IA créative : son fonctionnement et les récents développements transformateurs

L’IA créative est une intelligence artificielle (IA) qui peut générer du contenu tel que de l’audio, du texte, du code, de la vidéo, des images et d’autres données. Alors que les algorithmes d’IA précédents étaient utilisés pour identifier des modèles dans les ensembles de données d’entraînement et faire des prédictions, l’IA générative utilise des algorithmes d’apprentissage automatique pour générer des résultats basés sur des ensembles de données d’entraînement.

L’IA créative peut produire une sortie sur le même support sur lequel elle est demandée (par exemple, texte à texte) ou sur un support différent avec une invite donnée (par exemple, texte à image ou image à vidéo). Des exemples populaires d’IA générale incluent ChatGPT, Gemini, DALL-E, Midjourney et Perplexity, entre autres.

Cette technologie est le changement technologique le plus discuté depuis les smartphones. Selon Grand View Research, d’ici 2023, le marché mondial de l’IA représente plus de 196 milliards de dollars, et le seul marché américain, selon Bloomberg, devrait atteindre 1 300 milliards de dollars d’ici 2032.

Comment fonctionne l’IA créative ?

L’IA créative est un type d’apprentissage automatique qui fonctionne en entraînant des modèles logiciels pour effectuer des prédictions basées sur des données sans programmation explicite.

Plus précisément, les modèles d’IA générative reçoivent de grandes quantités de contenu existant pour entraîner les modèles à générer du nouveau contenu. Ils apprennent à identifier des modèles sous-jacents dans un ensemble de données sur la base de distributions de probabilité et, lorsqu’ils y sont invités, à générer des modèles similaires (ou des résultats basés sur ces modèles).

Faisant partie du domaine de l’apprentissage automatique connu sous le nom d’apprentissage profond, l’IA générative utilise des réseaux de neurones qui lui permettent de traiter des modèles plus complexes que l’apprentissage automatique traditionnel. Inspirés du cerveau humain, les réseaux de neurones ne nécessitent aucune supervision ni intervention humaine pour distinguer les différences ou les modèles dans les données d’entraînement.

L’IA créative peut fonctionner sur de nombreux modèles différents, en utilisant différents mécanismes pour entraîner l’IA et produire des résultats. Ceux-ci incluent des réseaux antagonistes génératifs, des transformateurs et des auto-encodeurs variationnels.

Interface IA innovante

L’intégration de l’IA dans la technologie quotidienne a changé la façon dont de nombreuses personnes interagissent avec les appareils numériques. Les assistants IA à commande vocale, désormais omniprésents sur les smartphones, les haut-parleurs intelligents et autres appareils du quotidien, illustrent ce changement. De même, l’IA créative devient de plus en plus accessible via une variété d’interfaces logicielles conviviales.

Un changement fondamental à l’origine de l’adoption généralisée de l’IA innovante est le développement de portails utilisateur intuitifs. Contrairement aux versions précédentes qui nécessitaient une expertise technique ou des connaissances en science des données, les interfaces modernes d’IA générative permettent aux utilisateurs d’interagir en langage naturel. Cet accès a considérablement élargi la base d’utilisateurs et les applications potentielles de l’IA.

Voici quelques-uns des exemples récents les plus populaires d’interfaces d’IA génératives.

ChatGPT

Créé par OpenAI, ChatGPT est un exemple d’IA texte à texte – essentiellement, un chatbot alimenté par l’IA, formé pour interagir avec les utilisateurs via des conversations en langage naturel. Les utilisateurs peuvent poser des questions à ChatGPT, engager une conversation et l’inviter à composer du texte dans différents styles ou genres, comme de la poésie, des essais, des histoires ou des recettes, etc.

Lors de sa première sortie en novembre 2022, ChatGPT a rapidement attiré l’attention sur les applications de l’IA ; en quelques mois, ChatGPT était pour l’IA ce que Google devait rechercher ou Kleenex était pour les mouchoirs, un synonyme virtuel de sa gamme de produits.

De nombreuses personnes utilisent la version gratuite de ChatGPT en ligne. OpenAI vend également des interfaces de programmation d’applications (API) pour ChatGPT, ainsi que d’autres options d’abonnement et d’intégration d’entreprise.

