A-t-elle tué l’apprentissage automatique?

L’apprentissage machine (ML) est un champ de recherche qui existe depuis plus de 50 ans et, en tant que sous-ensemble de l’intelligence artificielle, a également fait l’objet d’une grande innovation au cours de cette période. De nombreuses entreprises utilisent l’apprentissage machine tout au long de leur pile et certaines d’entre elles ont déjà fait appel à des frameworks d’apprentissage machine sans le réaliser. Cependant, avec l’essor de nouvelles formes de développements en intelligence artificielle comme l’intelligence artificielle générative, certains ont mis en question l’importance des approches traditionnelles telles que les algorithmes d’apprentissage machine. Dans cet épisode, Jane s’entretient avec Sascha Heyer, ingénieur en apprentissage machine senior chez DoiT, pour explorer si l’apprentissage machine a toujours un rôle à jouer dans un monde plus intéressé par l’intelligence artificielle conversationnelle. « Le futur est toujours difficile à prédire, personne ne s’attendait à ChatGPT et GPT en général et je ne sais pas ce qui se passera l’année prochaine. Mais je pense que nous aurons encore quelques projets d’apprentissage machine plus traditionnels pendant un certain temps, notamment parce que vous pouvez combiner ces approches traditionnelles d’apprentissage machine avec des approches de modèles de langage naturel.  » « Sans les grands modèles de langage, les ingénieurs devaient prendre en considération divers modèles, allant de la simple régression linéaire aux modèles d’ensemble plus complexes ou aux modèles d’apprentissage profond. Et ils devaient les ajuster en fonction de leurs cas d’utilisation, ce qui nécessitait beaucoup d’étapes manuelles. »