L’algorithme de LLMtime de NYU prédit l’événement suivant dans une séquence d’événements, représentée par des chaînes de chiffres numériques. Les programmes génératifs de l’intelligence artificielle d’aujourd’hui, tels que ChatGPT, sont en mesure de produire de nombreux autres types de résultats que du texte, comme ZDNET l’a exploré en profondeur. L’un des plus importants de ces « modalités », comme on les appelle, est ce que l’on appelle les données en série temporelle – des données qui mesurent les mêmes variables à différents moments pour détecter les tendances. Les données sous forme de série temporelle peuvent être importantes pour des choses comme le suivi de l’historique médical d’un patient dans le temps avec les entrées effectuées par un médecin dans un dossier. Faire ce que l’on appelle une prévision de séries temporelles consiste à prendre les données historiques et à prédire ce qui se passe ensuite; par exemple: « Ce patient va-t-il mieux? » Aussi: ChatGPT semble ne pas savoir quand ses connaissances prennent fin Les approches traditionnelles des données en série temporelle impliquent un logiciel spécialement conçu pour ce type de données. Mais maintenant, l’intelligence artificielle générative acquiert une nouvelle capacité à traiter les données en série temporelle de la même manière qu’elle traite les questions d’essai, la génération d’images, le codage de logiciels et les différentes autres tâches auxquelles ChatGPT et les programmes similaires ont excellé.
Équilibrer la Numérisation et la Sobriété Numérique dans la Formation Professionnelle : Solutions Actuelles et Besoins Émergents
La formation professionnelle tout au long de la vie (FTLV) connaît une transformation significative dans le contexte actuel de numérisation
