perdu

Hier soir, tandis qu'il marchait à mes côtés dans la campagne, mon frère, comme devinant ma pensée, m'a dit ces choses troublantes "On dirait que Dieu, après avoir visité ma vie, en est reparti en éteignant la lumière. C'est en vain que je l'appelle et le prie d'y rétablir l'éclairage". Puis, montrant du doigt les champs environnants : "Regarde un peu ces lucioles. Elles clignotent dans la nuit pour se reconnaître entre elles. Mais moi, je ne suis la lampe de personne."

Auteur: Beauchemin Jean-François

Info: Le roitelet, p 53

[ solitude ]

initiation tardive

Elle restait néophyte, elle ne descendait que peu à peu dans l’amour, arrêtée brusquement, devinant d’autres profondeurs, ayant le ravissement de ce lent voyage vers des joies qu’elle ignorait. Ce grand repos qu’elle avait d’abord goûté dans l’église, cet oubli du dehors et d’elle-même, se changeait en une jouissance active, en un bonheur qu’elle évoquait, qu’elle touchait. C’était le bonheur dont elle avait vaguement senti le désir depuis sa jeunesse, et qu’elle trouvait enfin à quarante ans ; un bonheur qui lui suffisait, qui l’emplissait de ses belles années mortes, qui la faisait vivre en égoïste, occupée à toutes les sensations nouvelles s’éveillant en elle comme des caresses.

Auteur: Zola Emile

Info: Les Rougon-Macquart, tome 4 : La conquête de Plassans

[ femme-par-homme ] [ amoureuse ] [ découverte ]

épier

Pendant ce temps, le grand-duc aux yeux d'ambre, perché bien à l'abri sur la branche basse d'un gommier, lisse ses plumes qui ruissellent d'eau de pluie. Sur l'autre rive, près de l'enchevêtrement de racines de chênes aquatiques et de pins, là où des empreintes de bottes sont imprimés dans la vase, le rapace remarque les plus imperceptibles mouvements dans la danse des pousses de pâturins, devinant grâce à un frisson instinctif dans les fibres de ses muscles que la pluie et le vent couchent les brins d'herbe les plus hauts, tandis que la course effrénée d'un rongeur ou le mouvement vif d'une queue ne manque jamais de faire relever les tiges des roseaux.

Auteur: Machart Bruce

Info: Le sillage de l'oubli

[ animal ] [ affût ] [ littérature ] [ nature ]

autodidacte

D’abord, elle n’avait pas compris, rebutée par les mots techniques qu’il lui fallait chercher dans le dictionnaire. Devinant ensuite la nécessité d’une méthode, elle s’était acharnée sur l’Anatomie descriptive, avant de passer au Traité de physiologie. Alors, cette enfant de quatorze ans apprit, comme dans un devoir, ce que l’on cache aux vierges jusqu’à la nuit des noces. Elle feuilletait les planches de l’Anatomie, ces planches superbes d’une réalité saignante ; elle s’arrêtait à chacun des organes, pénétrait les plus secrets, ceux dont on a fait la honte de l’homme et de la femme ; et elle n’avait pas de honte, elle était sérieuse, allant des organes qui donnent la vie aux organes qui la règlent, emportée et sauvée des idées charnelles par son amour de la santé. La découverte lente de cette machine humaine l’emplissait d’admiration. Elle lisait cela passionnément, jamais les contes de fées, ni Robinson, autrefois, ne lui avaient ainsi élargi l’intelligence.

Auteur: Zola Emile

Info: Les Rougon-Macquart, tome 12 : La Joie de vivre

[ lecture ]

