Co-vid 2019

Dans les 2 premières partie de La secte covidienne, j'ai caractérisé la soi-disant "nouvelle normalité" comme un "mouvement idéologique totalitaire mondial". Depuis que j'ai publié ces essais, de plus en plus de gens en sont venus à la considérer pour ce qu'elle est, non pas comme une "folie" ou une "réaction excessive", mais, de fait, comme une nouvelle forme de totalitarisme,  mondialisée, pathologisée, dépolitisée, systématiquement mise en œuvre sous le couvert de la "protection de la santé publique".

Afin de s'opposer à cette nouvelle forme de totalitarisme, nous devons comprendre en quoi elle ressemble et diffère des systèmes totalitaires antérieurs. Les similitudes sont assez évidentes - suspension des droits constitutionnels, gouvernements qui gouvernent par décret, la propagande officielle, les rituels de loyauté publique, la mise hors la loi de l'opposition, la censure, la ségrégation sociale, les escadrons d'élite qui terrorisent le public, etc.

Alors que le totalitarisme du XXe siècle (c'est-à-dire la forme que la plupart des gens connaissent généralement) était plus ou moins national et ouvertement politique, le totalitarisme de la nouvelle normalité est supranational et son idéologie est beaucoup plus subtile. La nouvelle normalité n'est pas le nazisme ou le stalinisme. C'est le totalitarisme capitaliste mondial, et le capitalisme mondial n'a pas d'idéologie, techniquement, ou, plutôt, son idéologie est la "réalité". Lorsque vous êtes un hégémon idéologique mondial sans égal, comme l'est le capitalisme mondial depuis une trentaine d'années, votre idéologie devient automatiquement la "réalité", car il n'y a pas d'idéologies concurrentes. En fait, il n'y a pas d'idéologie du tout... il n'y a que la "réalité" et l'"irréalité", la "normalité" et les "déviations de la norme".

Oui, je sais, la réalité est la réalité ... c'est pourquoi je mets tous ces termes entre guillemets, alors, s'il vous plaît, épargnez-moi les longs emails prouvant de manière concluante la réalité de la réalité et essayez de comprendre comment cela fonctionne.

Il y a la réalité (quelle que soit la croyance que vous en avez), et il y a la "réalité", qui dicte le fonctionnement de nos sociétés. La "réalité" est construite (c'est-à-dire simulée), collectivement, selon l'idéologie du système qui contrôle la société. Dans le passé, la "réalité" était ouvertement idéologique, quelle que soit la "réalité" dans laquelle vous viviez, car il existait d'autres "réalités" concurrentes. Il n'y en a plus aujourd'hui. Il n'y a qu'une seule "réalité", parce que la planète entière - oui, y compris la Chine, la Russie, la Corée du Nord et d'autres pays - est contrôlée par un système hégémonique mondial.

Un système hégémonique mondial n'a pas besoin d'idéologie, parce qu'il n'a pas à entrer en compétition avec des idéologies rivales. Il efface donc l'idéologie et la remplace par la "réalité". La réalité (peu importe ce que vous croyez personnellement qu'elle est, ce qui est bien sûr ce qu'elle est réellement) n'est pas réellement effacée. Cela n'a simplement pas d'importance, car vous n'avez pas le droit de dicter la "réalité". Le capitalisme mondial a le droit de dicter la "réalité" ou, plus précisément, il simule la "réalité" et, ce faisant, il simule le contraire de la "réalité", ce qui est tout aussi important, sinon plus. 

Cette "réalité" fabriquée par le capitalisme mondial est une "réalité" dépolitisée et a-historique, qui forme une frontière idéologique invisible établissant les limites de ce qui est "réel". De cette façon, le capitalisme mondial (a) dissimule sa nature idéologique, et (b) rend automatiquement toute opposition idéologique illégitime, ou, plus exactement, inexistante. L'idéologie telle que nous la connaissions disparaît. Les arguments politiques, éthiques et moraux sont réduits à la question de ce qui est "réel" ou "factuel", que dictent les "experts" et les "vérificateurs" de GloboCap.

Par exemple, la "guerre mondiale contre le terrorisme", qui était la "réalité" officielle de 2001 jusqu'à son annulation à l'été 2016, lorsque la "guerre contre le populisme" fut officiellement lancée.  Nous avons désormais remplacé cette dernière par la "Nouvelle Normalité", depuis le printemps 2020. Chacune de ces nouvelles simulations de la "réalité" se déployant brutalement, maladroitement même, comme cette scène de 1984 où le Parti change d'ennemi officiel en plein milieu d'un discours de la Semaine de la haine.

Sérieusement, pensez à où nous en sommes actuellement, 18 mois après le début de notre nouvelle "réalité", puis revenez en arrière et examinez comment GloboCap a déployé de manière flagrante la cette nouvelle Normalité au printemps 2020… et la majorité des masses n'a même pas cillé. Ils sont passés de manière transparente à la nouvelle "réalité" dans laquelle un virus, plutôt que des "suprémacistes blancs", ou des "agents russes" ou des "terroristes islamiques", est devenu le nouvel ennemi officiel. Ils ont rangé les scripts  récités textuellement au cours des quatre années précédentes, et les scripts récités au cours des 15 années précédentes, et ont commencé à baragouiner frénétiquement le discours culte de Covid comme s'ils auditionnaient pour une parodie d'Orwell "over the top".

Ce qui nous amène au problème du culte covidien... comment les atteindre, ce que, ne vous y trompez pas, nous devons faire, d'une manière ou d'une autre, sinon le New Normal deviendra notre "réalité" permanente.

