Jennifer vient de la physique des particules 🧠. Elle est basée en Californie et est la fondatrice d’Alectio. Elle présente une vision très moderne de l’IA générative distinguant data et information. Pour tout un tas de raisons, il faut arrêter la course à l’entraînement sur des modèles de plus en plus gros : cette approche frugale permet de gagner en efficience, en coût, en durée, et de diminuer la consommation énergétique ⚡.

Autre point essentiel, cela permet de réduire le labelling, tâche ingrate réalisée par des annotateurs au Kenya - et qui fait penser aux pires exemples des équipes de modérateurs sur les réseaux sociaux 🟥.

Pour cela elle utilise l’active learning et prédit les données les plus intéressantes d’un modèle à l’aide d’un modèle secondaire. Elle utilise une IA pour contrôler une autre IA.

Elle nous présente également une vision du futur dans laquelle les modèles pourront être réentraînés et mis à jour en permanence avec le online learning.

Une vision qui tranche avec la tendance du moment, avec un début de prise de conscience et dont on comprend bien l’importance dans les années à venir. Un entraînement plus responsable sans nuire à la performance du modèle, bien au contraire.

Films : Upgrade et Ex Machina

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.