Google a lancé Gemini, un nouveau système d’intelligence artificielle (IA), qui peut apparemment comprendre différents types de sollicitations (prompt) et en parler intelligemment : images, texte, parole, musique, code informatique, entre autres.
Ce type de système d’IA est connu sous le nom de « modèle multimodal ». C’est une avancée notable par rapport aux systèmes d’IA précédents, qui se contentaient de traiter du texte ou des images.
On entrevoit ici une des probables prochaines étapes pour les technologies d’intelligence artificielle : être capable d’analyser et de répondre en temps réel à des informations provenant du monde extérieur.
Bien que les capacités de Gemini ne soient peut-être pas aussi avancées qu’elles le semblent dans la vidéo virale qui a été éditée à partir d’un texte soigneusement sélectionné et d’images fixes, il est clair que les systèmes d’IA progressent rapidement. Ils se dirigent vers une capacité à gérer des entrées et des sorties de plus en plus complexes.
De fait, pour développer de nouvelles capacités, les systèmes d’IA dépendent fortement du type de « données d’entraînement » auxquelles ils ont accès. Les données d’entraînement sont précisément ce qui leur permet d’améliorer la façon dont ils réalisent des tâches, et notamment d’inférer des informations – ce qui sert à reconnaître un visage et à rédiger des dissertations.
À l’heure actuelle, les données sur lesquelles des entreprises telles que Google, OpenAI, Meta et d’autres entraînent leurs modèles proviennent encore principalement d’informations numérisées sur Internet.
Toutefois, des efforts sont déployés pour élargir radicalement le champ des données sur lesquelles l’IA peut travailler. Par exemple, en utilisant des caméras, des micros et d’autres capteurs et détecteurs allumés en permanence, il serait possible de permettre à une IA de savoir ce qui…
La suite est à lire sur: theconversation.com
Auteur: Lars Erik Holmquist, Professor of Design and Innovation, Nottingham Trent University
