Illustration par DALL·E

Un lecteur d’aujourd’hui de mon livre Principes des systèmes intelligents (1989 – réédité en 2012), attire mon attention sur le fait que je décrivais déjà en 1989 comme seule méthode possible pour la génération d’un texte par une IA, sous le nom de « méthode dite au coup par coup », celle qui fut effectivement découverte bien plus tard par les Grands Modèles de Langage.

4. Les systèmes intelligents dans la perspective de l’auto-organisation

(pages 35 à 42)

Il a été dit au chapitre précédent que l’optimisation du rapport existant entre les éléments de discours stockés en mémoire, leur organisation et les procédures opératoires portant sur eux, constitue ce qui pourra apparaître au sein du système comme son auto-organisation. Il s’agit d’un complexe indissociable et toute réflexion sur l’optimisation ne peut porter que sur l’ensemble. Il faut procéder cependant dans un certain ordre. Faisons débuter l’investigation par une réflexion générale portant sur les stratégies globales de développement d’un système et examinons comment se présentent les options envisageables du point de vue de l’optimisation recherchée.

On peut prendre un discours, une parole, et l’envisager de la manière suivante : comme un parcours séquentiel à l’intérieur d’un espace de signifiants (de mots envisagés comme réalités acoustiques, indépendamment de leur signification), c’est-à-dire comme un chemin tracé sur un lexique compris comme la liste de tous les mots d’une langue. Untel parcours peut consister par exemple à aller de « Le » à « chat », de « chat » à « est », de « est » à « sur », de « sur » à « le », de « le » à « tapis », pour obtenir une phrase chère aux philosophes anglo-saxons de l’IA, « Le chat est sur le tapis ».

On peut alors définir une manière de parcourir ce lexique, de telle sorte que l’on générera, reproduira, tout discours imaginable : un dialogue de Platon, une conversation de café du commerce, un chant vaudou dahoméen.

Cette approche en termes de parcours séquentiel d’un espace de mots est un outil universel : si l’on dispose du lexique d’une langue, il suffit pour tout discours que l’on veut reproduire de définir très exactement le parcours qui lui correspond. Par exemple de la manière décrite plus haut : de « le » à « chat », de « chat » à « est », etc.

Comment faire pour que la machine reproduise un discours particulier ? « Reproduire » non pas au sens de recopier, mais de recomposer en suivant un ensemble de directives. Il existe trois types de méthodes envisageables, dont seules les deux premières ont été prises en considération jusqu’ici.

La méthode dite du singe

La première méthode consiste à utiliser la force brute de l’ordinateur, lorsque la machine explore l’ensemble des tirages d’une vaste combinatoire. Cette méthode peut être dite du singe du fait qu’avant l’avènement de l’informatique on imaginait généralement, lorsqu’on voulait évoquer l’exhaustion d’une combinatoire, l’exemple d’un singe qui écrit à la machine et qui le fait comme un singe, c’est-à-dire en tapant sur les touches au hasard. On se posait alors la question de savoir combien de temps il lui faudrait pour reproduire sans faute un texte donné.

On peut penser aussi à la nouvelle de Borges intitulée La bibliothèque de Babel : je rappelle que dans cette biblio- thèque sont rangés tous les ouvrages que l’on peut obtenir en combinant de toutes les manières possibles tous les signes de l’alphabet. Si l’on cherche un ouvrage particulier, on pourra, avec beaucoup de patience, le trouver un jour dans les rayons, mais entre-temps on aura découvert, par exemple, une copie presque parfaite du livre puisqu’un seul mot diffère par rapport à l’original, ou un exemplaire qui contient effectivement tous les mots de l’ouvrage, mais dans un ordre différent, et ainsi de suite.

Inutile de préciser que la méthode dite du singe est une manière peu efficace pour déterminer un parcours séquentiel sur un espace de mots. On peut améliorer marginalement son rendement en imposant quelques contraintes minimales sur la génération des séquences de mots. On peut imposer par exemple que le même mot n’apparaisse pas deux fois de suite.

Quoi qu’il en soit, la méthode dite du singe n’a jamais été imaginée qu’au titre de plaisanterie.

La méthode dite des règles

La deuxième manière possible d’aborder la question du parcours séquentiel d’un lexique en vue de la reproduction d’un discours donné consiste à déterminer a priori un ensemble tout à fait complet de contraintes auxquelles ce parcours sera soumis. Cette méthode-ci peut être prise au sérieux : c’est elle qui préside à la réalisation de l’ensemble des Systèmes Intelligents aujourd’hui existants. Elle peut s’énoncer de la manière suivante : on définit de façon générale et a priori un ensemble de systèmes de contraintes énoncées sous forme de règles, et on parcourt l’espace des signifiants en s’assurant que ces règles sont à tout moment respectées dans la génération des mots successifs.