ordre

J'ai toujours été frappé par l'équilibre qui se dégage du monde. Voyez comme les riches - on l'observe plus facilement en observant le mimétisme de leurs enfants - sont si souvent suffisants et antipathiques. Observez avec le temps comme la beauté chez les individus est éphémère voire destructrice, découvrez comme les couples qui marchent en réalité se complètent. Réalisez qu'un jeune musicien passionné commence invariablement son histoire d'amour avec les notes grâce à un instrument de mauvaise qualité, trouvé ou donné, alors que son contraire, pénible quidam lambda, aura été s'acheter le biniou clinquant, vite relégué au galetas ou revendu dans les semaines ou les mois suivants. Constatez, en tous domaines, que les plus talentueux se désintéressent rapidement de la question parce qu'ils ne se sentent aucun besoin de prouver quoi que ce soit, alors que les pénibles tâcherons répondront avec abnégation au défi ainsi posé par une nouvelle discipline. Equilibre, dans la danse du monde tu nous proposes cette balance impitoyable et juste qui nous indique, sans preuves scientifiques mais c'est indubitable, que la vie la plus vraie est proche de la misère et de la mort, que les pauvres veulent devenir riches que les riches deviennent feignants et donc, retournent en peu de temps à la pauvreté. Cher équilibre, c'est curieux, j'aurais envie de dire chère - mystère de la langue et des sons - me vient encore à la plume ce jour où, lors d'une rencontre, j'ai saisi qu'untel, si célèbre et adulé, émargeait à la catégorie des êtres de peu d'intérêt, ordinaire et décevant, peu heureux, inquiet, pressé donc désagréable, dépassé par une gloire factice qui lui en faisait mesurer la dérision, insatisfait.

Tu es, ma chère, allons-y puisque je te ressens ainsi, tu es, ma chère équilibre, la matérialisation de notre esprit et du monde dans leurs luttes avec les extrêmes, tu es la condition sine qua non de la continuité dans l'harmonie, tu es le chemin étroit - mais suffisamment large parce que la tolérance sera toujours indispensable entre les êtres.

Pourquoi ce flash back de première jeunesse ? : et moi... qui suis-je ?... qu'est-ce que moi ?... petit enfant dans son lit vespéral interrogeant les étoiles, questionnant l'immense vacuité du monde et de son âme... qui suis-je ?... Je n'avais, bien sûr, pas vraiment conscience d'être campé sur ce champ de bataille des contrastes. Yeux grand ouverts dans le noir, candide curiosité en total éveil, comme l'indien qui aurait collé ses oreilles au sol cosmique, écoutant, ressentant, devinant, imaginant, je ne sais pas, le souffle neutre et vide de mon moi résonnant dans le silence, l'atone bourdonnement du fond des âges... qui suis-je ?... comment se fait-il qu'il y ait un moi, ici et maintenant ?...

Plus curieux encore ; comment se fait-il que je me pose la question ?... ce souvenir si vif de mon esprit d'enfant défiant l'incommensurable, la grande question : MOI... moi c'est quoi, quoi est moi ?.. Gamberges si stables parce qu'enfant choyé dans un cadre protégé. N'étaient-ce que d'agréables vertiges de garçonnet curieux, douillet dans sa vie alors qu'aujourd'hui je penserai peut-être plus facilement aux petits humains qui crèvent de guerres, de famines, sont-ils concernés de la même façon, plus proches de ce feeling ?... plus lointains de ce souffle d'absolu ?... Savoir. Mon intime conviction est que nous avons tous vécu ces sentiments, de manière identique parce que nous sommes fils des atomes et des ondes, et, de manières différentes parce que le monde en a besoin et que nous sommes novices à chaque étape de la vie. Questions enfantines, interrogations solitaires et nocturnes d'ado, rêveries de jeune papa, gamberges d'époux aimé, etc... Pauvre énumération de mes petites expériences perso pour essayer d'expliquer cette immensité fine, cette balance présente à toutes les échelles de nos existences.

Cette sensation d'équilibre global m'a fréquemment rasséréné, tout en me plongeant dans ces abîmes insondables et indicibles de la réflexion méditative où tous les contre-exemples sont inutilisables puisque ils ne sont là que pour meubler les cases de l'absurde et de l'insensé, contrées nécessaires dans l'univers de nos questionnements, humus de notre humour, signalisations de nos limites, indicatrices du Mystère. Equilibre, je m'incline devant ta fantastique et interminable litanie. Et merci de me faire prendre conscience jour après jour de ma dimension d'avorton cosmique devant une simple symétrie, merci de me montrer, sans m'expliquer, mais pourquoi expliquer, que la vie est autonome, qu'elle a certainement un sens, que la misère se partage plus facilement que l'abondance... D'ailleurs, quand le doute s'insinue, quand les certitudes s'effondrent, tu resurgis à tous les coups, vieille amie, parce que les difficultés renforcent la survie, redorent le goût des choses, parce que le confort est trop facilement père de la vacuité, parce que mon pote handicapé compense si bien par ce rayonnement supérieur de son esprit. On t'oublie et te revoilà à nouveau ma chère équilibre, fidèle au poste, intégrée à ce nouveau décor ou défilent des gens respectables - donc casse-couilles. Tu diffuses tant de messages. Moi j'aime celui-ci. "Toute manifestation a sa compensation". Dommage que tu sois cataloguée dans les noms féminins.

