Série de causeries sur l'IA, épisode 2 : Les avantages et les défauts de l'IA
Bienvenue à notre série de discussions sur l'IA, où nous partagerons les idées et les prédictions des cofondateurs et des experts de LILT sur l'IA. Si vous n'avez pas eu la chance de lire l'épisode 1, voici un lien vers l'article. Cette semaine, nous discutons des avantages et des incohérences de l'IA pour les entreprises et l'industrie de la localisation.
Quelques informations sur nos experts : les fondateurs de LILT, Spence Green et John DeNero se sont réunis chez Google, tout en travaillant sur le programme de Google Translate. Étant chercheurs à Stanford et à Berkeley, ils ont tous deux travaillé sur la technologie de langage naturel dans le but de rendre l'information accessible à tous. Ils ont été stupéfaits d'apprendre que Google Translate n'était pas utilisé pour les produits et services d'entreprise au sein de l'entreprise et ont décidé de créer leur propre entreprise pour répondre à ce besoin.
La base technologique de LILT est similaire à ChatGPT et Google Translate, avant notre IA brevetée et notre rétroaction adaptée aux humains. Nous avons discuté avec Spence et John pour en savoir plus sur les grands modèles de langage et leurs réflexions sur l'IA.
Quels sont les principaux avantages et les principaux avantages de l'IA générative ?
John : Commençons par la définition de l'IA générative. L'IA générative est lorsqu'un ordinateur crée quelque chose, souvent à partir de zéro ou à partir d'une invite. Ainsi, la création d'une traduction est générative d'IA, mais elle peut également créer des images, des vidéos et d'autres formats de médias. C'est difficile parce que ces choses qui sont générées sont complexes dans leur structure. Ils ne prennent pas seulement une décision.
Spence : Certains des systèmes d'apprentissage automatique avec lesquels les gens peuvent être familiers sont pour étiqueter des images ou des phrases, où vous ne faites que catégoriser des choses. Ici, vous générez des objets structurés à partir de zéro en fonction de certaines entrées, et la traduction en est évidemment un exemple.
John : Et les humains sont si bons pour générer un langage que nous ne réalisons pas nécessairement à quel point cela peut mal tourner. Lorsque vous avez une longue phrase, il y a juste une longue liste de façons dont quelque chose ne va pas. Et c'est ce qui rend l'IA générative difficile, et pourquoi il a fallu un certain temps pour obtenir les avancées que nous voyons aujourd'hui. Il y a mille facteurs différents que vous devez prendre en compte dans chaque phrase : le choix des mots, l'accord, l'ordre, et si vous avez le bon niveau de spécificité ou d'ambiguïté. Et maintenant, nous avons des systèmes qui peuvent réellement gérer tout cela à la fois, ce qui est un peu
incroyable.Le principal avantage est qu'il y a beaucoup plus de travail de génération qui devrait être fait dans le monde que les gens ne peuvent vraiment le faire. La traduction est un excellent exemple, où il y a tellement de contenu qui devrait être traduit dans tant de langues et de qualité de publication. Ainsi, l'expérience que les gens ont lorsqu'ils le lisent dans une autre langue n'est pas dégradée, mais tout n'est pas traduit en entier, car il n'y a que tellement de traducteurs dans le monde pour faire le travail. Et les coûts sont tels que cela ne se produit
pas.C'est vraiment dommage. Je pense donc que la promesse de l'IA générative est de faire plus dans le monde et de s'assurer que tout le travail important qui permet la vie moderne se réalise en augmentant les compétences professionnelles nécessaires pour travailler avec l'IA.
Quelles sont les promesses et les opportunités de l'IA qui peuvent avoir une incidence sur les opérations quotidiennes des entreprises ?
