apparaissent, les gens ont eu recours à l'idée que plus il y a de données, mieux c'est".

(photo) Ronen Eldan s'est rendu compte qu'il pouvait utiliser les histoires d'enfants générées par de grands modèles linguistiques pour en entraîner rapidement de plus petits.

Introduction

Ronen Eldan, mathématicien qui a rejoint Microsoft Research en 2022 pour étudier les modèles de langage génératifs, souhaitait développer un moyen moins coûteux et plus rapide d'explorer leurs capacités. Le moyen naturel d'y parvenir était d'utiliser un petit ensemble de données, ce qui signifiait qu'il devait entraîner les modèles à se spécialiser dans une tâche spécifique, afin qu'ils ne s'éparpillent pas. Au départ, il voulait entraîner les modèles à résoudre une certaine catégorie de problèmes mathématiques, mais un après-midi, après avoir passé du temps avec sa fille de 5 ans, il s'est rendu compte que les histoires pour enfants convenaient parfaitement. "L'idée m'est venue littéralement après lui avoir lu une histoire", a-t-il déclaré.

Pour générer des histoires cohérentes pour les enfants, un modèle de langage devrait apprendre des faits sur le monde, suivre les personnages et les événements, et observer les règles de grammaire - des versions plus simples des défis auxquels sont confrontés les grands modèles. Mais les grands modèles formés sur des ensembles de données massives apprennent d'innombrables détails non pertinents en même temps que les règles qui comptent vraiment. Eldan espérait que la brièveté et le vocabulaire limité des histoires pour enfants rendraient l'apprentissage plus gérable pour les petits modèles, ce qui les rendrait à la fois plus faciles à former et plus faciles à comprendre.

Dans le monde des modèles de langage, cependant, le terme "petit" est relatif : Un ensemble de données mille fois plus petit que celui utilisé pour former GPT-3.5 devrait encore contenir des millions d'histoires. "Je ne sais pas combien d'argent vous voulez dépenser, mais je suppose que vous n'allez pas engager des professionnels pour écrire quelques millions de nouvelles", a déclaré M. Nguyen.

Il faudrait un auteur extraordinairement prolifique pour satisfaire des lecteurs aussi voraces, mais Eldan avait quelques candidats en tête. Qui peut mieux écrire pour un public de petits modèles linguistiques que pour de grands modèles ?

Toys stories

Eldan a immédiatement entrepris de créer une bibliothèque d'histoires synthétiques pour enfants générées par de grands modèles linguistiques. Mais il a rapidement découvert que même les modèles de pointe ne sont pas naturellement très créatifs. Si l'on demande à GPT-4 d'écrire des histoires adaptées à des enfants de 4 ans, explique Eldan, "environ un cinquième des histoires concernera des enfants qui vont au parc et qui ont peur des toboggans". C'est apparemment la quintessence des histoires pour enfants d'âge préscolaire, selon l'Internet.

La solution a consisté à ajouter un peu d'aléatoire dans le message. Tout d'abord, Eldan a utilisé le GPT-4 pour générer une liste de 1 500 noms, verbes et adjectifs qu'un enfant de 4 ans pourrait connaître - suffisamment courte pour qu'il puisse facilement la vérifier lui-même. Il a ensuite écrit un programme informatique simple qui demanderait à plusieurs reprises à GPT-3.5 ou à GPT-4 de générer une histoire adaptée à l'âge de l'enfant, comprenant trois mots aléatoires de la liste, ainsi qu'un détail supplémentaire choisi au hasard, comme une fin heureuse ou un rebondissement de l'intrigue. Les histoires obtenues, heureusement, étaient moins axées sur des diapositives effrayantes.

Eldan disposait désormais d'une procédure pour produire des données de formation à la demande, mais il n'avait aucune idée du nombre d'histoires dont il aurait besoin pour former un modèle fonctionnel, ni de la taille de ce modèle. C'est alors qu'il s'est associé à Yuanzhi Li, chercheur en apprentissage automatique chez Microsoft et à l'université Carnegie Mellon, pour essayer différentes possibilités, en tirant parti du fait que les petits modèles peuvent être formés très rapidement. La première étape consistait à décider comment évaluer leurs modèles.