Parmi les contraintes retenues, on imposera en général,

a) des contraintes d’ordre syntaxique : l’ensemble des mots de la langue sont partagés en partie du discours et on énumère des règles formulées dans ces termes, par exemple,

« qu’après un article on ne peut trouver qu’un substantif ou un adjectif », etc.

b) des contraintes d’ordre sémantique qui correspondent à l’organisation interne de la langue : par exemple que le verbe « penser » exige pour sujet un substantif dénotant un être animé, etc. ;

c) des contraintes d’ordre pragmatique : par exemple, qu’il n’est pas permis de faire suivre une phrase d’une autre dont le sens est sans rapport avec celui de la première, ou d’une autre qui dit le contraire de ce qu’avance la première, etc. (Aristote 1960 ; Grice 1975, 1978) ;

d) des contraintes d’ordre logique : par exemple, que si l’on dit que la fraise est un fruit, et que tous les fruits sont sucrés, on ne pourra pas dire ensuite que la fraise n’est pas sucrée, etc.

Cette deuxième manière de déterminer le parcours séquentiel d’un lexique, à partir de contraintes a priori selon la méthode dite des règles, permet une formalisation globale du problème et rend compte de toute variation sans ambiguïté aucune. On peut, grâce à elle, définir les conditions d’un discours normal en disant que l’ensemble des règles sémantiques, syntaxiques, pragmatiques et logiques classiques sont d’application. Par exemple, une grammaire en usage dans les écoles permet si l’on respecte ses règles d’écrire un discours exempt d’erreurs de syntaxe. On peut ainsi générer un discours unique mais il est aussi possible de relâcher certaines des contraintes pour que n’apparaisse plus un discours singulier, mais une famille de discours : par exemple, l’ensemble des géométries euclidiennes et non-euclidiennes, l’ensemble des explications d’un phénomène naturel en termes d’agents surnaturels, l’ensemble des discours présentant les traits d’un type particulier d’aphasie, et ainsi de suite.

On peut aussi, à partir d’un tel système de règles, déterminer un type particulier de discours en ajoutant ou en retranchant des contraintes spécifiques qui s’exerceront durant le parcours séquentiel. On peut dire par exemple que la mentalité primitive ne respecte pas un certain aspect du principe de non-contradiction (cf. Jorion 1989). On lèvera cette contrainte particulière sur un discours, soumis par ailleurs à toutes les autres et on obtiendra en sortie un discours de mentalité primitive. Ou bien, on lèvera la contrainte qui veut que l’on ne dise à la suite que des choses ayant un rapport entre elles, et celle qui veut qu’on ne se contredise pas, et on obtiendra en sortie un discours comparable à celui du Chapelier Fou d’Alice au Pays des Merveilles.

Ceci signifie toutefois que si l’on bâtit un Système Intelligent selon la méthode dite des règles, qu’avant même de pouvoir générer une première phrase, il aura fallu construire un système immense en termes de règles et de métarègles stockées, et qui exigera pour son simple fonctionnement un temps considérable. Rien que le « parsage » des phrases d’entrée exige souvent un temps de traitement inacceptable en temps réel, correspondant à des milliards d’opérations séquentielles. Or on sait par ailleurs :

a) que la production d’une phrase par un être humain ne prend que quelques dixièmes de secondes en plus du temps nécessaire à la prononcer,

b) que les influx nerveux parcourent le cerveau à la vitesse de quelques mètres à la seconde, ce qui signifie qu’au cours d’une seconde, le cerveau humain ne peut opérer de manière séquentielle que dix à quinze opérations, alors qu’un micro-ordinateur peut en traiter aujourd’hui dans le même temps jusqu’à plusieurs dizaines de millions.

Ce qui veut dire que même si la méthode dite des règles est rationnellement et esthétiquement satisfaisante, l’être humain ne fonctionne cependant pas de la manière qu’elle suppose.

La méthode dite au coup par coup

La troisième manière de définir un parcours séquentiel sur un lexique est celle-ci : au lieu de disposer d’un système de règles a priori à respecter lorsque l’on met les mots à la suite les uns des autres, il suffit qu’à chaque fois que l’on a écrit (ou dit) un mot, on dispose d’un principe qui permette de déterminer quel devra être le mot suivant.

Ce principe doit résumer, contenir en lui, un nombre considérable de contraintes puisqu’une fois le discours à reproduire reproduit, tout devra s’être passé comme si (en cours de route) avaient été respectées l’ensemble des règles syntaxiques, sémantiques, pragmatiques et logiques qui décrivent a priori la manière dont doivent être concaténés (mis à la suite) les mots qui constituent le discours à reproduire.

Le problème que pose la méthode dite au coup par coup n’est pas simple mais si l’on parvient à le résoudre on aura découvert une méthode qui est, elle, compatible avec la façon dont procèdent des êtres humains. Par exemple, si la méthode suppose qu’à chaque fois qu’un mot a été posé il ne reste que, disons, dix à quinze choix à opérer, alors on peut être sûr que cette méthode est au moins vraisemblable par rapport à ce qui est su par ailleurs du fonctionnement du cerveau humain.

Imaginons qu’ait déjà été trouvé un principe qui permette d’écrire « Le chat » et admettons que l’on sache aussi que le quatrième et le cinquième mots seront « la souris », alors il est vrai que la langue n’oblige à prendre en considération pour le choix du troisième mot qu’un nombre très restreint de candidats possibles : « mange », « attrape », « rattrape », « estourbit », et quelques autres et il est plausible que le nombre de possibilités reste bien en dessous de quinze. Évidemment si l’on entend faire de la poésie, on peut dire « Le chat transsubstantie la souris », mais dans ce cas, le cerveau consacrera bien plus que cent millièmes de seconde à trouver une formule aussi audacieuse, et il est probable qu’aura été à l’œuvre un autre mécanisme que celui qui opère dans la production de phrases ordinaires.