Auteur: MG

Info: 2000

[ introspection ] [ mystère ] [ ego ] [ paix ] [ enfance ] [ harmonie ]

homme-machine

Les grands modèles de langage tels que ChatGPT sont aujourd'hui suffisamment importants pour commencer à afficher des comportements surprenants et imprévisibles.

Quel film ces emojis décrivent-ils ? (On voit une vidéo qui présente des myriades d'émoji formant des motifs mouvants, modélisés à partir de métadonnées)

Cette question était l'une des 204 tâches choisies l'année dernière pour tester la capacité de divers grands modèles de langage (LLM) - les moteurs de calcul derrière les chatbots d'IA tels que ChatGPT. Les LLM les plus simples ont produit des réponses surréalistes. "Le film est un film sur un homme qui est un homme qui est un homme", commençait l'un d'entre eux. Les modèles de complexité moyenne s'en sont approchés, devinant The Emoji Movie. Mais le modèle le plus complexe l'a emporté en une seule réponse : Finding Nemo.

"Bien que j'essaie de m'attendre à des surprises, je suis surpris par ce que ces modèles peuvent faire", a déclaré Ethan Dyer, informaticien chez Google Research, qui a participé à l'organisation du test. C'est surprenant parce que ces modèles sont censés n'avoir qu'une seule directive : accepter une chaîne de texte en entrée et prédire ce qui va suivre, encore et encore, en se basant uniquement sur des statistiques. Les informaticiens s'attendaient à ce que le passage à l'échelle permette d'améliorer les performances sur des tâches connues, mais ils ne s'attendaient pas à ce que les modèles puissent soudainement gérer autant de tâches nouvelles et imprévisibles.

Des études récentes, comme celle à laquelle a participé M. Dyer, ont révélé que les LLM peuvent produire des centaines de capacités "émergentes", c'est-à-dire des tâches que les grands modèles peuvent accomplir et que les petits modèles ne peuvent pas réaliser, et dont beaucoup ne semblent pas avoir grand-chose à voir avec l'analyse d'un texte. Ces tâches vont de la multiplication à la génération d'un code informatique exécutable et, apparemment, au décodage de films à partir d'emojis. De nouvelles analyses suggèrent que pour certaines tâches et certains modèles, il existe un seuil de complexité au-delà duquel la fonctionnalité du modèle monte en flèche. (Elles suggèrent également un sombre revers de la médaille : À mesure qu'ils gagnent en complexité, certains modèles révèlent de nouveaux biais et inexactitudes dans leurs réponses).

"Le fait que les modèles de langage puissent faire ce genre de choses n'a jamais été abordé dans la littérature à ma connaissance", a déclaré Rishi Bommasani, informaticien à l'université de Stanford. L'année dernière, il a participé à la compilation d'une liste de dizaines de comportements émergents, dont plusieurs ont été identifiés dans le cadre du projet de M. Dyer. Cette liste continue de s'allonger.

Aujourd'hui, les chercheurs s'efforcent non seulement d'identifier d'autres capacités émergentes, mais aussi de comprendre pourquoi et comment elles se manifestent - en somme, d'essayer de prédire l'imprévisibilité. La compréhension de l'émergence pourrait apporter des réponses à des questions profondes concernant l'IA et l'apprentissage automatique en général, comme celle de savoir si les modèles complexes font vraiment quelque chose de nouveau ou s'ils deviennent simplement très bons en statistiques. Elle pourrait également aider les chercheurs à exploiter les avantages potentiels et à limiter les risques liés à l'émergence.

"Nous ne savons pas comment déterminer dans quel type d'application la capacité de nuisance va se manifester, que ce soit en douceur ou de manière imprévisible", a déclaré Deep Ganguli, informaticien à la startup d'IA Anthropic.