DALL-E

DALL-E est un exemple d’IA texte-image publié par OpenAI en janvier 2021. Il utilise un réseau neuronal formé sur des images accompagnées de descriptions textuelles. Les utilisateurs peuvent saisir un texte descriptif et DALL-E générera des images réalistes basées sur les invites. Il peut également créer des variations sur des images créées dans différents styles et perspectives.

DALL-E peut également éditer des images, soit en apportant des modifications à l’intérieur d’une image (appelé dans le logiciel Inpainting), soit en agrandissant une image au-delà de ses proportions ou de ses limites d’origine (appelé « outpainting »).

Gémeaux

Anciennement Bard, Gemini est une interface d’IA texte-texte basée sur le grand modèle linguistique de Google. Comme ChatGPT, Gemini est un chatbot alimenté par l’IA qui peut répondre à des questions ou générer du texte en fonction des invites données par l’utilisateur.

Google a d’abord annoncé cela comme une « expérience complémentaire pour la recherche Google ». Au printemps 2024, Google a utilisé Gemini pour fournir des réponses aux requêtes de recherche au-dessus du flux de résultats de recherche Google traditionnel.

Impact de l’IA sur l’environnement

En 2019, Alphabet Inc. (GOOGL) a annoncé des plans audacieux visant à réduire de moitié les émissions totales de gaz à effet de serre d’ici 2030 par rapport à 2019. Même si ses rapports annuels parlent sur des dizaines de pages du « potentiel » de l’IA à réduire ces émissions à travers de vagues promesses sur l’efficacité et la « résilience » des modèles, ce qu’il faut retenir se trouve dans les données elles-mêmes.

D’ici 2024, les émissions du pays ont augmenté de 48 % depuis 2019, avec une augmentation de 13 % rien qu’en 2023. Même si Google promet toujours de respecter le calendrier 2030, le rapport 2024 de Google note que l’augmentation des émissions est « principalement due à l’augmentation de la consommation d’énergie des centres de données et des émissions de la chaîne d’approvisionnement » liées à l’IA synthétique.

Le rapport affirme, dans un euphémisme remarquable des problèmes de la planète, que toute atténuation ou atténuation de l’impact climatique de l’IA « sera probablement un défi ».

L’histoire de l’IA créative

Le premier réseau neuronal (un élément clé de la technologie qui sous-tend l’IA) capable d’entraîner a été inventé en 1957 par Frank Rosenblatt, psychologue à l’Université Cornell.

Le parcours depuis ces premiers concepts jusqu’aux puissances de l’IA que nous voyons aujourd’hui a été marqué par des vagues d’innovation et des périodes de stagnation. Les réseaux de neurones ont attiré l’attention dans les années 1980, mais c’est l’introduction des réseaux contradictoires génératifs (GAN) en 2014 par Ian Goodfellow et ses collègues qui ont véritablement révolutionné le domaine. Les GAN, qui connectent deux réseaux de neurones pour créer des données de plus en plus réalistes, ont ouvert de nouvelles frontières dans la création d’images, de musique et de texte.

Les années 2010 ont vu une explosion des capacités d’apprentissage profond, alimentée par les progrès de la puissance de calcul et la disponibilité d’ensembles de données massifs. La sortie de GPT-3 dans les années 2020 a marqué un tournant, démontrant le potentiel de l’IA à créer un contenu cohérent et contextuel dans une variété de domaines.

Percée dans les années 2020

Le véritable impact économique de l’IA innovante commence à prendre forme en 2022 avec la sortie générale de ChatGPT. Son interface conviviale a exposé le public à de puissantes capacités d’IA, atteignant environ 100 millions d’utilisateurs en seulement deux mois après son lancement. Une adoption aussi rapide a mis en évidence le potentiel de la technologie à remodeler les industries et les économies.

Au milieu des années 2020, des entreprises de divers secteurs ont intégré l’IA dans les domaines de la finance, de la santé, de l’éducation, des industries créatives, etc. Des géants tels que Google (avec son modèle Gemini) et Anthropic (avec Claude) promeuvent les capacités générales de l’IA, en développant des systèmes d’IA multimodaux capables de traiter et de générer du texte, des images et du code.

On prévoit souvent que les conséquences économiques seront stupéfiantes. Un rapport McKinsey de 2024 estime que l’IA pourrait ajouter 2 600 à 4 400 milliards de dollars par an à l’économie mondiale. Ce potentiel génère des investissements sans précédent dans la technologie, des entreprises comme JP Morgan Chase engageant plus d’un milliard de dollars par an dans les capacités d’IA.