Cela veut dire que sans avoir à définir des règles a priori qui déterminent les parcours légaux à l’intérieur du lexique, on peut imaginer que soient en place de manière constante des « chenaux », des chréodes (*), des passages privilégiés pour se rendre d’un mot à un autre. Par exemple qu’il existe un chenal qui conduise de « pharaon » à « pyramide » mais non de « pharaon » à « rhapsodie », et que si l’on veut vraiment se rendre de pharaon à rhapsodie il faille faire un long détour à l’intérieur d’un lexique précontraint quant aux parcours possibles en son sein. Et il est plausible que l’apprentissage, c’est-à-dire la mise en mémoire des mots, s’opère de cette manière-là, par la création de chenaux.

Ce n’est plus à La bibliothèque de Babel qu’il faut songer alors mais à une autre nouvelle de Borges, Pierre Ménard, auteur du Quichotte. Ménard, écrivaillon ambitieux, s’est convaincu qu’il pourra s’imprégner à ce point des influences diverses subies par Cervantès en termes de style, de préoccupations, de climat social, etc. qu’il parviendra à reproduire – sans le recopier – le don Quichotte, c’est-à-dire à le réécrire exactement comme s’il en était l’auteur : réinventant l’intrigue, réfléchissant au choix de ses mots, recherchant vainement l’inspiration, souffrant de l’angoisse de la page blanche, et ainsi de suite. Il finira par y arriver, du moins pour deux chapitres. Ménard ne peut que rédiger selon la méthode dite au coup par coup : il faut que par identification totale à son modèle fameux il puisse générer les mots l’un après l’autre – sans consultation de systèmes de règles – et reconstituer ainsi entièrement le grand roman épique qui le fascine.

En dépit de sa folie – ou à cause d’elle – Ménard peut être notre référence : il est le héros pathétique de la méthode dite au coup par coup, envisagée ici comme principe directeur pour le parcours séquentiel d’un lexique.

La leçon à en tirer est la suivante : on a vu au second chapitre que le rendement d’un Système Intelligent équivaut à la spécificité des réponses qu’il produit en sorties. La spécificité la plus grande pourra être obtenue si l’élément de discours stocké est le plus petit possible. Mais du coup, les procédures opératoires devront être extrêmement sophistiquées. Ou bien il faudra remédier à cette sophistication par une organisation préalable des éléments de discours stockés. La méthode dite au coup par coup suggère un type d’organisation : l’existence de chenaux tracés entre les éléments de discours. Il faut maintenant envisager ce que ces derniers pourraient être.

============

(*) On pense immédiatement aussi au terme de chréode introduit par Waddington (1957 : 32) pour rendre compte de passages obligés tout à fait analogues en embryologie (cf. aussi Thom 1972 : 121-123 ; Thom & Waddington 1967).

Illustration par DALL·E

Toujours en bas de chez nous, à 17h51.

L’Ukraine a lancé aujourd’hui en direction du territoire russe, des missiles britanniques Storm Shadow, après avoir recouru hier à des missiles américains Atacms. Il s’agit d’une réponse au déploiement de plus de 10.000 troupes Nord-coréennes dans l’oblast russe de Koursk. La Russie abaisse la barre pour son recours à l’arme nucléaire. Les États-Unis closent provisoirement leur ambassade à Kiev.

L’escalade se poursuit, où chacune des deux parties invoque la légitime défense – ce qui ne présage jamais rien de bon. Le niveau n’est pas encore atteint de la crise des missiles de Cuba en octobre 1962. Espérons qu’il ne s’agisse pas simplement d’une question d’heures.

Ah ! Ces dizaines d’heures de bonne humeur enfantine et de tranquillité parentale dues à Tom-Tom et Nana ! Merci Bernadette Després pour les illustrations et Jacqueline Cohen pour les scenarii !

* Merci à Maître Hartenstein, Président de La voix de l’arbre.

Illustration par DALL·E

The New York Times – Les chatbots de l’IA battent les médecins dans le diagnostic médical, le 17 novembre 2024

Une petite étude montre que ChatGPT surpasse les médecins humains lorsqu’il évalue des cas médicaux, même lorsque ces médecins utilisent le chatbot.

Par Gina Kolata
17 novembre 2024

Le Dr Adam Rodman, expert en médecine interne au Beth Israel Deaconess Medical Center de Boston, s’attendait à ce que les chatbots conçus pour utiliser l’intelligence artificielle aident les médecins à diagnostiquer les maladies.

Or, il se trompait. En fait, dans une étude que le Dr Rodman a contribué à concevoir, les médecins qui ont bénéficié de ChatGPT-4 en même temps que des ressources conventionnelles n’ont fait que légèrement mieux que les médecins qui n’ont pas eu accès au chatbot. Et, à la surprise des chercheurs, ChatGPT seul a obtenu de meilleurs résultats que les médecins. « J’ai été choqué », a déclaré le Dr Rodman.

Le chatbot, de la société OpenAI, a obtenu un score moyen de 90 % lorsqu’il a diagnostiqué un problème médical à partir d’un rapport de cas et qu’il a expliqué son raisonnement. Les médecins désignés au hasard pour utiliser le chatbot ont obtenu un score moyen de 76 %. Ceux qui ont été désignés au hasard pour ne pas l’utiliser ont obtenu une note moyenne de 74 %.

