coopération

Le plus grand plaisir humain est sans doute dans un travail difficile et libre fait ensemble, comme les jeux le font assez voir. Il y a des pédagogues qui rendraient les enfants paresseux pour toute la vie, simplement parce qu'ils veulent que tout le temps soit occupé.

Auteur: Alain Emile Chartier

Info: Propos sur le bonheur, folio-essais 21

[ pédagogie ]

égalité

Depuis des décennies, les para psychologues ont donc appelé à un diagnostic différentiel des expériences exceptionnelles, mais ont échoué à produire les études systématiques nécessaires pour désenchevêtrer ces vécus d'autres manifestations psychopathologiques. Selon le professeur de psychologie et parapsychologue Adrian Parker, le développement des critères psychométriques précis pour une clinique différentielle est toujours le problème le plus important à résoudre dans ce domaine. S'il lui semble possible en principe d'établir de telles distinctions, le nombre et la complexité des facteurs en jeu rendraient l'ensemble assez inextricable. Néanmoins, un des apports remarquables des parapsychologues est d'avoir montré que ces expériences étaient -trans-nosographiques- : elles sont vécues par des individus qui se situent sur un continuum allant de la bonne santé mentale à des troubles mentaux légers ou graves.

Auteur: Evrard Renaud

Info: Folie et paranormal : Vers une clinique des expériences exceptionnelles

[ humains égaux ] [ surnaturel ]

femme-par-homme

Au pays parfumé que le soleil caresse,

J'ai connu, sous un dais d'arbres tout empourprés

Et de palmiers d'où pleut sur les yeux la paresse,

Une dame créole aux charmes ignorés.



Son teint est pâle et chaud ; la brune enchanteresse

A dans le cou des airs noblement maniérés ;

Grande et svelte en marchant comme une chasseresse,

Son sourire est tranquille et ses yeux assurés.



Si vous alliez, Madame, au vrai pays de gloire,

Sur les bords de la Seine ou de la verte Loire,

Belle digne d'orner les antiques manoirs,



Vous feriez, à l'abri des ombreuses retraites,

Germer mille sonnets dans le cœur des poètes,

Que vos grands yeux rendraient plus soumis que vos noirs.

Auteur: Baudelaire Charles

Info: A une dame créole

[ portrait ] [ muse ]

interdictions

La Ville de Paris, qui n’a que de bonnes idées, s’apprête à proposer aux douze mille cafés, hôtels et restaurants de la capitale d’adopter le label "Établissement sans tabac". Proposer, c’est adopter. Soixante et un pour cent des personnes qui ne fréquentent jamais ni bars ni restaurants viennent de déclarer qu’elles s’y rendraient si elles ne risquaient pas d’y apercevoir un rond de fumée à l’horizon. C’est tout à fait comme si, du temps où les maisons closes existaient encore, on avait exigé que les prostituées en soient bannies afin que l’on puisse s’y rendre en famille, le dimanche, avec la grand-mère et les enfants en bas âge. [...] Purger l’homme de l’humain, toujours instable et dangereux, remplacer le concret incontrôlable par de l’abstrait programmé n’est plus un rêve mais un travail de chaque instant ; et d’autant plus drôle qu’il y a des sanctions à la clé : en même temps que le label "Établissement sans tabac", la Ville de Paris va en effet proposer des "stickers" comportant un numéro de téléphone que l’on pourra appeler si par hasard, dans ces établissements sans tabac, on a repéré un mégot écrasé, ou même peut-être entendu chuchoter le mot "cigarette". Ainsi, à la joie de respirer sans entraves, s’ajoutera le plaisir de dénoncer sans frein.

Auteur: Muray Philippe

Info: Dans "Exorcismes spirituels, tome 4", Les Belles Lettres, Paris, 2010, page 1746

[ totalitarisme du bien ] [ maternification ]

prophétie

Tant que la population Chinoise ne s'accroîtra pas à l'excès, elle préfèrera toujours ce sol à d'autres : aucune ambition militaire, aucune croisade politique ne la font fermenter. Il faudrait, pour que le réservoir débordât et que les eaux jaunes descendissent une fois de plus du toit du globe, imaginer une Chine sans guerres, sans épidémies, sans cataclysmes. Alors ces quatre cent millions d'hommes deviendraient un miliard et le monde serait un monde jaune. L'exemple du Japon et son fantastique accroissement, près d'un million de naissances par an, depuis qu'il s'est converti à l'hygiène et à la science moderne, ne permet pas d'en douter.