La deuxième vague d’IA créative

Un rapport d’avril 2024 de Deloitte sur la « deuxième vague » de l’IA générative a adopté un ton beaucoup plus prudent que les publications du secteur du conseil célébrant l’IA en 2022 et 2023. Deloitte a déclaré que deux domaines clés de « confiance » restent « des obstacles majeurs à l’adoption à grande échelle de l’IA générative » : la confiance dans les résultats de l’IA générative et la confiance des travailleurs dans le fait qu’elle ne changera pas. donc eux.

Le rapport note que cela « n’empêche pas les organisations d’adopter rapidement » la technologie, « 60 % d’entre elles déclarant qu’elles parviennent à équilibrer efficacement déploiement rapide et gestion des risques ». En recherchant des entreprises rentables dans ses enquêtes, Deloitte constate que ce n’est pas le cas.

Comment l’IA créative est-elle utilisée ?

La plupart des systèmes d’IA généraux sont basés sur des modèles de plateforme, qui peuvent effectuer de nombreuses tâches ouvertes. Les possibilités créées par l’IA sont très diverses en termes d’applications, et on peut affirmer que de nombreuses applications restent inexplorées, et encore moins déployées.

La capacité de l’IA générale à fonctionner sur tous les types de médias (par exemple, la conversion de texte en images ou d’audio en texte) a ouvert des possibilités créatives et lucratives. Il ne fait aucun doute qu’à mesure que les entreprises et les industries continuent d’intégrer cette technologie dans leurs recherches et leurs flux de travail, de nombreuses autres applications verront le jour.

Développements transformateurs récents dans l’IA générative

Malgré la relative nouveauté de l’IA créative, la technologie a progressé rapidement.

Les modèles d’IA généralisés d’aujourd’hui peuvent être utilisés pour les tâches suivantes :

• Traduction
• Écriture créative, académique et commerciale
• Écrire du code
• Composer et écrire de la musique
• Jeu de voix
• Orthographe et transcription
• Reconnaissance vocale et vocale
• Illustration
• Infographie
• modèle 3D
• Édition d’images
• Rendu architectural

À mesure que la technologie devient plus sophistiquée au fil du temps, on s’attend à ce qu’elle devienne plus efficace dans ces tâches et qu’elle soit en mesure d’assumer des tâches nouvelles et plus complexes.

Le développement de logiciels est un domaine qui devrait connaître des changements majeurs grâce à la puissance de l’IA synthétique, avec jusqu’à 9,3 % des revenus de l’industrie provenant de l’utilisation de l’IA dans des domaines de haute technologie, comme la capacité de générer rapidement du code et de créer des interfaces utilisateur.

L’IA innovante aura également un impact sur le secteur bancaire, en aidant à réformer les systèmes de codes existants du secteur, à personnaliser les services bancaires de détail pour les clients et à créer des modèles de risque plus précis pour les prêts et les investissements.

Applications par industrie

Voici des exemples d’applications dans différents secteurs :

• Industrie automobile: Les données synthétiques générées par l’IA peuvent exécuter des simulations et former des véhicules autonomes.
• Recherche médicale et scientifique: Les scientifiques peuvent utiliser l’IA pour modéliser des séquences de protéines, découvrir de nouvelles molécules ou suggérer de nouveaux composés médicamenteux à tester, tandis que les médecins et les médecins peuvent utiliser l’IA pour analyser des images afin de faciliter le diagnostic.
• Médias et divertissement: L’IA peut être utilisée pour créer du contenu rapidement, facilement et à moindre coût ou (en tant qu’outil) pour améliorer le travail des créateurs tels que les designers.
• Science du climat et météorologie: L’IA peut simuler des catastrophes naturelles, prévoir la météo et modéliser différents scénarios climatiques.
• Éducation: L’IA peut être utilisée pour compléter l’apprentissage en classe avec un tutorat individuel via des chatbots ou pour créer du matériel de cours, des plans de cours ou des plateformes d’apprentissage en ligne.
• Gouvernement: Le gouvernement américain a divulgué publiquement des informations sur son utilisation de l’IA synthétique depuis 2022. Leur liste inclut l’utilisation de l’IA pour analyser les risques météorologiques, traiter les commentaires des anciens combattants sur leurs expériences avec le ministère américain des Anciens Combattants et rechercher des brevets.