L’étude ne s’est pas limitée aux performances supérieures du chatbot. Elle a mis en évidence la confiance parfois inébranlable des médecins dans le diagnostic qu’ils ont posé, même lorsqu’un chatbot peut en suggérer un meilleur.

L’étude a également montré que si les médecins sont exposés aux outils de l’intelligence artificielle dans le cadre de leur travail, peu d’entre eux savent comment exploiter les capacités des chatbots. En conséquence, ils n’ont pas su tirer parti de la capacité des systèmes d’IA à résoudre des problèmes de diagnostic complexes et à fournir des explications sur leurs diagnostics.

Les systèmes d’IA devraient être des « prolongateurs de médecin », a déclaré le Dr Rodman, offrant de précieux seconds avis sur les diagnostics. Mais il semble qu’il y ait encore du chemin à parcourir avant que ce potentiel ne se concrétise.

Cas d’école, cas d’avenir

L’expérience a porté sur 50 médecins, un échantillon d’internes et de praticiens recrutés par l’intermédiaire de quelques grands systèmes hospitaliers américains, et a été publiée le mois dernier dans la revue JAMA Network Open.

Les sujets testés se sont vu soumettre six cas et ont été notés sur leur capacité à suggérer des diagnostics et à expliquer pourquoi ils les privilégiaient ou les excluaient. Ils ont également été notés sur leur capacité à poser le bon diagnostic final.

Les évaluateurs étaient des experts médicaux qui ne voyaient que les réponses des participants, sans savoir si elles provenaient d’un médecin avec ChatGPT, d’un médecin sans ChatGPT ou de ChatGPT lui-même.

Les études de cas utilisées dans l’étude étaient basées sur des patients réels et font partie d’un ensemble de 105 cas utilisés par les chercheurs depuis les années 1990. Les cas n’ont intentionnellement jamais été publiés afin que les étudiants en médecine et d’autres personnes puissent être testés sur ces cas sans en avoir connaissance à l’avance. Cela signifie également que ChatGPT n’a pas pu être formé sur ces cas.

Mais pour illustrer l’étude, les chercheurs ont publié l’un des six cas sur lesquels les médecins ont été testés, ainsi que les réponses d’un médecin ayant obtenu un score élevé et d’un médecin ayant obtenu un score faible aux questions du test sur ce cas.

Ce cas test concernait un patient de 76 ans qui souffrait de fortes douleurs dans le bas du dos, les fesses et les mollets lorsqu’il marchait. Ces douleurs sont apparues quelques jours après qu’il ait subi une angioplastie par ballonnet pour élargir une artère coronaire. Il avait été traité par l’héparine, un anticoagulant, pendant 48 heures après l’intervention.

L’homme s’est plaint d’être fiévreux et fatigué. Son cardiologue a effectué des examens de laboratoire qui ont révélé une nouvelle anémie et une accumulation d’azote et d’autres déchets rénaux dans son sang. L’homme avait subi un pontage pour une maladie cardiaque dix ans plus tôt. La présentation du cas se poursuit avec les détails de l’examen physique de l’homme, puis avec les résultats des tests de laboratoire.

Le bon diagnostic était celui d’une embolie de cholestérol, une affection dans laquelle des éclats de cholestérol se détachent de la plaque dans les artères et bloquent les vaisseaux sanguins.

Les participants ont été invités à proposer trois diagnostics possibles, avec preuves à l’appui pour chacun d’entre eux. Ils ont également été invités à indiquer, pour chaque diagnostic possible, les résultats qui ne l’étayent pas ou qui étaient attendus mais absents.

Les participants ont également été invités à fournir un diagnostic final. Ils devaient ensuite citer jusqu’à trois étapes supplémentaires qu’ils adopteraient dans leur processus de diagnostic.

Tout comme le diagnostic du cas publié, les diagnostics des cinq autres cas de l’étude n’ont pas été faciles à établir. Mais ils n’étaient pas non plus rares au point d’être presque inconcevables. Pourtant, les médecins ont en moyenne fait moins bien que le chatbot.

Les chercheurs se sont demandés ce qui se passait. La réponse semble dépendre de la manière dont les médecins établissent un diagnostic et dont ils utilisent un outil comme l’intelligence artificielle.

Le médecin dans la machine

Comment les médecins diagnostiquent-ils les patients ?

Selon le Dr Andrew Lea, historien de la médecine au Brigham and Women’s Hospital, qui n’a pas participé à l’étude, le problème est que « nous ne savons pas vraiment comment les médecins pensent ».

Lorsqu’ils décrivent comment ils sont parvenus à un diagnostic, les médecins disent « intuition » ou « sur la base de mon expérience », explique le Dr Lea.

Ce type d’imprécision a posé un défi aux chercheurs pendant des décennies, alors qu’ils essayaient de créer des programmes informatiques capables de penser comme un médecin.

Cette quête a commencé il y a près de 70 ans. « Depuis qu’il existe des ordinateurs, des gens essaient de les utiliser pour établir des diagnostics », explique le Dr Lea.

