Pour ce qui est de l'IA en tant que "résolution de problèmes bien formulés", genre avec une spécification mathématique du problème, avec un algorithme qui joue aux échecs on reste dans un une classe de problème assez limitée, en terme de richesse d'expression algorithmique, en tout cas. Et on a probablement toujours eu tendance en informatique théorique à faire la dichotomie "algorithme bête" genre brute-force ou il n'y a pas besoin de se casser la tête, et algorithme "intelligent" qui nécessite de mettre des techniques plus complexes en place pour résoudre le problème, et en tout cas là où les techniques bêtes étaient vouées à l'échec.
Là où ça devient intéressant c'est que les algorithmes "polyvalents" vont être ceux qui vont mettre en œuvre des techniques de représentation du problème pour s'adapter à ses nécessités propres (l'apprentissage de clauses dans SAT par exemple) qui leur fournissent un espace de travail évolutif en fonction du problème. De ce point de vue un solveur SAT ou SMT ont une richesse de représentation d'une très large classe de problèmes mathématiques. Les LLM ont leur espace neuronal qui peut être structuré de manière complexe, et aussi leur contexte de générations antérieur. Pour des résultats pas toujours top sur des chaînes de raisonnement complexes, a l'heure actuelle. Les LLMs ne sont pas nécessairement très intelligents dans le sens "résolution d'une vaste classe de problèmes mathématiquement définis complexes" qui est un des sens d'IA qui preexistait, donc. (Contrairement aux solveurs say, leur "recherche arborescente" qui permet d'être exhaustif est pauvre ou inexistante).
[^] # Re: Excellent, merci.
Posté par thoasm . En réponse au lien France culture: Intelligence artificielle et imitation. Évalué à 2.
Pour ce qui est de l'IA en tant que "résolution de problèmes bien formulés", genre avec une spécification mathématique du problème, avec un algorithme qui joue aux échecs on reste dans un une classe de problème assez limitée, en terme de richesse d'expression algorithmique, en tout cas. Et on a probablement toujours eu tendance en informatique théorique à faire la dichotomie "algorithme bête" genre brute-force ou il n'y a pas besoin de se casser la tête, et algorithme "intelligent" qui nécessite de mettre des techniques plus complexes en place pour résoudre le problème, et en tout cas là où les techniques bêtes étaient vouées à l'échec.
Là où ça devient intéressant c'est que les algorithmes "polyvalents" vont être ceux qui vont mettre en œuvre des techniques de représentation du problème pour s'adapter à ses nécessités propres (l'apprentissage de clauses dans SAT par exemple) qui leur fournissent un espace de travail évolutif en fonction du problème. De ce point de vue un solveur SAT ou SMT ont une richesse de représentation d'une très large classe de problèmes mathématiques. Les LLM ont leur espace neuronal qui peut être structuré de manière complexe, et aussi leur contexte de générations antérieur. Pour des résultats pas toujours top sur des chaînes de raisonnement complexes, a l'heure actuelle. Les LLMs ne sont pas nécessairement très intelligents dans le sens "résolution d'une vaste classe de problèmes mathématiquement définis complexes" qui est un des sens d'IA qui preexistait, donc. (Contrairement aux solveurs say, leur "recherche arborescente" qui permet d'être exhaustif est pauvre ou inexistante).
Et là on voit