science appliquée

Lorsque cette grande vérité, révélée accidentellement et confirmée expérimentalement, sera pleinement reconnue, à savoir que cette planète, avec toute son effroyable immensité, n'est virtuellement pour les courants électriques qu'une petite boule de métal et que de ce fait de nombreuses possibilités, chacune déconcertant l'imagination et ayant des conséquences incalculables, sont rendues absolument sûres d'être accomplies ; lorsque la première installation sera inaugurée et qu'il sera démontré qu'un message télégraphique, presque aussi secret et ininterrompu qu'une pensée, peut être transmis à n'importe quelle distance terrestre, que le son de la voix humaine, avec toutes ses intonations et inflexions, peut être reproduit fidèlement et instantanément en n'importe quel point du globe, que l'énergie d'une chute d'eau peut être utilisée pour fournir de la lumière, de la chaleur ou de la force motrice, n'importe où - sur mer, sur terre ou dans les airs - l'humanité sera comme un tas de fourmis que l'on agite avec un bâton : Voyez l'excitation à venir !

Auteur: Tesla Nikola

Info: "The Transmission of Electric Energy Without Wires", Electrical World and Engineer (5 mars 1904), 43, n° 10, 431.

[ historique ] [ visionnaire ]

écrivains opprimés

Mon Dieu, que de vers ! Que de poèmes ! Jamais la Russie n’a connu une époque pareille, ni avant, ni après. La poésie remplissait le vide sans air, elle se transformait elle-même en air. C’était peut-être "de l’air dérobé", comme a dit Mandelstam. La plus haute reconnaissance, pour un poète, ce n’est pas le prix Nobel, mais le bruissement de ces feuillets recopiés à la machine et à la main, avec des fautes et des coquilles, presque illisibles : Tsvétaïeva, Akhmatova, Mandelstam, Pasternak, Soljénitsyne et, pour finir Brodsky. (…)

Le pouvoir soviétique persécutait les gens sans travail, rangeant parmi eux ceux qu’il empêchait lui-même de travailler. Le parasite Iossif Brodsky avait déjà été libéré de sa relégation dans le village de Norenskaïa, et rien ne laissait présager que cinquante ans plus tard, une salle à la mémoire de l’ancien relégué serait inaugurée dans la bibliothèque locale, et qu’une demoiselle usée entre deux âges y organiserait des visites sur le thème "Brodsky à Norenskaïa".

Auteur: Oulitskaïa Ludmila

Info: Le chapiteau vert, p 122

hommage

Jacques Lacan a parlé. Pourquoi?

Pour le savoir, faut-il écouter ceux qui, depuis sa mort, parlent moins de lui que de leur propre position par rapport à lui ? Ce n’est pas le bon moyen.

Ce qu’il faut, c’est rappeler qui il était. Il était un homme ; cet homme cherchait la vérité ; le chemin qu’il ouvrait pour la chercher était la parole.

L’HOMME

Les sciences de l’homme sont sans doute ainsi désignées parce qu’elles nous enrichissent d’un savoir sur diverses fonctions de l’homme ; ce faisant, elles nous permettent de masquer et d’oublier notre ignorance de l’homme lui-même, notre inattention au fait que chaque homme est un mystère. Un mystère qui reste insondable.

Jacques Lacan, c’est d’abord un homme, attentif à l’homme, à sa réalité toujours inaccessible, à son désir dont le caractère propre est de ne jamais pouvoir être satisfait.

Dans le monde intellectuel, il était classé tantôt comme psychanalyste, tantôt comme philosophe, voire comme poète, ou encore comme structuraliste, surréaliste, acteur… la liste pourrait s’allonger. Or il est avant tout un homme, dont il ne suffit pas de dire qu’il était humain.

Sa contribution à la psychanalyse, si importante qu’elle soit, ne permet pas de dire qui il était. Bien au contraire, c’est parce qu’il était cet homme unique, nommé Jacques Lacan, qu’il a pu mettre en valeur la découverte inaugurée par Freud : celle de l’inconscient. Mise en valeur telle que le monde des psychanalystes ne l’a pas accueillie sans émoi.

Mais qu’est-ce donc que l’inconscient? En entendant ce mot, chacun se soucie de le définir. Que révèle un tel souci? Il indique le plus souvent moins une recherche de la clarté, que la fuite d’un mystère qui inquiète et qui, cependant, caractérise la vie psychique dans sa réalité.

L’inconscient échappe à toute définition ; il désigne l’homme lui-même dans cette dimension de son mystère qui ne donne aucune prise à sa conscience.

Parler à l’homme de l’inconscient, c’est lui rappeler ce qu’il s’applique à oublier ; c’est le sauver de cet oubli que tout est organisé pour favoriser en cette fin du vingtième siècle. C’est lui rappeler en effet que son centre est ailleurs qu’en lui-même. C’est lui faire découvrir que le chemin à suivre n’est pas celui que Descartes a inauguré.

"Je pense, donc je suis."