Introduction

Dans la recherche sur les modèles de langage - comme dans toute salle de classe - la notation est un sujet délicat. Il n'existe pas de rubrique parfaite qui englobe tout ce que les chercheurs veulent savoir, et les modèles qui excellent dans certaines tâches échouent souvent de manière spectaculaire dans d'autres. Au fil du temps, les chercheurs ont mis au point divers critères de référence standard basés sur des questions dont les réponses ne sont pas ambiguës, ce qui est une bonne approche si vous essayez d'évaluer des compétences spécifiques. Mais Eldan et Li se sont intéressés à quelque chose de plus nébuleux : quelle doit être la taille réelle des modèles linguistiques si l'on simplifie le langage autant que possible ?

"Pour vérifier directement si le modèle parle anglais, je pense que la seule chose à faire est de laisser le modèle générer de l'anglais de manière ouverte", a déclaré M. Eldan.

Il n'y a que deux façons de mesurer les performances d'un modèle sur des questions aussi qualitatives : S'appuyer sur des évaluateurs humains ou se tourner à nouveau vers le GPT-4. Les deux chercheurs ont opté pour cette dernière solution, laissant les grands modèles à la fois rédiger les manuels et noter les dissertations.

Bhagavatula a déclaré qu'il aurait aimé voir comment les évaluations de GPT-4 se comparaient à celles des correcteurs humains - GPT-4 peut être biaisé en faveur des modèles qu'il a aidé à former, et l'opacité des modèles de langage rend difficile la quantification de tels biais. Mais il ne pense pas que de telles subtilités affecteraient les comparaisons entre différents modèles formés sur des ensembles similaires d'histoires synthétiques - l'objectif principal du travail d'Eldan et Li.

Eldan et Li ont utilisé une procédure en deux étapes pour évaluer chacun de leurs petits modèles après la formation. Tout d'abord, ils ont présenté au petit modèle la première moitié d'une histoire distincte de celles de l'ensemble des données d'apprentissage, de manière à ce qu'il génère une nouvelle fin, en répétant ce processus avec 50 histoires de test différentes. Ensuite, ils ont demandé à GPT-4 d'évaluer chacune des fins du petit modèle en fonction de trois catégories : créativité, grammaire et cohérence avec le début de l'histoire. Ils ont ensuite fait la moyenne des notes obtenues dans chaque catégorie, obtenant ainsi trois notes finales par modèle.

Avec cette procédure en main, Eldan et Li étaient enfin prêts à comparer les différents modèles et à découvrir quels étaient les étudiants les plus brillants.

Résultats des tests

Après quelques explorations préliminaires, les deux chercheurs ont opté pour un ensemble de données de formation contenant environ 2 millions d'histoires. Ils ont ensuite utilisé cet ensemble de données, baptisé TinyStories, pour entraîner des modèles dont la taille varie de 1 million à 30 millions de paramètres, avec un nombre variable de couches. Le travail a été rapide : En utilisant seulement quatre GPU, l'entraînement du plus grand de ces modèles n'a pas pris plus d'une journée.

Les plus petits modèles ont eu du mal. Par exemple, l'une des histoires testées commence par un homme à l'air méchant qui dit à une fille qu'il va lui prendre son chat. Un modèle à un million de paramètres s'est retrouvé bloqué dans une boucle où la fille répète sans cesse à l'homme qu'elle veut être son amie. Mais les modèles plus grands, qui sont encore des milliers de fois plus petits que GPT-3.5, ont obtenu des résultats surprenants. La version à 28 millions de paramètres racontait une histoire cohérente, même si la fin était sinistre : "Katie s'est mise à pleurer, mais l'homme s'en fichait. Il a emporté le chat et Katie n'a plus jamais revu son chat. Fin de l'histoire".

En plus de tester leurs propres modèles, Eldan et Li ont soumis le même défi au GPT-2 d'OpenAI, un modèle de 1,5 milliard de paramètres publié en 2019. Le résultat a été bien pire - avant la fin abrupte de l'histoire, l'homme menace d'emmener la jeune fille au tribunal, en prison, à l'hôpital, à la morgue et enfin au crématorium.

Introduction

Selon M. Nguyen, il est passionnant que des modèles aussi petits soient aussi fluides, mais il n'est peut-être pas surprenant que GPT-2 ait eu du mal à accomplir la tâche : il s'agit d'un modèle plus grand, mais loin de l'état de l'art, et il a été formé sur un ensemble de données très différent. "Un enfant en bas âge qui ne s'entraînerait qu'à des tâches d'enfant en bas âge, comme jouer avec des jouets, obtiendrait de meilleurs résultats que vous ou moi", a-t-il fait remarquer. "Nous ne nous sommes pas spécialisés dans cette chose simple.