Aujourd'hui il ne s'agit pas de savoir si le Japon aime ou non l'Amérique, l'Australie.

La question est : Qui le Japon, surcomprimé, tuera-t-il en éclatant ?

C'est grâce aux tremblements de terre, aux typhons, aux crues du Yang-Tsé que nos enfants pourront continuer à cultiver les primeurs d'Avignon et de Roscoff (qui d'ailleurs sont loin de rendre ce qu'elles rendraient entre des mains chinoises). Aucun travailleur, aucun commercant blanc ne peut tenir à côté des jaunes dînant d'une graine de pastèque grillé. Nos syndiqués le savent-ils ? Si le pacifique, ce fossé qu'il faut douze jours pour traverser, semble à l'Amérique une protection insuffisante, que dira l'Europe que rien ne sépare de l'Asie et qui n'est que la vallée fertile en bas de la montagne ?

Auteur: Morand Paul

Info: Rien que la terre (1928, 212p., Grasset, les cahiers rouges) p. 49, 51

[ affrontement racial ] [ catastrophes bénéfiques ] [ géopolitique ] [ démographie ] [ races ] [ empire du milieu ]

conditionnel

.....l’idée des mouvements de fond, invasions ou transformations sociales qui fonderaient l’Histoire et la rendraient compréhensible et donc prévisible m’a toujours un peu agacé, parce qu’elle ne prend pas en considération le facteur humain et encore moins le plus grand vecteur de l’Histoire à mon avis, à savoir le hasard, l’imprévu.. Si Hitler avait été tué au cours de la Première Guerre mondiale, si un artilleur français avait fait osciller de quelques millimètres son canon ou sa mitrailleuse, si un soldat allemand n’avait pas malencontreusement tué d’un coup de baïonnette un soldat français qui un instant plus tard aurait trouvé sur sa trajectoire l’affreux Adolf qu’il aurait abattu ou embroché, tout n’aurait-il pas été différent ? Certes, il y aurait eu l’injustice du traité de Versailles, et le désir de revanche allemand, et l’antisémitisme dans l’Europe de cette époque. Mais ils ne se seraient pas exprimés de la même manière, et peut-être pas avec la même violence. Le monde n’aurait pas été ravagé ni les juifs exterminés de la sorte, et du coup, la mauvaise conscience n’aurait pas poussé les Européens à soutenir la naissance d’Israël, qui n’aurait peut-être pas vu le jour, ou pas comme cela s’est produit. Toutes les misères qui se sont ensuite succédées n’auraient pas eu lieu, et la situation ici aujourd’hui, là où nous nous trouvons, et qui peut-être découle d’un coup de baïonnette raté il y a cent ans, n’aurait pas été celle-là, et vous et moi n’aurions pas été en train d’en parler à l’instant.

Auteur: Majdalani Charif

Info: Dernière oasis

[ avec des si ] [ effet papillon ]

misère

Il est difficile d’être cru quand on ne décrit que des impressions. Pourtant on ne peut décrire autrement le malheur d’une condition humaine. Le malheur n’est fait que d’impressions. Les circonstances matérielles de la vie, aussi longtemps qu’il est à la rigueur possible d’y vivre, ne rendent pas à elles seules compte du malheur, car des circonstances équivalentes, attachées à d’autres sentiments, rendraient heureux. Ce sont les sentiments attachés aux circonstances d’une vie qui rendent heureux ou malheureux, mais ces sentiments ne sont pas arbitraires, ils ne sont pas imposés ou effacés par suggestion, ils ne peuvent être changés que par une transformation radicale des circonstances elles-mêmes. Pour les changer, il faut d’abord les connaître. Rien n’est plus difficile à connaître que le malheur ; il est toujours un mystère. Il est muet, comme disait un proverbe grec. Il faut être particulièrement préparé à l’analyse intérieure pour en saisir les vraies nuances et leurs causes, et ce n’est pas généralement le cas des malheureux. Même si on est préparé, le malheur même empêche cette activité de la pensée, et l’humiliation a toujours pour effet de créer des zones interdites où la pensée ne s’aventure pas et qui sont couvertes soit de silence soit de mensonge. Quand les malheureux se plaignent, ils se plaignent presque toujours à faux, sans évoquer leur véritable malheur ; et d’ailleurs, dans le cas du malheur profond et permanent, une très forte pudeur arrête les plaintes. Ainsi chaque condition malheureuse parmi les hommes crée une zone de silence où les êtres humains se trouvent enfermés comme dans une île.

