00:00
Title
Sorry, no results.
Please try another keyword
- Comment Turing a transformé une question philosophique floue – « une machine peut-elle penser ? » – en une épreuve concrète fondée sur ce que l’on voit, mesure et met à l’épreuve.
- Découvrir comment, en 1956 à Dartmouth, l’IA obtient son nom, son ambition et ses premiers succès, et pourquoi l’optimisme de ses fondateurs s’est vite heurté à la complexité du réel.
- De Logic Theorist à MYCIN, découvrez comment quatre percées entre 1956 et 1972 ont donné à l’IA des airs de révolution… et rendu ses hivers presque inévitables.
- De l’optimisme des débuts aux coupes massives de 1974-1980 puis 1987-1993, découvrez comment les promesses irréalistes ont plongé l’IA dans deux grands hivers et forcé un changement d’approche.
- De McCulloch et Pitts à Hinton, LeCun et Bengio, découvrez comment une idée jugée limitée a survécu aux hivers de l’IA en attendant données, calcul et bon moment historique.
- En partant d’un simple exemple de chats, découvrez pourquoi les mêmes idées de deep learning ont échoué sans données massives, comment internet a tout changé et pourquoi cela concentre le pouvoir.
- À partir d’un simple classement sportif, découvrez pourquoi la victoire d’AlexNet à ImageNet 2012 marque une rupture technique majeure et a réorienté les investissements mondiaux en IA.
- En suivant une journée ordinaire en 2012, on découvre comment filtres anti-spam, recherche Google, recommandations, traductions et sécurité bancaire utilisaient déjà l’IA, sans qu’on la nomme.
- De la détection de cancers au repliement des protéines, en passant par l’usine et la logistique : comprendre comment le deep learning a commencé à rivaliser avec des experts humains.
- À partir du coup 37 d’AlphaGo contre Lee Sedol, découverte de ce que l’apprentissage par renforcement change par rapport au deep learning supervisé, et pourquoi ce basculement dépasse largement le Go.
- En partant d’une simple différence de lecture, découvrez comment le Transformer a appris à regarder toute une phrase d’un seul coup d’œil et pourquoi cela a rendu possibles des modèles d’une toute autre dimension.
- Retour sur la décision d’OpenAI de retenir GPT-2 en 2019, ce que ses performances révélaient du saut qualitatif des modèles de langage et comment cela a déplacé le débat vers les risques de désinformation et la responsabilité des chercheurs.
- À partir de GPT-3 et de ses 175 milliards de paramètres, découverte d’un paradoxe clé de l’IA moderne : comment grossir un modèle produit des progrès attendus… et des capacités émergentes imprévues.
- Découvrir pourquoi ChatGPT, bâti sur GPT‑3.5, n’est pas une révolution magique de l’IA, mais un changement d’interface qui a fait passer une technologie d’experts entre les mains de millions de personnes.






















