voyage

J'établirai dans quelques lignes comment Simon, bien malgré lui, à son corps défendant, fut obligé de quitter Vancouver en coup de vent, sans prendre congé de personne, pas même de Monika, sa sublime troubadour hollandaise au corps de sirène et à la bouche vorace, pour rentrer en toute hâte à Paris afin de venir au secours de Judith sa soeur tant aimée qui une nouvelle fois, par pure distraction ou par simple désoeuvrement, avait tenté de mettre fin à ses jours ; comment se présentant au guichet de l'aéroport international de Vancouver, la mine défaite et les yeux humides, il s'aperçut que son passeport était périmé, terminé, achevé ; comment, volontaire et déterminé, il s'engouffra alors dans le premier taxi venu qui poireautait dans la file d'attente à l'ombre des touristes en fleurs direction le consulat de France où après avoir plaidé sa cause auprès du conseiller culturel, ce brave M. Boitillon, compagnon de beuverie et partenaire de chagrin, il repartit avec le précieux sésame en poche, toujours dans le même taxi qui poireautait cette fois à l'ombre du pacifique océan, direction l'aéroport ; comment une fois passé la douane, la milice, la police, les experts du contre-espionnage et des Jack Daniel's qu'il vida d'un seul trait à l'ombre du calme douillet d'une cabine de toilettes venant tout juste d'être récurée par une employée philippine ; comment il se réveilla le lendemain matin, hagard et sombre, désorienté et perdu, en entendant la voix lasse du commandant de bord lui souhaiter un bon séjour à Paris.

Auteur: Sagalovitsch Laurent

Info: La métaphysique du hors-jeu

[ précipitation ] [ absurde ]

lobbysme

Big Pharma : la criminalité organisée
Beaucoup de ceux qui ont lu ce livre se demandent si Peter n'exagère pas en suggérant que ses activités permettent de comparer l'industrie pharmaceutique à la criminalité organisée, dont les caractéristiques sont définies dans la loi des États-Unis : extorsion, fraude, infractions fédérales sur les drogues, corruption, détournement de fonds, obstruction à la justice, obstruction de l'application de la loi, subornation de témoins et corruption politique.
Peter apporte la preuve, presque toujours en détail, que les compagnies pharmaceutiques sont coupables de la plupart de ces infractions.
Et il est pas le premier à comparer cette industrie avec la mafia - ou mob, puisqu'il cite un ancien vice-président de Pfizer, qui a dit en son temps: "Il est effrayant de voir à quel point il y a des similitudes entre notre industrie et la mafia. Le crime organisé prend des quantités obscènes d'argent ; comme cette industrie. Sans parler d'autres effets secondaires comme les homicides et des décès. La mafia corrompt politiciens et autres, de même pour l'industrie des médicaments... "
Beaucoup de gens meurent via Big Pharma, beaucoup plus que ceux qui sont tués dans des crimes. Des centaines de milliers de personnes décèdent chaque année suite aux effets des médicaments donnés sur ordonnance. Beaucoup verront ceci comme inévitable puisque les médicaments sont utilisés pour traiter des maladies qui tuent. Mais c'est surtout parce que les avantages des médicaments sont exagérés, souvent en raison de graves distorsions dans la démonstration de leur efficacité, "crime" qui peut être attribué en toute confiance à Big Pharma...
La majeure partie du livre de Peter est consacrée à démontrer que l'industrie du médicament a systématiquement corrompu la science en jouant les avantages et minimisant les méfaits de ses produits... Il montre aussi comment on achète les médecins, les universitaires, les revues, organisations professionnelles, départements universitaires, journalistes, régulateurs et politiciens. Ce sont bien les méthodes de la mafia...
Les détracteurs de l'industrie médicamenteuse ne cessent d'augmenter. Mais Peter les a tous surpassés, en efficacité et en véhémence, démontrant le parallèle de cette industrie avec le crime organisé.
Moi-même qui avais commencé à réfléchir aux sociétés pharmaceutiques, ne savais pas que quelqu'un avait fait si explicitement cette charge.
Lors des 50 dernières années, c'était l'industrie du tabac qui était considérée comme la méchante. Mais Big Pharma est devenu un concurrent sérieux. Et il est beaucoup plus grand que Big Tobacco, et beaucoup plus méchant. Je ne suis pas tout à fait certain de ce qui est censé être si mauvais à propos de Big Tobacco, en dehors du fait que le tabagisme provoque le cancer du poumon. Ainsi les entreprises pharmaceutiques sont désormais confrontées à des poursuites judiciaires coûteuses en raison des effets secondaires graves causés par de nombreux médicaments. Par exemple Bayer a du payer des milliards aux procureurs dans le procès de la loi sur "Yaz", suite à l'insuffisance des avertissements des effets secondaires sur les étiquettes de ce médicament - qui semble être la cause de la formation de caillots sanguins cause d'AVC chez les jeunes femmes.
Et comme le contrôle du tabac reçoit beaucoup de fonds de Big Pharma, on peut dire que les mauvais se soutiennent.
La lutte anti-tabac se présente toujours comme le bon garçon qui combat les Forces du Mal. "Faire le bien en aidant le fumeur à se sevrer de son produit mortel".
Mais en fait le contrôle du tabac cherche simplement faire en sorte que des fumeurs accrochent aux produits que Big Pharma met en place. Et on utilise la force brutale de la loi - interdiction de fumer, clandestinité et modification l'aspect des produits traditionnels tabagiques suite à la montée en puissance de la taxation du tabac à des niveaux exorbitants. Une industrie qui fait maintenant bonne figure en faisant son autocritique et incitant les fumeurs à se tourner vers de nouveau genre de cigarettes. Il faut conserver une stratégie.
Les gens apprennent de plus en plus que loin de faire du bien, le contrôle du tabac fait de grands dégats, détruisant les communautés et les amitiés, mettant les gens les uns contre les autres, écrasant l'industrie de l'hospitalité, dénigrant son économie, volant les fumeurs. Il tarde que ce masque de sainteté glisse et révèle le loup vorace caché derrière.
Mais avant que cela arrive, les gens auront probablement besoin de se rendre compte que la profession médicale est profondément impliquée ainsi.
Le médecin et auteur Ben Goldacre, dans son livre "Bad Pharma" soulève l'idée intéressante que les médecins, qui en sont venus à considérer comme une relation "normale" leurs rapports avec une industrie de la drogue, seront agressés par le public le jour où il comprendra. Actuellement ce dernier a tendance à faire confiance aux médecins et à se méfier des compagnies pharmaceutiques. Cette confiance pourrait rapidement se perdre.