J'ai appelé cette nouvelle normalité "secte covidienne", non pas pour les insulter ou les railler gratuitement, mais parce que c'est ce qu'est le totalitarisme... une secte à grande échelle, à l'échelle de la société. Quiconque a essayé de leur parler peut confirmer l'exactitude de cette analogie. Vous pouvez leur montrer les faits jusqu'à devenir vert. Cela ne fera pas la moindre différence. Vous pensez avoir un débat sur les faits, mais ce n'est pas le cas. Vous menacez leur nouvelle "réalité". Vous pensez  vous efforcer de les amener à penser rationnellement. Vous ne le faites pas. Vous êtes un hérétique, un agent des forces démoniaques, un ennemi de tout ce qui est "réel" et "vrai".

Les scientologues vous qualifieraient de "personne suppressive". Les Nouveaux Normaux vous appellent un "théoricien de la conspiration", "anti-vaxxer" ou "négateur de virus". Les épithètes spécifiques n'ont pas vraiment d'importance. Ce ne sont que des étiquettes que les membres des sectes et les totalitaires utilisent pour diaboliser ceux qu'ils perçoivent comme des "ennemis"... toute personne qui conteste la "réalité" de la secte ou la "réalité" du système totalitaire.

Le fait est qu'il est impossible de faire sortir les gens d'une secte et de les faire sortir du totalitarisme. Habituellement, ce qu'on fait, dans le cas d'une secte, c'est de sortir la personne de la secte, de l'enlever et l'emmener dans un lieu sûr, et l'entourer d'un grand nombre de personnes qui ne font pas partie de la secte et vous la déprogrammez progressivement sur plusieurs jours. Vous faites cela parce que, tant qu'elle est dans la secte, vous ne pouvez pas lui parler. Elle ne peut pas vous entendre. Une secte est une "réalité" collective et autonome. Son pouvoir découle de l'organisme social composé des dirigeants et des autres membres de la secte. Vous ne pouvez pas "parler" de ce pouvoir. Vous devez physiquement en retirer la personne avant de pouvoir commencer à la raisonner.

Malheureusement, nous n'avons pas cette possibilité. La nouvelle normalité est un système totalitaire mondial. Il n'y a pas d'"extérieur" du système où se retirer. Nous ne pouvons pas kidnapper tout le monde et les emmener en Suède. Comme je l'ai remarqué dans la première partie de cette série, le paradigme secte/société a été inversé. La secte est devenue la société dominante, et ceux d'entre nous qui n'ont pas été convertis sont devenus une multitude d'îles isolées, non pas à l'extérieur, mais au sein de la secte.

Bref il faut maintenant faire en sorte que GloboCap (et ses sbires) devienne ouvertement totalitaire… car il ne le peut pas. S'il le pouvait, il l'aurait déjà fait. Le capitalisme mondial ne peut fonctionner ainsi. Devenir ouvertement totalitaire le fera imploser… non pas le capitalisme mondial lui-même, mais cette version totalitaire de celui-ci. En fait, cela commence déjà à se produire.

Il a besoin de la simulation de la "réalité", de la "démocratie" et de la "normalité" pour garder les masses dociles. Nous devons donc attaquer cette simulation. Nous devons le répéter sans cesse jusqu'à ce qu'il craque et que le monstre qui s'y cache apparaisse.

Voilà la faiblesse du système… le totalitarisme New Normal ne fonctionnera pas si les masses le perçoivent comme un totalitarisme, comme un programme politique/idéologique, plutôt que comme "la  réponse à une pandémie mortelle". Nous devons donc le rendre visible en tant que totalitarisme. A le voir tel qu'il est. Je ne veux pas dire que nous devons l'expliquer à ceux qui en sont les bras agissants. Ils sont hors de portée des explications. Je veux dire qu'il faut leur faire voir, ressentir, de manière tangible, inéluctable, jusqu'à ce qu'ils reconnaissent ce avec quoi ils collaborent.

Arrêtez de vous disputer avec eux à leurs conditions et attaquez plutôt directement leur "réalité". Quand ils commencent à bavarder sur le virus, les variants, les "vaccins" et autres discours cultes de Covid qui aspirent leur récit. Ne répondez pas comme s'ils étaient rationnels. Répondez comme s'ils parlaient de "Xenu", de "body thétans scientologues", de "Helter Skelter confus" ou de tout autre non-sens cultoïde, parce que c'est exactement ce que c'est. Il en va de même pour leurs règles et restrictions, les "masques", la "distanciation sociale", etc. Arrêtez de plaider que leurs arguments sont faux. Bien sûr qu'ils le sont, mais là n'est pas la question (et argumenter de cette façon vous aspire dans leur "réalité"). Opposez-vous à eux à cause de ce qu'ils sont, une collection de rituels de conformité bizarres exécutés pour cimenter l'allégeance au culte et créer une atmosphère générale de "pandémie mortelle".

Il existe de nombreuses façons de procéder, c'est-à-dire de générer des conflits internes. Je l'ai fait à ma façon, les autres le font à la leur. Si vous êtes l'un d'entre eux, merci. Si vous ne l'êtes pas, commencez. Faites-le partout où vous le pouvez. Faites en sorte que les Nouveaux Normaux se confrontent au monstre, le monstre qu'ils nourrissent… le monstre qu'ils sont devenus.

Auteur: Hopkins Christopher J

Info: The consent factory, 2 septembre 2021

[ globalisation ] [ dictature sanitaire ] [ nouvelle normalité ] [ subversion ]

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 ]