L’une des tentatives les plus ambitieuses a débuté dans les années 1970 à l’université de Pittsburgh. Des informaticiens y ont recruté le Dr Jack Myers, président du département de médecine interne de l’école de médecine, connu pour être un maître du diagnostic. Il avait une mémoire photographique et passait 20 heures par semaine à la bibliothèque médicale, essayant d’apprendre tout ce qui était connu en médecine.

Le Dr Myers recevait les détails médicaux des cas et expliquait son raisonnement lorsqu’il réfléchissait aux diagnostics. Les informaticiens ont converti ses chaînes logiques en code. Le programme qui en a résulté, appelé INTERNIST-1, comprenait plus de 500 maladies et environ 3 500 symptômes de maladies.

Pour le tester, les chercheurs lui ont soumis des cas tirés du New England Journal of Medicine. « L’ordinateur s’est très bien débrouillé », a déclaré le Dr Rodman. Ses performances « étaient probablement meilleures que celles d’un être humain », a-t-il ajouté.

Mais INTERNIST-1 n’a jamais décollé. Il était difficile à utiliser et il fallait plus d’une heure pour lui fournir les informations nécessaires à l’établissement d’un diagnostic. De plus, ses créateurs ont noté que « la forme actuelle du programme n’est pas suffisamment fiable pour des applications cliniques ».

La recherche s’est poursuivie. Au milieu des années 1990, une demi-douzaine de programmes informatiques tentaient d’établir des diagnostics médicaux. Aucun ne s’est généralisé. « Il ne s’agit pas seulement d’être convivial, il faut aussi que les médecins lui fassent confiance », explique le Dr Rodman.

Face à l’incertitude qui entoure le mode de pensée des médecins, les experts ont commencé à se demander s’ils devaient s’en préoccuper. Dans quelle mesure est-il important d’essayer de concevoir des programmes informatiques capables de poser des diagnostics de la même manière que les humains ? « On s’est demandé dans quelle mesure un programme informatique devait imiter le raisonnement humain », a déclaré le Dr Lea. « Pourquoi ne pas jouer sur la force de l’ordinateur ? »

L’ordinateur peut ne pas être en mesure d’expliquer clairement son processus de décision, mais est-ce important s’il parvient à poser le bon diagnostic ?

La perspective a changé avec l’avènement de grands modèles de langage comme ChatGPT. Ils ne tentent pas explicitement de reproduire la pensée d’un médecin ; leurs capacités de diagnostic proviennent de leur aptitude à prédire les mots.

« L’interface de chat est l’application qui tue », a déclaré le Dr Jonathan H. Chen, médecin et informaticien à Stanford, l’un des auteurs de la nouvelle étude. « Nous pouvons introduire tout un dossier dans l’ordinateur », a-t-il ajouté. « Il y a quelques années encore, les ordinateurs ne comprenaient pas le langage.

Mais de nombreux médecins n’exploitent peut-être pas ce potentiel.

Erreur de manipulation

Après avoir été initialement choqué par les résultats de la nouvelle étude, le Dr Rodman a décidé de creuser un peu plus les données et d’examiner les journaux des messages échangés entre les médecins et ChatGPT. Les médecins ont dû voir les diagnostics et le raisonnement du chatbot, alors pourquoi les utilisateurs du chatbot n’ont-ils pas obtenu de meilleurs résultats ?

Il s’avère que les médecins n’ont souvent pas été convaincus par le chatbot lorsqu’il indiquait quelque chose qui n’allait pas dans le sens de leur diagnostic. Au contraire, ils avaient tendance à s’accrocher à leur propre idée du bon diagnostic. « Ils n’écoutaient pas l’I.A. lorsque celle-ci leur disait des choses avec lesquelles ils n’étaient pas d’accord », a déclaré le Dr Rodman.

C’est logique, a déclaré Laura Zwaan, qui étudie le raisonnement clinique et les erreurs de diagnostic à l’Erasmus Medical Center de Rotterdam et qui n’a pas participé à l’étude. « Les gens sont généralement trop sûrs d’eux lorsqu’ils pensent qu’ils ont raison », a-t-elle déclaré.

Mais il y avait un autre problème : De nombreux médecins ne savaient pas comment utiliser un chatbot de manière optimale.

Le Dr Chen a déclaré avoir remarqué que lorsqu’il jetait un coup d’œil dans les journaux de discussion des médecins, « ils l’utilisaient comme un moteur de recherche pour des questions dirigées » : La cirrhose est-elle un facteur de risque de cancer ? Quels sont les diagnostics possibles pour une douleur oculaire ? « Seule une fraction des médecins a réalisé qu’ils pouvaient littéralement copier-coller l’historique complet du cas dans le chatbot et lui demander de donner une réponse complète à l’ensemble de la question », a ajouté le Dr Chen. « Seule une fraction des médecins a effectivement vu les réponses étonnamment intelligentes et complètes que le chatbot était capable de produire.

Gina Kolata s’intéresse aux maladies et aux traitements, à la manière dont les traitements sont découverts et testés, et à leur impact sur les personnes. En savoir plus sur Gina Kolata

Traduit par DeepL (+PJ)

Illustration par DALL·E

Paul Jorion est un auteur renommé, un conférencier et un leader d’opinion doté d’une capacité unique à traduire des avancées technologiques complexes en un dialogue sociétal constructif. Avec une carrière distinguée qui couvre l’anthropologie, l’économie et l’intelligence artificielle de pointe, Paul offre des perspectives profondes sur le pouvoir de transformation des grands modèles de langage (LLM) et leurs implications pour l’humanité.