Auteur: Smith Richard

Info: préface de l'ouvrage, Internet, 28 Octobre 2013

[ consumérisme ]

historique

Dans la bibliothèque personnelle d'Hitler

Le journaliste américain Timothy Ryback a examiné les milliers de volumes du Führer.

Celui qui ordonna les autodafés de livres possédait 16.000 volumes, dont 1.200 ont survécu au pillage pour trouver refuge dans diverses universités américaines. En 1935, sa bibliothèque était si réputée qu'elle fit l'objet d'un reportage dans "The New Yorker". Comme toute bibliothèque, celle de Hitler - il en possédait en fait une dans chaque résidence - était constituée de couches successives.

A) Tout d'abord la bibliothèque de notaire, le fonds patrimonial, celui qui rassure et auquel on ne touche guère et qu'on lit peu. C'est là qu'on trouve "Don Quichotte", "les Voyages de Gulliver", "Robinson Crusoé", "la Case de l'oncle Tom", "Hamlet" ou les romans d'aventures de Karl May.

B) La bibliothèque active, la collection qui alimente le cerveau reptilien, les ouvrages auxquels on revient sans cesse, qu'on annote, qu'on fatigue, qu'on exploite à l'infini.

C) Ajoutons-y une troisième partie constituée des envois, des livres reçus et dédicacés, qui valent surtout par ce qu'ils nous disent des auteurs comme Jünger, qui envoie son "Feu et sang" "au Führer national Adolf Hitler". C'est bien évidemment la deuxième partie qui nous intéresse. C'est là que le crayon s'arrête, souligne, annote. Le simple inventaire des livres de la bibliothèque de Hitler n'aurait pas suffit à faire un livre de 450 pages. Timothy Ryback a donc entrecoupé l'examen du fonds Hitler par un examen de la pensée d'Hitler. Il montre en quoi certaines lectures ont pu alimenter des conversations ou déterminer des décisions. En considérant comme Walter Benjamin qu'un collectionneur est conservé par sa collection, il a cherché à suivre les obsessions et les évolutions d'Hitler :

