Quelle est la place de l'IA générative dans l'Internet des objets ?

L'IA générative est un ensemble de modèles d'apprentissage automatique créés et entraînés à deviner la prochaine série de mots ou l'image correcte en fonction d'une invite.

Récemment, les médias grand public se sont montrés très inquiets à propos d'Alexa, Siri et des assistants numériques de Google. En effet, jusqu’à présent, ces produits n’ont pas utilisé l’IA générative. L'IA générative est un ensemble de modèles d'apprentissage automatique créés et entraînés à deviner l'ensemble de mots suivant ou l'image correcte en fonction d'une invite.

DALL-E, Stable Diffusion et Midjourney sont populaires pour la génération d'images et seront disponibles début 2021. Mais le dernier battage médiatique concerne les grands modèles de langage, en particulier ChatGPT créé par OpenAI. Lorsque quelqu'un saisit des conseils et des suggestions de style, les résultats peuvent être facilement lus et fournir des informations réelles ou l'illusion d'informations.

Tous les appareils sont passionnants et auront un impact important sur la façon dont le travail est effectué, le contenu est créé et votre entreprise se développe. Cependant, des inquiétudes subsistent quant à l’exactitude de l’IA générative. Nous devons encore lutter contre la possibilité d’utiliser l’IA générative pour faciliter la propagande, la fraude et d’autres comportements malveillants, plutôt que de simplement accepter aveuglément l’IA générative comme une technologie qui change le monde.

Cela dit, nous sommes actuellement au stade où les technologues font aveuglément confiance à l’IA générative, y compris des milliards de dollars d’investissement dans des entreprises qui expérimentent des cas d’utilisation et de nouveaux modèles. Nous en sommes encore à un stade où les membres des médias passent des heures à essayer de tromper ces modèles pour qu'ils se comportent mal ou à essayer de prouver que l'IA est sensible et potentiellement hostile à notre égard.

Mais ce n’est pas le but de cet article. Cet article se concentre sur les domaines dans lesquels l’IA générative aura un impact significatif sur la manière dont l’IoT est déployé et utilisé. Par exemple, où pouvons-nous l'utiliser pour améliorer l'expérience utilisateur ? Quels types d'emplois peuvent-ils aider ou prendre en charge ? Outre les mots et les images, quels autres modèles d'IA générative peuvent être utiles dans l'IoT 

Commencez avec les maisons intelligentes. Plutôt que de confondre Amazon Alexa avec un chatbot, celui-ci et d'autres assistants numériques continueront à utiliser le traitement du langage naturel (NLP) pour « comprendre » puis agir sur diverses requêtes basées sur des tâches, telles que « allumer les lumières » ou « bonjour ». " " pour lancer le réveil, tout en ajoutant également un chatbot de style GPT pour traiter les demandes nécessitant une communication plus approfondie.

Un bon assistant numérique n'aura pas seulement un ou deux modèles, mais sera composé de n'importe quelle version du modèle pour offrir la fonctionnalité la plus pratique à l'utilisateur. Il y a aussi des préoccupations économiques. Il peut y avoir des frais pour appeler un chatbot, ce qui nécessite un modèle économique différent, et tout le monde n'est pas prêt à payer pour un abonnement.

De plus, nous verrons bientôt des modèles d’IA générative de type chatbot utilisés à la maison. Récemment, le fondateur de Home Assistant, Paulus Schoutsen, a montré comment utiliser HomePod pour accéder à un chatbot de style GPT afin de raconter des histoires à ses enfants.

En fait, l'utilité de combiner la PNL, qui fait déjà partie des assistants numériques, avec des modèles d'IA générative est claire pour SoundHound, qui introduit une plateforme combinant assistants vocaux et IA générative. ChatGPT ne remplacera donc pas Alexa, mais il pourrait éventuellement faire partie d'Alexa, avec Alexa comme interface, et ChatGPT n'est qu'un des nombreux services qu'il propose.

D'autres domaines de la maison intelligente dans lesquels ChatGPT ou les modèles d'IA générative auront un impact incluent les jouets pour enfants, les services de fitness, les recettes ou les suggestions d'activités. En effet, l’IA générative n’est en réalité qu’une raison supplémentaire d’ajouter de la connectivité et de la sensibilité aux objets du quotidien, soit en fournissant des données d’entraînement personnalisées, soit en agissant comme un canal pour de tels services.

Du côté des entreprises, il est clairement utile d'utiliser l'IA générative pour aider les entrepreneurs à mettre en œuvre des solutions numériques sans codage. Un exemple est la manière dont Software AG combine sa plate-forme d'intégration cloud à cloud Web Methods avec des modèles d'IA génératifs pour aider les employés à comprendre comment relier les données et divers services numériques. En fin de compte, à mesure que de plus en plus d'objets sont connectés dans les bâtiments, les lignes de production, les cuisines commerciales, etc., l'utilisation d'un langage écrit simple pour expliquer aux appareils connectés comment travailler avec des logiciels d'entreprise connectés aidera les gestionnaires à devenir plus efficaces et plus compétents.

Dans les environnements industriels, la promesse de ChatGPT s'accompagne de cas d'utilisation et de considérations convaincantes. Certains soutiennent l’utilisation de l’IA générative pour des choses comme la maintenance prédictive. Les modèles d’IA générative fonctionnent en s’entraînant sur de grandes quantités de données, puis en générant l’élément suivant le plus probable. Ainsi, dans un modèle de langage étendu, un modèle d'IA génératif est entraîné sur une grande quantité de texte et génère le mot ou la phrase suivante qui, selon le modèle, est le plus susceptible d'apparaître.

Vraisemblablement, avec suffisamment de données machine, le modèle peut décider de ce qu'il doit faire ensuite et envoyer une alerte si le résultat attendu est incorrect. Mais honnêtement, cela semble exagéré, car la détection traditionnelle des anomalies est idéale pour la maintenance prédictive et est beaucoup moins coûteuse. Là où l'IA générative peut devenir intéressante, c'est en prenant des données de processus et en suggérant des flux de travail alternatifs, ou en utilisant un langage écrit pour décrire un flux de travail et en laissant l'IA le coder pour quelqu'un.

Mais il y a aussi des choses auxquelles il faut faire attention. La qualité de ces modèles dépend de leurs données d'entraînement et peuvent produire des réponses erronées dans certains cas, mais ils peuvent être si bien écrits qu'il est difficile de déterminer s'ils sont erronés.

Compte tenu des batailles de propriété intellectuelle autour de l’IA générative, ce dernier « sentiment » de préoccupation va devenir un enjeu. Mais en pratique, il est relativement simple de fixer des limites quant à la provenance réelle des données de formation, même si un modèle construit sur des données propriétaires est déployé en dehors de l’usine ou de l’entreprise prévue.

Le temps et la formation sur la manière dont les modèles d'IA génératifs sont créés et sur leur fonctionnement permettront de résoudre certains des problèmes de propriété intellectuelle. Après seulement quelques mois de ce cycle, je pense que l’avenir verra l’IA générative devenir aussi importante et acceptée que la vision par ordinateur et la PNL.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!