L'émergence de l'émergence

Les biologistes, les physiciens, les écologistes et d'autres scientifiques utilisent le terme "émergent" pour décrire l'auto-organisation, les comportements collectifs qui apparaissent lorsqu'un grand nombre d'éléments agissent comme un seul. Des combinaisons d'atomes sans vie donnent naissance à des cellules vivantes ; les molécules d'eau créent des vagues ; des murmurations d'étourneaux s'élancent dans le ciel selon des schémas changeants mais identifiables ; les cellules font bouger les muscles et battre les cœurs. Il est essentiel que les capacités émergentes se manifestent dans les systèmes qui comportent de nombreuses parties individuelles. Mais ce n'est que récemment que les chercheurs ont été en mesure de documenter ces capacités dans les LLM, car ces modèles ont atteint des tailles énormes.

Les modèles de langage existent depuis des décennies. Jusqu'à il y a environ cinq ans, les plus puissants étaient basés sur ce que l'on appelle un réseau neuronal récurrent. Ceux-ci prennent essentiellement une chaîne de texte et prédisent le mot suivant. Ce qui rend un modèle "récurrent", c'est qu'il apprend à partir de ses propres résultats : Ses prédictions sont réinjectées dans le réseau afin d'améliorer les performances futures.

En 2017, les chercheurs de Google Brain ont introduit un nouveau type d'architecture appelé "transformateur". Alors qu'un réseau récurrent analyse une phrase mot par mot, le transformateur traite tous les mots en même temps. Cela signifie que les transformateurs peuvent traiter de grandes quantités de texte en parallèle. 

Les transformateurs ont permis d'augmenter rapidement la complexité des modèles de langage en augmentant le nombre de paramètres dans le modèle, ainsi que d'autres facteurs. Les paramètres peuvent être considérés comme des connexions entre les mots, et les modèles s'améliorent en ajustant ces connexions au fur et à mesure qu'ils parcourent le texte pendant l'entraînement. Plus il y a de paramètres dans un modèle, plus il peut établir des connexions avec précision et plus il se rapproche d'une imitation satisfaisante du langage humain. Comme prévu, une analyse réalisée en 2020 par les chercheurs de l'OpenAI a montré que les modèles gagnent en précision et en capacité au fur et à mesure qu'ils s'étendent.

Mais les débuts des LLM ont également apporté quelque chose de vraiment inattendu. Beaucoup de choses. Avec l'avènement de modèles tels que le GPT-3, qui compte 175 milliards de paramètres, ou le PaLM de Google, qui peut être étendu à 540 milliards de paramètres, les utilisateurs ont commencé à décrire de plus en plus de comportements émergents. Un ingénieur de DeepMind a même rapporté avoir pu convaincre ChatGPT qu'il s'était lui-même un terminal Linux et l'avoir amené à exécuter un code mathématique simple pour calculer les 10 premiers nombres premiers. Fait remarquable, il a pu terminer la tâche plus rapidement que le même code exécuté sur une vraie machine Linux.

Comme dans le cas du film emoji, les chercheurs n'avaient aucune raison de penser qu'un modèle de langage conçu pour prédire du texte imiterait de manière convaincante un terminal d'ordinateur. Nombre de ces comportements émergents illustrent l'apprentissage "à zéro coup" ou "à quelques coups", qui décrit la capacité d'un LLM à résoudre des problèmes qu'il n'a jamais - ou rarement - vus auparavant. Selon M. Ganguli, il s'agit là d'un objectif de longue date dans la recherche sur l'intelligence artificielle. Le fait de montrer que le GPT-3 pouvait résoudre des problèmes sans aucune donnée d'entraînement explicite dans un contexte d'apprentissage à zéro coup m'a amené à abandonner ce que je faisais et à m'impliquer davantage", a-t-il déclaré.

Il n'était pas le seul. Une série de chercheurs, qui ont détecté les premiers indices montrant que les LLM pouvaient dépasser les contraintes de leurs données d'apprentissage, s'efforcent de mieux comprendre à quoi ressemble l'émergence et comment elle se produit. La première étape a consisté à documenter minutieusement l'émergence.