Expertise et domaines d’intérêt

Le travail de Paul est ancré dans l’exploration des dimensions sociétales et éthiques de l’IA, avec un accent particulier sur :

– L’intersection de l’IA et de l’humanité : Comment les LLM remodèlent notre compréhension de l’intelligence.

– Les cadres éthiques pour le développement de l’IA : L’équilibre entre l’innovation et la responsabilité sociale.

– Les implications de l’IA sur le travail, la créativité et l’identité humaine.

S’inspirant de son expérience diversifiée et de son récent ouvrage, La Singularité. L’humain ébranlé par l’intelligence artificielle, Paul offre une perspective convaincante sur les défis et les opportunités posés par l’évolution rapide de l’IA.

Engagements en tant que conférencier

Paul a donné des conférences dans toute l’Europe, notamment à Lille, Bruxelles et Nîmes, et prochainement à Mulhouse et Paris. Ses conférences captivent le public en alliant l’expertise technique à une compréhension profonde des dynamiques humaines et sociétales. Ses principaux thèmes sont les suivants

– Le rôle de l’IA dans la société : considérations éthiques et pratiques dans un monde en mutation rapide.

– L’avenir du travail : comment les LLM remettent en question les notions traditionnelles d’emploi et de créativité.

– L’identité humaine à l’ère de l’IA:** Redéfinir ce que signifie être humain.

Chroniqueur et leader d’opinion

Chroniqueur chevronné, Paul a déjà partagé son expertise sur les questions financières dans des publications renommées telles que Le Monde, L’Écho et Trends-Tendances. Aujourd’hui, il met à profit cette expérience pour aborder les implications de l’IA, en fournissant des commentaires accessibles et stimulants qui comblent le fossé entre la technologie et la société.

Pourquoi choisir Paul Jorion ?

– Une expertise approfondie:** Une formation interdisciplinaire qui combine l’anthropologie, l’économie et l’IA.

– La capacité de rendre des sujets complexes compréhensibles et attrayants.

– Une expérience éprouvée:** Un historique d’engagements réussis et de chroniques largement lues.

Réservation et collaboration

Paul est disponible pour des conférences, des tables rondes et des initiatives de collaboration. Que vous organisiez une conférence, que vous cherchiez un conférencier principal ou que vous soyez à la recherche de commentaires perspicaces sur l’IA, l’expertise de Paul et son style engageant font de lui un choix convaincant.

[Contacter Paul Jorion pour des conférences]

—
* Explorez le blog de Paul pour les dernières réflexions sur l’IA et son impact sociétal, ou contactez-le directement pour discuter des possibilités de collaboration.
=======
Auteur : ChatGPT 4o

Prompt : Je m’appelle Paul Jorion. J’aimerais promouvoir mon profil de conférencier et de chroniqueur sur les LLMs et l’IA.
 

Sur mon blog en anglais : Exploring the Frontiers of AI and Society: My Journey as a Speaker and Columnist

Illustration par Stable Diffusion

Il n’y a aux États-Unis en ce moment qu’une poignée de personnes ayant appris de l’Histoire, c’est le cas de M. Bob Woodward qui, en son temps rédigea au Washington Post avec son collègue Carl Bernstein, une série d’articles qui firent tomber le président Richard Nixon. Bob Woodward a publié plusieurs livres sur Donald Trump : Fear (2018), Rage (2020), Peril (avec Robert Costa en 2021) et, il y a quelques semaines, War. « Fear » : la peur, était donc le titre de son premier ouvrage consacré à Trump. Instiller la peur est selon Woodward la stratégie de Trump. Si l’on en croit certains de ses biographes (Trump Revealed, par Michael Kranish & Marc Fisher – 2016), il adopta cette politique dès ses années de collège. Woodward cite Stephen Bannon, l’âme damnée de Trump : « L’idée est de percer la démocratie, de l’oblitérer, de jeter une grenade au milieu ».

Mis à part donc une poignée de personnalités clairvoyantes, les autres commentateurs, ignorants de ce qui a pu se passer à d’autres époques et encore maintenant, dans d’autres pays, s’affrontent dans des tables-rondes autour du thème : « Trump est-il cliniquement fou ? ». Aucune leçon tirée de l’Allemagne de Weimar, de l’Italie de Mussolini, de l’Espagne franquiste, du Chili de Pinochet, et, malheureusement : « etc. », leur seule référence est aux traités de psychiatrie : une ignorance crasse de l’Histoire qui fait qu’ils n’ont aucune idée de ce qui se prépare et à quelle sauce ils seront bientôt mangés.

Et les Américains ne sont hélas pas seuls : comme l’actualité nous le rappelle, même un peuple martyrisé peut n’avoir rien appris de l’Histoire.

