L'intelligence artificielle générative ou IA générative (ou GenAI) est un type de système d'intelligence artificielle (IA) capable de générer du texte, des images ou d'autres médias en réponse à des invites (ou "prompts"). Les modèles génératifs apprennent les modèles et la structure des données d'entrée, puis génèrent un nouveau contenu similaire aux données d'apprentissage mais avec un certain degré de nouveauté (plutôt que de simplement classer ou prédire les données).
L'IA générative peut être unimodale ou multimodale ; les systèmes unimodaux n'acceptent qu'un seul type d'entrée (par exemple, du texte), tandis que les systèmes multimodaux peuvent accepter plusieurs types d'entrée (par exemple, du texte et des images).
Les cadres les plus importants pour aborder l'IA générative comprennent les réseaux antagonistes génératifs (GAN) et les transformateurs génératifs pré-entraînés (GPT). Les GAN se composent de deux parties : un réseau générateur qui crée de nouveaux échantillons de données et un réseau discriminateur qui évalue si les échantillons sont réels ou faux. Les deux réseaux sont formés ensemble dans le cadre d'un processus concurrentiel, le réseau générateur essayant continuellement de produire des échantillons de meilleure qualité et plus réalistes, tandis que le réseau discriminateur s'efforce d'identifier avec précision les faux échantillons. Les GPT sont des réseaux de neurones artificiels fondés sur l'architecture du transformateur, pré-entraînés sur de grands ensembles de données de texte non étiqueté et capables de générer un nouveau texte de type humain. Ils utilisent de grands modèles de langage (abrégé LLM de l'anglais large language model) pour produire des données fondées sur l'ensemble de données d'entraînement qui a été utilisé pour les créer.
L'IA générative a de nombreuses applications potentielles, notamment dans des domaines créatifs tels que l'art, la musique et l'écriture, ainsi que dans des domaines tels que les soins de santé, la finance et les jeux.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
We develop a sophisticated framework for solving problems in discrete mathematics through the use of randomness (i.e., coin flipping). This includes constructing mathematical structures with unexpecte
This course enables students to sharpen their proficiency in tackling ethical and legal challenges linked to Artificial Intelligence (AI). Students acquire the competence to define AI and identify eth
Human and freight mobility in large cities is a complex process with dense population and many transport modes to compete for limited space. New emerging modes of transport, such as on-demand services
Un modèle de fondation est un modèle d'intelligence artificielle de grande taille, entraîné sur une grande quantité de données non étiquetées (généralement par apprentissage auto-supervisé ). Le modèle résultant peut être adapté à un large éventail de tâches en aval (downstream tasks en anglais). Depuis leur introduction en 2018, les modèles de fondation ont induit une transformation majeure dans la manière de construire les systèmes d'IA. Les premiers modèles de fondation étaient de grands modèles de langage pré-entraînés, notamment BERT et GPT-3.
Bard est un prototype de chatbot (agent conversationnel) construit par Google sur la base de leur modèle de langage LaMDA. Les résultats proposés par Bard reposent sur un algorithme statistique, à l'instar de ChatGPT. En novembre 2022, OpenAI a lancé ChatGPT, un chatbot basé sur la famille de modèles de langage GPT-3. ChatGPT a attiré l'attention du monde entier après sa sortie, devenant une sensation virale sur Internet.
L'intelligence artificielle générative ou IA générative (ou GenAI) est un type de système d'intelligence artificielle (IA) capable de générer du texte, des images ou d'autres médias en réponse à des invites (ou "prompts"). Les modèles génératifs apprennent les modèles et la structure des données d'entrée, puis génèrent un nouveau contenu similaire aux données d'apprentissage mais avec un certain degré de nouveauté (plutôt que de simplement classer ou prédire les données).
Couvre les changements de systèmes de coordonnées et les diagrammes de rayonnement des réseaux de dipôles de Hertz et les facteurs de réseau le long de différents axes.