Bien entendu, l’IA peut être utilisée dans n’importe quel secteur pour automatiser des tâches de routine telles que la prise de notes, la transcription et le codage, ou pour améliorer les flux de travail existants avec ou dans des logiciels existants.

Avantages et inconvénients de l’IA créative

Comme tout développement technologique majeur, l’IA ouvre un monde de possibilités évoquées en détail ci-dessus, mais il existe également des limites à prendre en compte.

Les avantages généraux de l’IA générale comprennent :

• Augmentez la productivité en automatisant ou en accélérant les tâches
• Éliminer ou réduire les barrières de compétences ou de temps pour la création de contenu et les applications créatives
• Permet l’analyse ou l’exploration de données complexes
• Utilisez-le pour générer des données synthétiques afin de former et d’améliorer d’autres systèmes d’IA

Les inconvénients de l’IA générative incluent :

• Illusion: Cela fait référence à la tendance de certains modèles d’IA à produire des absurdités et des erreurs contrefactuelles, illogiques ou inexactes.
• Dépendance à des données de qualité : L’IA doit disposer de données de qualité pour produire des résultats précis. Le dicton « garbage in, garbage out » s’applique certainement à l’IA. Les données doivent être exactes, étiquetées avec précision et propres. De nombreuses entreprises technologiques, notamment OpenAI, Facebook et TikTok, s’appuient sur des travailleurs contractuels peu rémunérés qui effectuent des travaux d’enrichissement des données, comme l’étiquetage ou la création de données de formation.
• Prévenir les contenus abusifs: Une autre préoccupation concerne le potentiel des modèles d’IA à générer du contenu abusif ou préjudiciable. Certains cas très médiatisés de ce type se sont produits et les entreprises ont apporté des améliorations pour éviter cela, mais ce n’est pas une évidence.
• Questions éthiques: Outre les problèmes liés au travail comme dans les exemples ci-dessus, il a été démontré que les algorithmes amplifient ou reproduisent la discrimination et les biais inhérents aux données de formation.
• Questions juridiques et réglementaires: Les États-Unis ont mis du temps à mettre en place un quelconque cadre juridique ou réglementaire pour l’utilisation de l’IA. Cependant, son développement peut poser les problèmes suivants :

1. Problèmes de droits d’auteur: Étant donné que les modèles d’IA générative sont formés sur de grandes quantités de données, il peut être difficile de vérifier si le contenu des données ou l’œuvre qui en résulte enfreint les lois sur le droit d’auteur.
2. Problèmes de confidentialité: L’IA suscite des inquiétudes autour de la collecte, du stockage, de l’utilisation et de la sécurité des données, tant liées aux particuliers qu’aux entreprises.
3. Autonomie et responsabilité: La technologie de l’IA soulève des inquiétudes quant à la responsabilité. Par exemple, pour les systèmes autonomes tels que les voitures autonomes, on ne sait pas exactement comment la responsabilité en cas d’accident sera déterminée.

• Importance politique: L’IA innovante soulève des questions concernant les informations fausses ou trompeuses ainsi que l’authenticité des médias tels que les images réelles ou les enregistrements vocaux. Cela peut également interférer avec les processus qui invitent à la participation démocratique en déformant un grand nombre de commentaires, de soumissions ou de messages.
• Consommation d’énergie: Les modèles d’IA ont un impact important sur l’environnement car ils nécessitent de grandes quantités d’électricité pour fonctionner. À mesure que l’utilisation augmente, les exigences environnementales augmentent également.

Conclusion

L’IA créative est encore une technologie relativement nouvelle qui a le potentiel de changer de nombreuses façons dont nous travaillons et vivons. Traditionnellement, l’IA est le domaine des scientifiques, des ingénieurs et des experts en données, mais la capacité de lancer des logiciels dans un langage simple et de créer de nouveaux contenus en quelques secondes a ouvert une base d’utilisateurs plus large à l’IA.

Cependant, il existe de nombreuses préoccupations et problèmes qui justifient la prudence quant à ses applications. De nombreuses implications, tant juridiques, éthiques et politiques qu’écologiques, sociales et économiques, ont été et continueront d’être soulevées à mesure que l’IA continue d’être appliquée et développée.