Au-delà de l'imitation

En 2020, M. Dyer et d'autres chercheurs de Google Research ont prédit que les LLM auraient des effets transformateurs, mais la nature de ces effets restait une question ouverte. Ils ont donc demandé à la communauté des chercheurs de fournir des exemples de tâches difficiles et variées afin de déterminer les limites extrêmes de ce qu'un LLM pourrait faire. Cet effort a été baptisé "Beyond the Imitation Game Benchmark" (BIG-bench), en référence au nom du "jeu d'imitation" d'Alan Turing, un test visant à déterminer si un ordinateur peut répondre à des questions d'une manière humaine convaincante. (Le groupe s'est particulièrement intéressé aux exemples où les LLM ont soudainement acquis de nouvelles capacités qui étaient totalement absentes auparavant.

"La façon dont nous comprenons ces transitions brutales est une grande question de la echerche", a déclaré M. Dyer.

Comme on pouvait s'y attendre, pour certaines tâches, les performances d'un modèle se sont améliorées de manière régulière et prévisible au fur et à mesure que la complexité augmentait. Pour d'autres tâches, l'augmentation du nombre de paramètres n'a apporté aucune amélioration. Mais pour environ 5 % des tâches, les chercheurs ont constaté ce qu'ils ont appelé des "percées", c'est-à-dire des augmentations rapides et spectaculaires des performances à partir d'un certain seuil d'échelle. Ce seuil variant en fonction de la tâche et du modèle.

Par exemple, les modèles comportant relativement peu de paramètres - quelques millions seulement - n'ont pas réussi à résoudre des problèmes d'addition à trois chiffres ou de multiplication à deux chiffres, mais pour des dizaines de milliards de paramètres, la précision a grimpé en flèche dans certains modèles. Des sauts similaires ont été observés pour d'autres tâches, notamment le décodage de l'alphabet phonétique international, le décodage des lettres d'un mot, l'identification de contenu offensant dans des paragraphes d'hinglish (combinaison d'hindi et d'anglais) et la formulation d'équivalents en langue anglaise, traduit à partir de proverbes kiswahili.

Introduction

Mais les chercheurs se sont rapidement rendu compte que la complexité d'un modèle n'était pas le seul facteur déterminant. Des capacités inattendues pouvaient être obtenues à partir de modèles plus petits avec moins de paramètres - ou formés sur des ensembles de données plus petits - si les données étaient d'une qualité suffisamment élevée. En outre, la formulation d'une requête influe sur la précision de la réponse du modèle. Par exemple, lorsque Dyer et ses collègues ont posé la question de l'emoji de film en utilisant un format à choix multiples, l'amélioration de la précision a été moins soudaine qu'avec une augmentation graduelle de sa complexité. L'année dernière, dans un article présenté à NeurIPS, réunion phare du domaine, des chercheurs de Google Brain ont montré comment un modèle invité à s'expliquer (capacité appelée raisonnement en chaîne) pouvait résoudre correctement un problème de mots mathématiques, alors que le même modèle sans cette invitation progressivement précisée n'y parvenait pas.

 Yi Tay, scientifique chez Google Brain qui a travaillé sur l'étude systématique de ces percées, souligne que des travaux récents suggèrent que l'incitation par de pareilles chaînes de pensées modifie les courbes d'échelle et, par conséquent, le point où l'émergence se produit. Dans leur article sur NeurIPS, les chercheurs de Google ont montré que l'utilisation d'invites via pareille chaines de pensée progressives pouvait susciter des comportements émergents qui n'avaient pas été identifiés dans l'étude BIG-bench. De telles invites, qui demandent au modèle d'expliquer son raisonnement, peuvent aider les chercheurs à commencer à étudier les raisons pour lesquelles l'émergence se produit.

Selon Ellie Pavlick, informaticienne à l'université Brown qui étudie les modèles computationnels du langage, les découvertes récentes de ce type suggèrent au moins deux possibilités pour expliquer l'émergence. La première est que, comme le suggèrent les comparaisons avec les systèmes biologiques, les grands modèles acquièrent réellement de nouvelles capacités de manière spontanée. "Il se peut très bien que le modèle apprenne quelque chose de fondamentalement nouveau et différent que lorsqu'il était de taille inférieure", a-t-elle déclaré. "C'est ce que nous espérons tous, qu'il y ait un changement fondamental qui se produise lorsque les modèles sont mis à l'échelle.