Spence : Pour la traduction, nous avons développé ces systèmes dans lesquels vous utilisez l'IA pour améliorer ce que les gens génèrent, et cela aide à résoudre le problème que, lorsque vous effectuez un travail de traduction, vous obtenez un nouveau document à traduire et vous avez une page blanche, et c'est là que vous commencez. Par rapport à maintenant, vous pouvez commencer par la meilleure prédiction de cette traduction par la machine. Et ensuite, il affine ses prédictions à mesure que vous travaillez ensemble. Je pense que l'élargissement de cette technologie générative d'IA s'étendra à d'autres types de travail, qu'il s'agisse de rédiger des articles de marketing ou de créer des documentations sur la formation.
Je pense donc qu'il existe de nombreuses possibilités de création d'informations qui ont généralement commencé avec un curseur vide ou une toile vierge dans Photoshop, où vous pouvez maintenant commencer avec une prédiction automatique qui vous permet de commencer. Cela vous rend simplement plus efficace dans le travail que vous faites.
John : Oui, exactement. Je pense que n'importe qui, dans un environnement commercial, sait qu'il y a des choses importantes qui sont retardées encore et encore, car il n'y a tout simplement pas la capacité de faire tout ce qui doit être fait. Ce qui se passe avec l'IA générative, ce qui est intéressant, c'est que parfois vous lui demandez de générer un document et qu'elle le fait très bien, et parfois il manque quelque chose d'important. Parfois, il s'agit d'un sujet légèrement inapproprié ou il ne capture pas l'idée principale que vous vouliez
transmettre.Il y a donc un rôle à jouer pour que les gens sachent si cela a été la bonne chose. Et cela pourrait être très rapide. Dans certains cas, vous lisez les premières phrases et vous vous rendez compte qu'une seule section est parfaite. Mais ensuite, vous descendez et vous dites : « Oh, en fait, je voulais quelque chose d'autre pour cette autre partie. »
Et vous devez y aller et le réécrire. Cela fait partie de la collaboration avec un système d'IA génératif et d'un plan pour déterminer comment valider et réviser ses résultats. C'est le genre de choses que vous pouvez résoudre avec le bon processus. Chez LILT, nous avons un processus assez complet pour nous assurer qu'il n'y a pas de problèmes avec les traductions finales réelles, même si cela était dans le résultat initial de l'IA
générative.Ce processus de validation est vraiment essentiel et c'est vrai pour d'autres choses. Vous savez, surtout Spence, lorsque nous parlons de générer du contenu de marketing ou de formation, les gens doivent faire partie du processus de supervision de l'IA et de correction de son travail, comme vous le feriez avec un employé subalterne.
Spence : Totalement. C'est la même idée que vous avez d'un rédacteur en chef de la rédaction ou d'un associé principal qui révise ou vérifie le travail d'un associé subalterne dans un cabinet d'avocats. Même idée. Ce n'est que maintenant que le partenaire junior est un système d'IA et non un être humain.
Quels sont les problèmes auxquels GenAI devrait nous méfier ?
John : Le plus grand risque que je vois, c'est que vous devez savoir comment l'utiliser. Je pense que ce n'est pas comme si un employé subalterne pouvait donner des orientations générales et qu'il le comprendrait parce que c'était un système d'IA, pas une personne. Et il est donc très sensible aux invites et aux entrées que vous lui fournissez. Il y a vraiment beaucoup de soin dans l'ingénierie et la conception qui incite le système à obtenir des résultats utiles, avec lesquels vous pouvez travailler.
C'est une nouvelle branche de l'intelligence artificielle appliquée, qui cherche à savoir comment utiliser un grand système génératif et le faire produire les résultats les plus utiles afin qu'il puisse permettre une efficacité accrue. Donc, l'idée que vous pouvez simplement lui poser n'importe quelle question et que cela fera toujours ce qu'il faut est la mauvaise mentalité. Au lieu de cela, vous devez vraiment prendre grand soin de demander au système de générer les bons résultats.