Auteur: Weil Simone

Info: "La condition ouvrière", Journal d'usine, éditions Gallimard, 2002, pages 341-342

[ isolement ] [ indicible ]

parlêtre

Pour le psychanalyste, le Réel est cette instance logique, indissociable du Symbolique et de l’Imaginaire dont elle constitue le nouage, le Réel se caractérise de l'impossible: impossible à dire, impossibie à symboliser, impossible à imaginer, et qui cependant se fait jour à travers la parole...

Selon la façon dont se nouent les registres du Réel, du Symbolique et de l’Imaginaire, nous obtenons la structure de ce qui se spécifie comme appartenant aux champs de la Religion, de la Science et de la psychanalyse (ou de l’art): la religion (RSI) Réalise à travers un Symbole ce qu’elle offre à Imaginer, par exemple le mystère de l'Eucharistie comme réellement corps et sang du Christ à travers le Symbolique (concept du dieu trine) de l'Idée qu'elle se fait de Dieu (l'homme à l'image de Dieu, et sa réciproque tout aussi bien: idée d’un dieu parfait, infiniment "bon" et aimable...)

La science (SIR) Symbolise (S=concept), l'Idée (l’image) qu'elle se fait du Réel: le tropisme inhérent au discours scientifique consiste en cette volonté de réduire le Réel au Symbolique, que "tout le Réel" finirait par être répertorié, comptabilisé, rendu transmissible sous la forme de formules qui. passant de main en main sans que leur contenu en soit affecté le moins du monde, ni par qui les transmet ni par qui les reçoit, en rendraient compte "objectivement", "pour tous"... d'où l'évacuation systématique hors de la sphère scientifique du sujet ($) en tant qu’il est manifeste du réel (le grain de sable de l’énonciation)...

Moyennant quoi, la Science se définit d’être réfutable, selon l’épistémologue Karl Popper lui-même...

La psychanalyse (IRS) imagine, invente (I=Idée) ce qui du Réel (R=ce qui relève du percept, par le biais de la jouissance, de la souffrance...), peut se symboliser, se dire, s'écrire (S=concept=mathème, topologie)... L'approche psychanalytique fait en sorte que la vie du sujet s’organise autour du vide central (das Ding) identifié comme ce qu'il y a de plus Réel (ce qui fait dire à Beckett que rien n'est plus réel que rien)...

La linguistique, d’abord, peut définir le matériel de la psychanalyse, voire l’appareil de son opération, elle laisse en blanc (les semblants) ce qui la rend effective en psychanalyse (raison pour laquelle la "science des discours", Lacan la nomme "linguisterie"...) La psychanalyse ne cesse depuis Freud d’affirmer que la vérité de la souffrance, c’est d’avoir la vérité comme cause: "Aussi bien dirions-nous que la découverte de Freud est cette vérité que la vérité ne perd jamais ses droits."

Céder sur les mots, c'est toujours avoir déjà cédé sur les choses. Ne compromets pas ton désir, tes besoins et tes demandes s'en trouveront automatiquement satisfaits.

Faire de la santé un objectif direct est contre-productif, tu dois concentrer ton énergie sur autre chose si tu veux que ta santé advienne. Inverse les devises du sens commun, aux fausses certitudes proposées par la réalité, privilégie le mystère du réel, aux sourires fielleux des compromis, des arrangements mensongers, de la soumission, préfère la morsure de la vérité. Prends des risques, confronte-toi à ta peur, fais de la vérité ta priorité, et ta santé viendra par surcroît. Apprendre à parler correctement sa propre langue est le premier moment du système immunitaire.

Auteur: Dubuis Santini Christian

Info: Publication facebook 30.12.2020

[ pensée adéquate ] [ noeud borroméen ] [ thérapie ] [ mal de vivre ] [ indicible priméité ]

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 ]