Pour une histoire de l’IA #3 : Martin Schuele

English below
Lors de la séance du 14 avril 2022, le séminaire Pour une histoire de l’IA accueillait Martin Schuele chercheur principal en Intelligence Artificielle dans les Sciences de la Vie à l’Université des Sciences Appliquées de Zurich. Sa conférence en anglais était intitulée Large Language Models : Techniques and Interpretations. Vous trouverez ci-dessous le résumé de sa présentation en français et en anglais.
Large Language Models : Techniques and Interpretations
La dernière génération de large language models (LLM) a des capacités étonnantes. Ils peuvent écrire des articles de journaux, mener des dialogues, ajouter du code et bien d’autres choses encore. Ils sont également déjà utilisés pour des travaux créatifs tels que l’écriture d’une pièce de théâtre. Cette technologie fera vraisemblablement partie intégrante de nos vies.
La réaction du public aux LLM est ambivalente. La communauté philosophique, en particulier, a réagi de manière défensive. “Oui, les LLM comme GPT-3 montrent des capacités impressionnantes, mais …” S’ensuit alors une liste de choses que les LLM ne peuvent pas faire, ou ne “comprennent pas”. On dit que les LLM sont de simples statistiques, de simples machines syntaxiques ou associatives, sans véritable “compréhension humaine”. Ce qui est critiqué peut être très différent, mais l’argument peut finalement être réduit à la position que “les LLMs ne comprennent pas”.
Dans cette contribution, je soutiens que la situation est plus complexe et plus subtile. Nous devons également comprendre plus précisément ce que font les LLM et clarifier la question de savoir ce qu’est exactement la ” compréhension ” dans ce contexte. Ce n’est qu’alors que nous pourrons nous demander dans quelle mesure les LLM comprennent quelque chose de ce qu’ils savent déjà assez bien faire…
Martin Schüle est chercheur principal en IA dans les Sciences de la Vie à l’Université des Sciences Appliquées de Zurich, en Suisse.
In the April 14, 2022 session, the seminar For a History of AI welcomed Martin Schuele, Senior Researcher in Artificial Intelligence in the Life Sciences at the University of Applied Sciences Zurich. His talk was entitled Large Language Models: Techniques and Interpretations. You will find below the abstract of his presentation in French and in English.
Large Language Models : Techniques and Interpretations
The latest generation of large language models (LLM) have amazing capabilities. They can write newspaper articles, conduct dialogues, add code and many other things. They are also already being used for creative work such as writing a play. In all likelihood, this technology will become an integral part of our lives.
The public reaction to LLM is ambivalent. The philosophical community, in particular, has reacted defensively. Yes, LLMs like GPT-3 show impressive capabilities, but …. and then follows a list of things LLMs cannot do, or do not “understand”. LLM are said to be mere statistics, its mere syntactic or associative machines, without real, that is to say “human understanding”. What exactly is criticised can differ quite a bit, but ultimately the argument can be reduced to the stance that “LLMs do not understand”.
In this contribution I argue that the situation is more complex and subtle. On the one hand, we need to understand more precisely what LLM do; on the other hand, we need to clarify the question of what exactly “understanding” is supposed to be in this context. Only then can we turn to the question of the extent to which LLM understand something of the things they already know how to do quite well.
Martin Schüle is a senior researcher on AI in life sciences at the University of Applied Sciences Zurich, Switzerland.
OpenEdition vous propose de citer ce billet de la manière suivante :
Carla Marand (13 mai 2022). Pour une histoire de l’IA #3 : Martin Schuele. CulturIA. Consulté le 24 avril 2025 à l’adresse https://doi.org/10.58079/nfc5