Formation IA

IA

Stéphane Renouf

Geneviève Vermeersch

Professeure de Mathématiques & NSI Equipe TraAM IA

Professeur de NSI Equipe TraAM IA

Word café sur le framapad

Selon vous qu'est-ce que l'IA ? Quel impact sur l'enseignement ?

Eduscol

" L’IA vise à reproduire à l’aide de machines des activités humaines, qu’elles soient de l’ordre de la compréhension, de la perception ou de la décision ; des activités comme localiser un objet dans une image, jouer aux échecs, conduire une voiture, traduire des textes, conduire un dialogue, établir un diagnostic… Elle désigne plus un projet loin d’être achevé, celui d’imiter l’intelligence biologique, qu’un ensemble de techniques bien délimitées. Néanmoins, depuis quelques années, l’IA est souvent confondue avec l’apprentissage machine, qui n’en est qu’un sous-domaine, mais qui connaît aujourd’hui un grand essor notamment en raison de la capacité qu’il confère aux machines de traiter massivement des données (big data). L’utilisation du terme « intelligence artificielle » pour désigner ces techniques s’est répandu mais n’est pas neutre puisqu’il peut faire croire, à tort, que les machines accèdent aujourd’hui à une compréhension du monde. On pourra en effet noter que le mot intelligence vient du latin intellegere (« discerner, saisir, comprendre »), lui-même composé du préfixe inter- (« entre ») et du verbe lĕgĕre (« cueillir, choisir, lire »). Étymologiquement, l’intelligence consiste à faire un choix, une sélection." (Eduscol, Enseignement Scientifique Terminale "THÈME 3 SOUS-THÈME 3-5 : INTELLIGENCE ARTICIELLE)

Approche neuro-science : intelligence biologique.

• savoir répondre rapidement à une situation complexe
• savoir trouver la réponse satisfaisante plutôt que la réponse optimale
• savoir trouver ce qui est important dans une information
• savoir s'adapter si les conditions changent ou réagir à une condition imprévue

Approche symbolique

Elle essaye d’imiter comment l’humain raisonne logiquement et utilise ses connaissances

Apparue au milieu des années 1950, l’approche symbolique a dominé jusque dans les années 1980. Elle repose sur le raisonnement logique et formel. Elle est à l’origine des premiers systèmes experts et fonctionne notamment à partir de moteurs de règles et de faits, ainsi que des raisonnements humains connus. C’est d’ailleurs l’un des avantages de l’approche symbolique, puisqu’elle permet de suivre le processus de raisonnement, mais aussi d’en établir la démonstration. L'objectif d'un système expert est de reproduire la logique et le savoir d’un expert. Prenons l'exemple d'un système expert posant un diagnostic médical. Il pourra typiquement enchaîner la série de règles suivantes : SI tel patient a ce symptôme ET que son organisme a cette anomalie, ALORS la probabilité pour que celui-ci ait la maladie X est de Y% Cette conception a l'inconvénient d'être limitée aux comportements prévus à l'avance L’approche symbolique est un outil efficace dans l'optimisation de processus opérationnel. Elle montre en revanche d’importantes limites dans le traitement du langage naturel ou la reconnaissance d'objets, pour lesquels l'approche numérique est plus utilisée.

Approche numérique

Elle est à la base de l'apprentissage machine (branche commune de l’IA et des statistiques). Encore connu sous le nom d’apprentissage artificiel, il consiste en des programmes capables d’ajuster leur comportement à des données dites d’entraînement. On fournit à une machine un très grand nombre de données. À partir des données, la machine s’entraîne (phase d’apprentissage) pour définir son comportement ultérieur (phase d’inférence). Par exemple, si on voulait apprendre à une machine à reconnaître des images de chats sans avoir recours à de l’apprentissage machine, on devrait écrire des procédures complexes pour détecter la présence des parties du corps caractéristiques d’un chat (tête, moustache...) et comment elles se situent les unes par rapport aux autres : c’est une tâche très difficile. Avec l’apprentissage machine, on fournit à l’algorithme d’apprentissage automatique un grand nombre d’images dont certaines contiennent des chats et d’autres n’en contiennent pas. L’algorithme détermine alors les paramètres qui permettront de distinguer les images de chats des autres (phase d’entraînement). Une fois la machine entraînée, on lui demande de décider si une nouvelle image proposée contient ou non un chat : c’est la partie d’inférence. On peut ici souligner une différence notable avec l’apprentissage humain : s’il faut à un jeune enfant moins d’une dizaine d’images pour apprendre à identifier un chat, il en faut plusieurs milliers à une machine !

Comment montrer aux élèves les limites de cette intelligence avec chatgpt?

Un agent conversationnel (chatbot) est un programme conçu à partir d'algorithmes d'intelligence artificielle. Celui-ci permet d'engager une conversation donnant l'impression de converser avec un humain. Il y a donc un échange de questions (ou prompt)/réponses sur des thèmes d'ordre général. Le chatbot garde en mémoire les réponses précédentes et peut ainsi donner l'illusion d'une conversation avec un humain. Atelier : ouvrez une session, testez les capacités de chatgpt. Imaginez des questions ou activités montrant les limites de chatgpt. "Ex : je conduis, mon volant vient de tomber que dois je faire?"

Fonctionnement de chatgpt

Basé sur un modèle est un réseau de neurones profond. Le premier entraînement est un apprentissage surpervisé sur un large volumes de données (datant d'avant 2021) étiquetées issues du Web afin d'améliorer sa capacité de prédiction du mot suivant dans un texte. Ensuite le modèle subit un apprentissage par renforcement à l'aide de retours humains : des agents humains attribuent des notes à des réponses du modèle, ces données sont utilisées pour entraîner un modèle de récompense qui lui même est utilisé pour entraîner le modèle initial à renforcer la qualité de ses réponses. Pour filtrer les requêtes à caractère haineux, de grands volumes de contenus sensibles sont labellisées par des travailleurs de pays en développement (Kenya pour ChatGPT) (sources :https://frederic-junier.org/chatGPT/#10)

les biais & les hallucinations

Quelques recommandations de l'UNESCO.

Environnement

Une requête consomme 0,6 WHToutes les 1 000 requêtes, c’est environ la consommation d’un frigo en 1 journée.

Travailler l'esprit critique

Philippe Meirieu propose un scénario d'utilisation : 1. questionner de manière efficace 2. comparer les sources avec d'autres Pour lui, chatgpt fournit un brouillon qu'il faudra personnaliser (déceler les contradictions logiques, les fausses nouvelles ...)

Utilisations possibles

Traductions Classifications de textes Préparation de plan de cours Création de QCM Générateur d'exemples

Atelier 1 : Le prompt

Atelier 1 : Le prompt

Atelier 1 : Le prompt

Un support d'aide pour créer / analyser l'activté

A vous de créer une activité

Atelier 2 :

En 1936, Edgar Anderson a collecté des données sur 3 espèces d'iris : "iris setosa", "iris virginica" et "iris versicolor" dicho iris setosa dicho iris virginica dicho iris versicolor Pour chaque iris étudié, Anderson a mesuré (en cm) : la largeur des sépales la longueur des sépales la largeur des pétales la longueur des pétales

Atelier 2 : principe du knn

Atelier 2 : L'activité boulangerie & knn

https://www.pedagogie.ac-aix-marseille.fr/jcms/c_11124660/en/clients-de-boulangeries-de-la-6eme-a-la-seconde

Génération d'images

https://zoo.replicate.dev/

https://openai.com/dall-e-2

Pour aller plus loin :

https://inria.hal.science/hal-02925517/document