L’apprentissage automatique (ML) est un domaine de recherche depuis plus de 50 ans, et en tant que sous-ensemble de l’intelligence artificielle, il a également été le centre d’une grande innovation au fil du temps. De nombreuses entreprises utilisent l’apprentissage automatique dans l’ensemble de leur système et certaines se sont appuyées sur des cadres de ML sans s’en rendre compte. Cependant, avec la popularité croissante de nouvelles formes de développements en intelligence artificielle telles que l’IA générative, certains se demandent dans quelle mesure les approches traditionnelles telles que les algorithmes d’apprentissage automatique ont encore leur place dans l’industrie technologique. Dans cet épisode, Jane s’entretient avec Sascha Heyer, ingénieur principal en apprentissage automatique chez DoiT, pour explorer si le ML a toujours un rôle à jouer dans un monde qui s’intéresse davantage à l’IA conversationnelle. « L’avenir est toujours difficile à prédire, personne ne s’attendait à ChatGPT et à 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 automatique traditionnels pendant un certain temps, surtout parce que vous pouvez combiner ces approches traditionnelles d’apprentissage automatique avec des approches de modélisation du langage naturel. » « Sans les grands modèles de langage, les ingénieurs devaient prendre en compte différents modèles, allant de la régression linéaire simple 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. »
Menu