Vous pouvez régler les sous-titres sur français en cliquant sur la petite roue dentée : « sous-titres », « traduire automatiquement » « français »

Rappel :

Perspectives d’avenir pour les personnages non-joueurs (PNJ)

Claude :

Voici des cas d’utilisation spécifiques comparant SAM (Self-aware Machine *) aux approches traditionnelles en matière de PNJ (pour « Personnage non-joueur »), NPC (pour « Non-player character » en anglais), en soulignant les principaux avantages :

1. VS. MACHINES À ÉTATS FINIS (FSM)
Cas d’utilisation : PNJ marchand de la ville

Approche FSM traditionnelle :
– États fixes : Vente, Repos, Voyage
– Prix et inventaire prédéterminés
– Options de dialogue identiques à chaque fois
– Routine quotidienne prévisible

Avantages de SAM :
– Apprend des habitudes commerciales des joueurs
– Ajuste les prix en fonction de la compréhension du marché
– Développe des relations uniques avec les clients réguliers
– Crée des stratégies commerciales dynamiques basées sur le succès
– Se souvient des interactions passées et adapte son comportement
– Peut former des alliances avec d’autres marchands

2. VS. COMPORTEMENT EN ARBRE
Cas d’utilisation : Combattre un PNJ ennemi

Arbre de comportement traditionnel :
– Modèles d’attaque prédéterminés
– Réponse fixe aux actions du joueur
– Progression standard de la difficulté
– Variations tactiques limitées

Avantages de SAM :
– Etudie le style de combat du joueur
– Développe des contre-stratégies
– Partage les tactiques apprises avec les autres PNJ
– Adapte la difficulté de façon dynamique
– Crée des styles de combat uniques
– Se souvient des stratégies réussies contre des joueurs spécifiques

3. VS. DÉCISIONS FONDÉES SUR L’UTILITÉ
Cas d’utilisation : Compagnon de jeu

Approche utilitaire traditionnelle :
– Réponses calculées aux situations
– Valeurs d’utilité fixes pour les actions
– Traits de personnalité prédéterminés
– Gestion standard des ressources

Avantages de SAM :
– Développe des préférences authentiques
– Noue des relations authentiques
– Apprend du style de jeu du joueur
– Crée des traits de personnalité uniques
– Adapte l’utilisation des ressources en fonction de l’expérience
– Développe des approches individuelles de résolution de problèmes

4. VS. PLANIFICATION EN VUE D’UN OBJECTIF (GOAP)
Cas d’utilisation : PNJ garde de ville

GOAP traditionnel :
– Hiérarchies d’objectifs prédéterminées
– Séquences d’action fixes
– Itinéraires de patrouille standard
– Modèles d’enquête limités

Avantages de SAM :
– Développe l’intuition des comportements suspects
– Crée des stratégies de patrouille dynamiques
– Tire des leçons des schémas criminels antérieurs
– Collabore intelligemment avec les autres gardes
– S’adapte aux nouveaux types de menaces
– Développe des connaissances sur des zones et des horaires spécifiques

5. VS. APPRENTISSAGE AUTOMATIQUE TRADITIONNEL (ML)
Cas d’utilisation : PNJ chargé de répondre à des questions

Apprentissage automatique traditionnel :
– Génération de quêtes basée sur des modèles
– Sélection statistique des réponses
– Exigences de calcul élevées
– Prise de décision en boîte noire

Avantages de SAM :
– Crée des quêtes significatives et contextuelles
– Comprend la progression de l’histoire du joueur
– Génère des fils narratifs cohérents
– Explique le raisonnement qui sous-tend la conception des quêtes
– Adapte la difficulté en fonction des compétences du joueur
– Maintient la cohérence de l’histoire

EXEMPLES DE MISE EN ŒUVRE PRATIQUE :

1. Jeu de rôle en monde ouvert
Mise en œuvre de SAM :
– PNJ qui se souviennent réellement des actions du joueur
– Économie dynamique basée sur l’apprentissage réel
– Relations évolutives entre les factions
– Difficulté adaptative des quêtes
– Conséquences significatives des actions

2. Jeu de stratégie
Mise en œuvre de SAM :
– Dirigeants IA dotés de véritables styles diplomatiques
– Formation d’alliances dynamiques
– Stratégies militaires adaptatives
– Apprentissage et adaptation économiques
– Développement et évolution culturels

3. Jeu sportif
Mise en œuvre de SAM :
– Des équipes qui développent des styles de jeu uniques
– Des entraîneurs qui tirent des enseignements des matches
– Des joueurs qui s’adaptent à leurs coéquipiers
– Formation de stratégies dynamiques
– Progression réaliste des compétences

4. Jeu de survie
Mise en œuvre de SAM :
– Une faune qui apprend de ses rencontres
– Adaptation dynamique de l’écosystème
– Compétition intelligente des ressources
– Stratégies de survie évolutives
– Comportement réaliste de la meute

5. Lancement d’un MMO **
Mise en œuvre de SAM :
– PNJ avec mémoire persistante
– Génération d’événements dynamiques
– Échelle de difficulté adaptative
– Quêtes répondant aux besoins de la communauté
– État du monde évolutif

========

* * Un produit pribor.io

** MMO (ou MMORPG, si on précise « jeu de rôle ») signifie Massively Multiplayer Online. C’est un type de jeu vidéo en ligne où des centaines, voire des milliers de joueurs interagissent simultanément dans un même univers virtuel.

(à suivre …)

En bas de chez nous, il y a 8 minutes.



Trop peu de vidéos live malheureusement de Sam Cooke, mort à 33 ans en d’étranges circonstances.