"J'ai sélectionné les volumes existants qui recelaient un contenu émotionnel ou intellectuel significatif apportant quelque clarté sur le personnage, sur ses pensées dans la solitude et ses futurs discours ou actes publics." Dans ces rayons, on trouve quantité d'auteurs racistes et antisémites : l'industriel Henry Ford, l'émule de Gobineau Hans Günther, l'ultranationaliste Paul Lagarde, le rugueux bavarois Anton Drexler, le pangermaniste Heinrich Class, le professeur de gymnastique Otto Dickel ou le haineux Dietrich Eckart, qui mélangeait "Peer Gynt", l'occultisme et la mythologie germanique.

Tous ces fielleux délirants trouvent refuge dans la bibliothèque de Hitler. On ne sait pas s'il digère tout, mais il lit, crayon à la main. C'est un lecteur boulimique, vorace, fanatique. Un livre chaque nuit. Une lubie chaque jour. Le buste de Schopenhauer sur son bureau, cet autodidacte dévore Clausewitz, les biographies de Jules César et d'Alexandre le Grand, Emmanuel Kant, qu'on retrouve avec Machiavel dans son bunker après son suicide, et se nourrit de Fichte, qui, d'après Ryback, était "le philosophe le plus proche de Hitler et de son mouvement national-socialiste, dans son esprit comme dans sa dynamique". Hitler, qui déteste les intellectuels, surtout quand ils sont juifs, ingurgite également les ouvrages traitant de la spiritualité et de l'occultisme, qui se comptent par douzaines et sont peut-être les témoins les plus bavards des préoccupations profondes de leur propriétaire. "

Dans la biographie d'Heinrich Himmler parue en septembre dernier en Allemagne, Peter Longerich, grande autorité allemande sur l'histoire de "la solution finale", s'est brièvement intéressé aux lectures du grand ordonnateur de la Shoah. A côté des romans de gare, on trouve la médiocre littérature d'extrême droite, les traités racistes de Hans Günther, "le Manuel de la question juive" de Theodor Fritsch et tout un bric-à-brac de livres toc sur la télépathie, l'astrologie et ces sciences tellement parallèles qu'elles ne rencontrent jamais l'intelligence.

Dédicace de Leni Riefenstahl sur le premier volume des oeuvres complètes de Fichte : "A mon cher Führer, avec ma profonde admiration". Nous sommes là au coeur même du personnage d'Adolf Hitler, constate Timothy Ryback. Ce fut moins une distillation des philosophies de Schopenhauer et de Nietzsche qu'une théorie bon marché, puisée dans des livres de poche et des gros livres ésotériques, où l'on distingue la genèse d'un esprit mesquin, calculateur et prêt à cogner plus qu'à discuter.

Que peut-on conclure ? Que la lecture de Cervantès ou de Shakespeare ne préserve de rien, bien sûr. On le savait déjà. La culture n'est pas un rempart contre la barbarie. Elle se situe juste à côté. Il suffit de lire en ne voulant pas comprendre. Chez Hitler, ce ne sont pas les grands auteurs, les lourds classiques qui comptent, mais ce qu'il y a à côté. Le problème, c'est quand Goethe voisine avec des auteurs racistes. Les livres peuvent préserver de l'inhumanité, mais ils ne sont pas une condition suffisante. Tout dépend de l'usage qu'on en fait. Au fond, c'est la limite de l'investigation de Timothy Ryback. Il a cherché à comprendre ce qui se passait dans la tête d'Hitler en examinant a posteriori sa bibliothèque. Imaginons un seul instant qu'on ne sache rien de son propriétaire, que nous possédions juste une liste. On pourrait, en faisant l'inventaire, en déduire que l'homme sait choisir ses classiques, qu'il aime la guerre, qu'il est antisémite, qu'il apprécie l'occultisme, qu'il est curieux, bizarre, dérangé peut-être, mais rien ne nous dirait qu'il mit l'Europe à feu et à sang et qu'il extermina 6 millions de juifs. On peut faire dire beaucoup à une bibliothèque, mais sûrement pas ce que pensait vraiment son propriétaire.

Auteur: Internet

Info: Nouvel Obs. 18 mars 2009

[ bouquins ] [ nazisme ] [ dictateur ] [ littérature ] [ biais de confirmation ] [ biblio-reflet ]

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 ]