peechy a écrit le 21/11/2024 à 12h46:
En fait, l'IA aura toujours besoin des humains pour fonctionner si je comprends bien ? [...] Car si elle tourne en rond au bout d'un moment car plus ou pas assez de ressources/données fournies par des humains ben, elle sert à rien...
Oui, c'est la principale limitation. Il faut des données en grande quantité pour que l'IA puisse apprendre (donc il faut de toute façon des gens en amont pour les lui fournir au bon format), et une fois l'apprentissage fait, bah... l'IA est limitée par ce qu'elle a appris
Elle peut toujours tenter d'extrapoler, mais en l'état actuel des choses, c'est impossible qu'elle crée quoi que ce soit à partir de rien.
expar a écrit le 21/11/2024 à 13h29:
Et si jamais vous avez l'occasion par votre travail de pouvoir visiter un Datacenter, ça vaut le coup de le faire afin de comprendre l'impact qu'a l'informatique sur l'environnement : entre l'occupation au sol, l'électricité, le système de refroidissement, etc.
On en parle, des spacieux bâtiments qu'ils ont construit il y a quelques décennies en anticipant la place que prendraient les futurs datacenter... sauf que pas de bol, c'est la densité du hardware qui a augmenté, pas l'espace qu'il prend
Ils ont aujourd'hui des problématiques d'affaissement des sols des bâtiments, pas conçus pour supporter un tel poids au m²
klavel a écrit le 21/11/2024 à 14h39:
Après, elle pourrait avoir des applications vraiment intéressantes dans d'autres domaines, notamment la recherche, où elle permettrait des calculs complexes... [...] développer des modèles météo ou climatique plus précis en compilant toutes les données qu'on a... Là, elle pourrait accélérer la recherche, la science, la connaissance individuelle.
Pourquoi ce conditionnel ? C'est déjà le cas depuis au moins une décennie, si ce n'est plus
Je bosse dans la modélisation de la qualité de l'air, le machine learning c'est un outil dont on ne pourrait plus se passer depuis un moment. On a de gros modèles pour faire nos simulations, et des programmes de machine learning (donc "d'IA") qui recalent les simulations par rapport aux données mesurées quotidiennement sur le terrain. Les deux nous sont utiles et nécessaires. Nos simus sont "mauvaises" sans ces programmes de ML, mais à l'inverse ces programmes deviennent totalement creux s'ils ne peuvent pas s'appuyer sur des simus.
Cet article
https://www.radiofrance.fr/franceinter/l-intelligence-artificielle-surpasse-les-modeles-classiques-de-previsions-meteo-selon-une-etude-9631292 nous avait d'ailleurs bien fait rire (jaune) quand il a été publié. C'est l'hôpital qui se fout de la charité : même si l'IA devient plus efficace que les modèles de prévision, en aucun cas elle ne pourra se passer des modèles. L'IA type deep learning est un outil purement statistique construit à partir de données issues de périodes passées (donc que se passera-t-il avec le changement climatique qui se pointe ? Personne ne sait), alors que les modèles se basent sur les phénomènes physiques et chimiques de l'atmosphère (qui ne sont pas près de changer).
Petite anecdote : Google nous avait contacté un jour pour nous dire qu'ils avaient une plateforme avec plein de données de pollution atmosphérique qu'on pouvait utiliser dans le cadre de nos activités. On n'a pas eu besoin de creuser très loin pour constater que lesdites données provenaient d'un site européen alimenté par... nous
klavel a écrit le 21/11/2024 à 14h39:
Elle ne remplacera pas tous les métiers mais si on peut réduire une équipe de 10 à 2 personnes... Sic...
Ou pas. Notre équipe a recruté 5 permanents depuis 2018, et j'ai perdu le compte des stagiaires/thésards/doctorants/intérimaires/CDD. Non seulement l'IA n'est pas prête à nous remplacer, mais j'ai même l'impression que plus on l'intègre à nos activités, plus on se retrouve avec de boulot sur les bras...
-03a1.png)
Celles-ci plus les derniers messages, je vois mieux ce que c'est 