Les comparaisons entre les différents modèles de TinyStories ne souffrent pas des mêmes facteurs de confusion. Eldan et Li ont observé que les réseaux comportant moins de couches mais plus de neurones par couche étaient plus performants pour répondre aux questions nécessitant des connaissances factuelles ; inversement, les réseaux comportant plus de couches et moins de neurones par couche étaient plus performants pour garder en mémoire les personnages et les points de l'intrigue situés plus tôt dans l'histoire. Bhagavatula a trouvé ce résultat particulièrement intriguant. S'il peut être reproduit dans des modèles plus vastes, "ce serait un résultat vraiment intéressant qui pourrait découler de ce travail", a-t-il déclaré.

Eldan et Li ont également étudié comment les capacités de leurs petits modèles dépendaient de la durée de la période de formation. Dans tous les cas, les modèles maîtrisaient d'abord la grammaire, puis la cohérence. Pour Eldan, ce schéma illustre comment les différences dans les structures de récompense entraînent des différences dans les schémas d'acquisition du langage entre les réseaux neuronaux et les enfants. Pour les modèles de langage, qui apprennent en prédisant des mots, "l'incitation pour les mots "je veux avoir" est aussi importante que pour les mots "crème glacée"", a-t-il déclaré. Les enfants, en revanche, "ne se soucient pas de savoir s'ils disent 'j'aimerais avoir de la glace' ou simplement 'glace, glace, glace'".

Qualité contre quantité

Eldan et Li espèrent que cette étude incitera d'autres chercheurs à entraîner différents modèles sur l'ensemble des données de TinyStories et à comparer leurs capacités. Mais il est souvent difficile de prédire quelles caractéristiques des petits modèles apparaîtront également dans les plus grands.

"Peut-être que les modèles de vision chez la souris sont de très bons substituts de la vision humaine, mais les modèles de dépression chez la souris sont-ils de bons modèles de la dépression chez l'homme ? a déclaré M. Pavlick. "Pour chaque cas, c'est un peu différent.

Le succès des modèles TinyStories suggère également une leçon plus large. L'approche standard pour compiler des ensembles de données de formation consiste à aspirer des textes sur l'internet, puis à filtrer les déchets. Le texte synthétique généré par des modèles de grande taille pourrait constituer une autre façon d'assembler des ensembles de données de haute qualité qui n'auraient pas besoin d'être aussi volumineux.

"Nous avons de plus en plus de preuves que cette méthode est très efficace, non seulement pour les modèles de la taille de TinyStories, mais aussi pour les modèles plus importants", a déclaré M. Eldan. Ces preuves proviennent d'une paire d'articles de suivi sur les modèles à un milliard de paramètres, rédigés par Eldan, Li et d'autres chercheurs de Microsoft. Dans le premier article, ils ont entraîné un modèle à apprendre le langage de programmation Python en utilisant des extraits de code générés par GPT-3.5 ainsi que du code soigneusement sélectionné sur l'internet. Dans le second, ils ont complété l'ensemble de données d'entraînement par des "manuels" synthétiques couvrant un large éventail de sujets, afin d'entraîner un modèle linguistique à usage général. Lors de leurs tests, les deux modèles ont été comparés favorablement à des modèles plus importants formés sur des ensembles de données plus vastes. Mais l'évaluation des modèles linguistiques est toujours délicate, et l'approche des données d'entraînement synthétiques n'en est qu'à ses balbutiements - d'autres tests indépendants sont nécessaires.

Alors que les modèles linguistiques de pointe deviennent de plus en plus volumineux, les résultats surprenants de leurs petits cousins nous rappellent qu'il y a encore beaucoup de choses que nous ne comprenons pas, même pour les modèles les plus simples. M. Nguyen s'attend à ce que de nombreux autres articles explorent l'approche inaugurée par TinyStories.

"La question est de savoir où et pourquoi la taille a de l'importance", a-t-il déclaré. "Il devrait y avoir une science à ce sujet, et cet article est, je l'espère, le début d'une riche histoire.



 



 

Auteur: Internet

Info: https://www.quantamagazine.org/ Ben Brubaker, 5 octobre 2023

[ synthèse ]