Donc je vois vraiment pas où est le problème, c'est juste le reflet de la réalité du terrain.
Non. Primo parce que ce qui est utilisé, c'est pas des données statistiques du terrain, mais l'idée que les gens se font du terrain via les textes utilisés pour entraîner le LLM. Ensuite parce que c'est pas les idées des gens du terrain, mais l'idée qu'une sous partie de la population se fait du terrain, à savoir la population qui a le temps/le droit/les moyens de poster sur le web, ou qui a eu le temps/le droit/les moyens d'écrire sur certains sujets depuis toujours (la composante temporelle est aussi assez peu discuté, mais si tu prends des livres dans les datasets, et que tu as les livres des années 50, tu va en effet avoir des idées différentes sur la place de la femme, et ne parlons pas du domaine public qui va être encore plus vieux ).
C'est comme extrapolé un micro trottoir à Paris avec 10 personnes dans le 16eme comme étant l'avis de la population française.
Ou d'extrapoler l'avis de la même population sur la base des commentaires ici.
Le meilleur moyen de couper cours à toute polémique serait de le rendre libre, peut être même est ce le cas, mais ça n'est pas en pinaillant sur des broutilles avec ce genre d'article racoleur qu'on avancera.
Les jeux de données sont dispos (MassiveText, CommonCrawl, etc), et il y a des modèles libres (vu que les algos sont publiés et implémentés). Le techno-solutionisme libriste n'a visiblement pas fait l'effet escompté sans doute parce que le libre ne va pas aider quand il te faut 1 million de crédit pour entraîner le modèle.
Un LLM, même libre, ça serait comme avoir un logiciel de la taille de firefox de 2023 à l'époque des 486. Si tu as besoin de 6 mois pour compiler le code, ou d'avoir du matériel du futur, c'est mort.
La vraie raison, c'est que le filtrage serait sans doute impossible dans un délai qui ne nuirait pas à la victoire de la ruée vers l'or en cours. La marché va récompenser les plus rapides, donc ne pas filtrer est une façon d'être plus rapide.
Et ça, c'est en supposant que le filtrage soit possible en premier lieu, ce dont je doute (cf un autre commentaire plus tôt).
[^] # Re: Pas convaincu
Posté par Misc (site web personnel) . En réponse au lien « Aux femmes la cuisine, aux hommes l’informatique » : le sexisme des IA (encore) prouvé. Évalué à 6.
Non. Primo parce que ce qui est utilisé, c'est pas des données statistiques du terrain, mais l'idée que les gens se font du terrain via les textes utilisés pour entraîner le LLM. Ensuite parce que c'est pas les idées des gens du terrain, mais l'idée qu'une sous partie de la population se fait du terrain, à savoir la population qui a le temps/le droit/les moyens de poster sur le web, ou qui a eu le temps/le droit/les moyens d'écrire sur certains sujets depuis toujours (la composante temporelle est aussi assez peu discuté, mais si tu prends des livres dans les datasets, et que tu as les livres des années 50, tu va en effet avoir des idées différentes sur la place de la femme, et ne parlons pas du domaine public qui va être encore plus vieux ).
C'est comme extrapolé un micro trottoir à Paris avec 10 personnes dans le 16eme comme étant l'avis de la population française.
Ou d'extrapoler l'avis de la même population sur la base des commentaires ici.
Les jeux de données sont dispos (MassiveText, CommonCrawl, etc), et il y a des modèles libres (vu que les algos sont publiés et implémentés). Le techno-solutionisme libriste n'a visiblement pas fait l'effet escompté sans doute parce que le libre ne va pas aider quand il te faut 1 million de crédit pour entraîner le modèle.
Un LLM, même libre, ça serait comme avoir un logiciel de la taille de firefox de 2023 à l'époque des 486. Si tu as besoin de 6 mois pour compiler le code, ou d'avoir du matériel du futur, c'est mort.
La vraie raison, c'est que le filtrage serait sans doute impossible dans un délai qui ne nuirait pas à la victoire de la ruée vers l'or en cours. La marché va récompenser les plus rapides, donc ne pas filtrer est une façon d'être plus rapide.
Et ça, c'est en supposant que le filtrage soit possible en premier lieu, ce dont je doute (cf un autre commentaire plus tôt).