Spence : Oui. L'une des choses auxquelles j'ai réfléchi est qu'il existe maintenant des produits qui résumeront les chaînes de messagerie ou une réunion, et ces types de produits de travail sont utilisés pour éclairer les
décisions.Et je pense qu'il y aura de plus en plus de textes, de mémos, de présentations et de résumés générés par l'IA qui éclaireront la prise de décision. Les gens ont ce biais que l'on appelle l'aversion aux algorithmes, c'est-à-dire qu'ils ont tendance à avoir un standard plus élevé pour les machines que pour les gens.
Donc, si une personne fait une erreur, elle le comprend. Mais si les machines font des erreurs, les gens ont un niveau de qualité bien plus élevé. C'est donc l'un des défis que posent les voitures autonomes, par exemple. Il y a beaucoup d'accidents de voiture sur la route tout le temps. Et tout le monde sait que les humains font des erreurs de pilotage et ont des accidents, mais dès qu'une machine a un épave, c'est la une des
nouvelles.Je me demande si ces systèmes entrent dans la prise de décision et les affaires au quotidien - et ce sera certainement une sorte de cas exceptionnels - si ces erreurs seront amplifiées d'une manière ou d'une autre parce que c'est une décision automatisée. Je me demande comment les entreprises vont gérer cela.
John : C'est un excellent point. Je pense que les gens seront très critiques à l'égard de ces systèmes s'ils causent des problèmes, même si ces problèmes auraient pu exister avec des gens et sans la technologie. Et en fait, je pense que c'est génial. Je pense que là où nous devrions nous retrouver avec l'IA, c'est prendre de meilleures décisions que ce que nous avons fait sans l'IA.
De même, avec les voitures autonomes, je pense que l'on devrait aspirer à ce qu'il y ait beaucoup moins d'accidents sur la route à l'avenir qu'aujourd'hui. Il en va de même pour la traduction. Les résultats devraient être qu'avec l'assistance de l'IA, la qualité de la traduction est plus cohérente et meilleure, ce que nous observons chez LILT.
Ce qui se passe lorsque vous coachez des personnes à mieux faire leur travail au fil du temps, chaque personne ne peut écrire que tant de résumés ou prendre tant de décisions. Et vous ne pouvez donc pas investir 50 ans de formation pour que quelqu'un fasse un travail pendant un an. Mais avec l'IA, parce qu'elle est si évolutive, une fois que vous l'avez créée, vous pouvez lui faire faire rouler de nombreuses voitures ou traduire de nombreuses phrases. Il est logique d'investir énormément dans la qualité de ce qu'elle
génère.C'est pourquoi LILT existe. Nous pouvons investir et mettre notre expertise au service de la bonne exécution des traductions. Nous avons une grande équipe de recherche pour y parvenir, ce qui est bien plus que ce que vous investiriez si vous formiez un petit groupe de
traducteurs.Parce qu'une fois que nous avons créé le système, nous pouvons l'utiliser pour beaucoup de contenu. C'est bien justifié. Et je pense donc que c'est la même histoire qui va avec la résumé. Un nombre incroyable de chercheurs et de documents ont travaillé sur la façon de résumer un document en une courte
description.Mais tout cela a du sens, car une fois que cette technologie fonctionne, il peut être utilisé à maintes reprises si largement qu'il justifie l'investissement d'efforts.
Donc, oui, je pense qu'il est normal de maintenir ces systèmes à un niveau vraiment élevé. Je pense que c'est ce que nous devrions attendre d'eux, mais nous ne sommes pas là dans tous les cas maintenant. Les gens doivent simplement savoir qu'il faut une certaine expertise pour que le système fasse ce qu'ils veulent.
* * *
Merci de discuter, Spence et John ! Alors que les entreprises s'approprient le changement et les opportunités qui s'offrent à elles, il deviendra de plus en plus important pour les équipes et les dirigeants du monde entier d'investir dans les technologies d'IA pour rester compétitifs. Écoutez le prochain épisode de notre série sur l'IA pour une exploration plus approfondie de l'IA, des grands modèles de langage et de leur impact sur l'industrie de la traduction.