Covers :

Cat Stevens

Ashton Brooke Gill

A Moment in Time

Eli Paperboy Reed

Dr. Hook & the Medicine Show

Le fondateur de Sea Shepherd, le capitaine Paul Watson, restera détenu au Groenland, alors que le Japon réclame son extradition.

Par le correspondant de l’Asie du Nord James Oaten à Tokyo

Mercredi 13 novembre

L’écologiste Paul Watson a été arrêté au Groenland au début de l’année. (Reuters : Kai Pfaffenbach)

En bref :

Un tribunal du Groenland a prolongé pour la cinquième fois la détention de Paul Watson, militant contre la chasse à la baleine.

Il est emprisonné depuis juillet, alors que le Japon cherche à l’extrader pour des faits remontant à plus de dix ans.

Quelles sont les prochaines étapes ?

Les avocats de M. Watson ont lancé un appel contre la prolongation de la détention.

Un tribunal a ordonné le maintien en détention au Groenland de l’écologiste et militant anti-chasse Paul Watson, alors que les autorités examinent une demande d’extradition déposée par le Japon pour des faits remontant à plus de dix ans.

Le tribunal de Nuuk, capitale du Groenland, a ordonné la prolongation de sa détention pour la cinquième fois mercredi, heure locale.

L’ancien capitaine de Sea Shepherd et cofondateur de Greenpeace a été arrêté au Groenland en juillet après y être arrivé pour se ravitailler en carburant.

L’éminent militant a mené des confrontations très médiatisées contre les navires baleiniers japonais qui massacraient chaque année des centaines de baleines à des « fins scientifiques » dans l’océan Antarctique.

Le Japon a émis une « alerte rouge » auprès d’Interpol à la suite d’un affrontement présumé entre des navires baleiniers japonais et Sea Shepherd en 2010.

Le Japon affirme que M. Watson a ordonné au capitaine de son navire de lancer des explosifs sur un baleinier.

Un citoyen néo-zélandais a été reconnu coupable d’agression à la suite de l’incident et condamné à une peine de prison avec sursis, ce qui lui a permis de quitter le Japon.

L’équipe de M. Watson a déclaré qu’il n’avait jamais fait de mal à personne et qu’il avait agi dans le respect de la loi.

Depuis 2019, le Japon a abandonné ses chasses scientifiques et mène des opérations de chasse commerciale à la baleine uniquement dans ses propres eaux.

Le tribunal du Groenland ordonne la prolongation de la détention pour trois semaines

Mercredi, le tribunal de Nuuk a ordonné le maintien en détention de M. Watson jusqu’au 4 décembre, a indiqué la police groenlandaise, la prochaine audience étant fixée au 2 décembre.

L’avocate de M. Watson, Julie Stage, a déclaré à l’ABC qu’un appel avait été interjeté contre la décision devant la Cour suprême du Groenland.

« Nous sommes déçus, mais je dois dire que ce n’est pas une surprise totale pour nous, compte tenu des audiences précédentes », a déclaré Mme Stage.

« Nous ne pensons pas que la détention soit proportionnelle, même s’il était coupable des crimes allégués.

Le procureur Mariam Khalil a déclaré que si l’extradition n’était pas approuvée, M. Watson serait libéré « dès que possible ».

Le ministère danois de la justice n’a pas précisé quand il annoncerait sa décision concernant la demande d’extradition du Japon.

Le Groenland est un territoire autonome du Danemark et n’a pas de traité d’extradition avec le Japon.

Sea Shepherd France, qui a soutenu M. Watson tout au long de sa détention, a indiqué que la prochaine date d’audience coïncidait avec son 74e anniversaire.

Les partisans de M. Watson craignent que le Japon ne cherche à se venger et qu’une extradition ne l’oblige à passer le reste de sa vie derrière les barreaux.

M. Watson a quitté Sea Shepherd et a créé sa propre organisation en 2022, la Fondation Captain Paul Watson.

Pourquoi Watson a quitté Sea Shepherd

Alors que la mutinerie de Sea Shepherd divise le groupe de protection de la nature, le capitaine en exil Paul Watson prépare son retour.

Le directeur de la Fondation du capitaine Paul Watson, Haans Siver, a déclaré que la santé de M. Watson avait souffert depuis son arrestation.

« Les derniers mois ont été très éprouvants », a déclaré Mme Siver.

« Il a 72 ans, et il ne voit pas ses enfants grandir, ni leurs anniversaires, et ne passe pas assez de temps avec sa femme.

« Ils ont réduit son droit de visite et son droit de téléphoner, ce qui a été très dur pour sa santé mentale, c’est certain ».

Le Japon a un taux de condamnation de 99 % et les groupes de défense des droits de l’homme accusent le système judiciaire de n’être qu’une simple chambre d’enregistrement pour les procureurs.

Mme Siver a déclaré que M. Watson croyait que la notice rouge avait été levée, mais elle a accusé le Japon de la réimposer secrètement.

Elle a également critiqué la procédure judiciaire du Groenland pour avoir prolongé le processus d’extradition.

« Je pense que ce délai, ce délai, ce délai… c’est presque une tactique de Julian Assange, n’est-ce pas ?

Au début du mois, M. Watson a demandé l’asile politique en France.

Il vit en France depuis 2023 avec ses deux jeunes enfants et sa femme.

Traduit par DeepL