L'autre possibilité, moins sensationnelle, est que ce qui semble être émergent pourrait être l'aboutissement d'un processus interne, basé sur les statistiques, qui fonctionne par le biais d'un raisonnement de type chaîne de pensée. Les grands LLM peuvent simplement être en train d'apprendre des heuristiques qui sont hors de portée pour ceux qui ont moins de paramètres ou des données de moindre qualité.

Mais, selon elle, pour déterminer laquelle de ces explications est la plus probable, il faut mieux comprendre le fonctionnement des LLM. "Comme nous ne savons pas comment ils fonctionnent sous le capot, nous ne pouvons pas dire laquelle de ces choses se produit.

Pouvoirs imprévisibles et pièges

Demander à ces modèles de s'expliquer pose un problème évident : Ils sont des menteurs notoires. Nous nous appuyons de plus en plus sur ces modèles pour effectuer des travaux de base", a déclaré M. Ganguli, "mais je ne me contente pas de leur faire confiance, je vérifie leur travail". Parmi les nombreux exemples amusants, Google a présenté en février son chatbot d'IA, Bard. Le billet de blog annonçant le nouvel outil montre Bard en train de commettre une erreur factuelle.

L'émergence mène à l'imprévisibilité, et l'imprévisibilité - qui semble augmenter avec l'échelle - rend difficile pour les chercheurs d'anticiper les conséquences d'une utilisation généralisée.

"Il est difficile de savoir à l'avance comment ces modèles seront utilisés ou déployés", a déclaré M. Ganguli. "Et pour étudier les phénomènes émergents, il faut avoir un cas en tête, et on ne sait pas, avant d'avoir étudié l'influence de l'échelle. quelles capacités ou limitations pourraient apparaître.

Dans une analyse des LLM publiée en juin dernier, les chercheurs d'Anthropic ont cherché à savoir si les modèles présentaient certains types de préjugés raciaux ou sociaux, à l'instar de ceux précédemment signalés dans les algorithmes non basés sur les LLM utilisés pour prédire quels anciens criminels sont susceptibles de commettre un nouveau délit. Cette étude a été inspirée par un paradoxe apparent directement lié à l'émergence : Lorsque les modèles améliorent leurs performances en passant à l'échelle supérieure, ils peuvent également augmenter la probabilité de phénomènes imprévisibles, y compris ceux qui pourraient potentiellement conduire à des biais ou à des préjudices.

"Certains comportements nuisibles apparaissent brusquement dans certains modèles", explique M. Ganguli. Il se réfère à une analyse récente des LLM, connue sous le nom de BBQ benchmark, qui a montré que les préjugés sociaux émergent avec un très grand nombre de paramètres. "Les grands modèles deviennent brusquement plus biaisés. Si ce risque n'est pas pris en compte, il pourrait compromettre les sujets de ces modèles."

Mais il propose un contrepoint : Lorsque les chercheurs demandent simplement au modèle de ne pas se fier aux stéréotypes ou aux préjugés sociaux - littéralement en tapant ces instructions - le modèle devient moins biaisé dans ses prédictions et ses réponses. Ce qui suggère que certaines propriétés émergentes pourraient également être utilisées pour réduire les biais. Dans un article publié en février, l'équipe d'Anthropic a présenté un nouveau mode d'"autocorrection morale", dans lequel l'utilisateur incite le programme à être utile, honnête et inoffensif.

Selon M. Ganguli, l'émergence révèle à la fois un potentiel surprenant et un risque imprévisible. Les applications de ces grands LLM prolifèrent déjà, de sorte qu'une meilleure compréhension de cette interaction permettra d'exploiter la diversité des capacités des modèles de langage.

"Nous étudions la manière dont les gens utilisent réellement ces systèmes", a déclaré M. Ganguli. Mais ces utilisateurs sont également en train de bricoler, en permanence. "Nous passons beaucoup de temps à discuter avec nos modèles, et c'est là que nous commençons à avoir une bonne intuition de la confiance ou du manque de confiance.

Auteur: Ornes Stephen

Info: https://www.quantamagazine.org/ - 16 mars 2023. Trad DeepL et MG

[ dialogue ] [ apprentissage automatique ] [ au-delà du jeu d'imitation ] [ dualité ]