Cette déduction sur laquelle Descartes prend appui va-t-elle lui permettre de connaître ce "Je" qui pense ? Lacan réplique: "Je ne suis pas ce que je pense" La vérité ainsi formulée jaillit de la découverte de l’inconscient, autrement dit de l’homme lui-même. La reconnaissance de l’inconscient permet à l’homme d’avoir accès à sa réalité; loin de s’enfermer dans les limites de sa vie consciente, il doit s’ouvrir à une relation qui le constitue, à une relation avec l’Autre.

Une telle relation suscite une recherche: la recherche de la vérité, de la vérité sur l’Autre et inséparablement, de la vérité sur l’homme, constitué par sa relation à l’Autre.

LA VERITÉ

Jacques Lacan: un homme; donc un chercheur de vérité.

La vérité. Ce que désigne ce mot fait peur. Chacun, comme Pilate, réagit en disant: "Qu’est-ce que la vérité?" et s’en allant, sans attendre la réponse.

Lacan a découvert, grâce à Freud, le moyen d’entendre la réponse. "Freud, écrit-il, a su laisser, sous le nom d’inconscient, la vérité parler."

Laisser parler la vérité. Voilà le moyen, le seul, de la connaître. Aucun savoir ne donne accès à cette connaissance. Ecouter la vérité est l’unique nécessaire. Si la conscience peut entendre la vérité, elle s’y ferme souvent. L’inconscient est la voix de la vérité refoulée; plus précisément, il est la voie, c’est-à-dire le chemin par lequel elle passe, lorsque l’homme a refusé de l’entendre.

Ici prend place l’intervention du psychanalyste. Il se tait, mais il invite à parler, pour chercher à entendre la vérité qui va passer par des chemins inattendus, la vérité dont va peut-être accoucher l’homme qui parle, non sans douleur.

Ce que Lacan invite le psychanalyste à écouter, est-ce le malade? C’est bien plutôt la vérité que celui-ci a refoulée la vérité de son désir. C’est ce type d’écoute qui fonde sa méthode de psychanalyste.

Il s’agit d’écouter la vérité pour la dire. Mais Lacan sait "qu’il est impossible de dire toute la vérité c’est par cet impossible que la vérité tient au réel."

Le réel est en effet inaccessible dans sa plénitude. Nous le réduisons à ce que nous en savons, mais nous pouvons nous ouvrir à la connaissance du réel et répondre ainsi au désir profond qui nous constitue. Mutiler ce désir nous rend malades, psychologiquement, ou spirituellement. La santé, comme la sainteté exige que nous cherchions la vérité, et, pour cela, que nous l’écoutions parler.

LA PAROLE

Nous pouvons répondre ici à notre question initiale, "Pourquoi Jacques Lacan parle-t-il?" Car il parle encore depuis sa mort.

On lui a reproché son style, et l’obscurité qui le caractérise. Il réplique: "il suffit de dix ans pour que ce que j’écris devienne clair pour tous."

En effet chaque fois qu’un homme est porteur, non d’un savoir à communiquer, mais d’une parole invitant à chercher la vérité et, pour cela, à l’écouter, il se heurte à un refus qui se masque souvent derrière une accusation: "Ce qu’il dit est impossible à entendre." (Évangile selon Saint-Jean 6,60)

Lacan n’a pas parlé pour autre chose que pour ouvrir la porte à la Parole qui vient d’ailleurs, qui est la Parole de l’Autre et dont l’inconscient atteste la présence; cette présence est réelle et elle est manifestée dans sa réalité par la peur qu’elle provoque, et le refus d’écouter qui est le fruit de cette peur.

À travers l’œuvre écrite de Lacan, que faut-il donc chercher ? Un enseignement oral inachevé et figé ? Nullement, Ce qu’il faut découvrir, c’est un homme en quête de vérité, vérité qui est le trésor évoqué dans la fable: il fallait creuser le champ pour y trouver un trésor caché. Le trésor appartient à ceux qui apprennent par expérience que ce trésor n’est rien qu’on puisse posséder.

Car le bonheur de l’homme, c’est de désirer s’ouvrir à la Parole de l’Autre. Ce désir est suscité par une présence sans laquelle l’homme n’est plus lui-même et grâce à laquelle jaillit de lui une parole qui rend témoignage à la vérité, une parole qui exprime son désir toujours nouveau de la source de sa vie d’homme.

La parole de Jacques Lacan inquiète les hommes qu’elle oblige à sortir de leur fausse paix, en posant la vraie question, la question que voici. Je n’ai pas à me demander en effet: "Que posséder ou que savoir pour devenir un homme?" La vraie question, c’est :

"Qui m’appelle à trouver dans sa recherche le sens de ma vie?"

Auteur: Lacan Marc-François

Info: Sermon prononcé à la mémoire de son frère, Jacques Lacan, le 10 septembre 1981 en l’église Saint Pierre du Gros Caillou

[ résumé ] [ legs à la postérité ]

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 ]