Une industrie qui repose sur des millions de travailleurs kényans ou philippins payés une misère pour apprendre à un logiciel, extrêmement énergivore et requérant des métaux et terres rares qu'on ne peut extraire à bas coût sans piller les pays africains, à reproduire en masse ces biais racistes qu'on galère déjà à désapprendre, quand ce n'est pas pour entraîner avec elle toute l'économie des États-Unis, justifier des licenciements massifs ou simplement produire du code et du texte médiocres, c'est manifestement de la suprématie blanche
Question: Quelle est la source de tes champignons hallucinogènes ?
Petit exemple de oû tu te fourres complètement: ces phillipins-kenyans qui labellent des données (tu sais, "apprendre" à un LLM), ils sont typiquement bien mieux payés que les kenyans-phillipins autour d'eux, ils font un travail qui est somme tout technique, et qui gentiment aide à amener leur pays hors de la situation dans laquelle il est.
Deuxième exemple: les biais racistes. Ils n'ont absolument rien à voir avec la technologie derrière les LLMs, cela est complètement dû aux données ingérées, et diffèrents modèles se comporteront diffèrement.
Tu racontes n'importe quoi, tu divagues, tu sonnes vraiment comme le petit ado boutonneux convaincu que Micro$oft c'est le Mal(TM) , et bon, à part faire rire tout le monde, tes idées farfelues sans aucune reflexion vraie derrière ne vont convaincre personne.
Je t'invite à mettre un petit peu d'eau dans ton vin.
[^] # Re: Toujours pas convaincu
Posté par pasBill pasGates . En réponse au journal Retour d'expérience sur le développement d'une application par l'utilisation d'IA. Évalué à 1.
Question: Quelle est la source de tes champignons hallucinogènes ?
Petit exemple de oû tu te fourres complètement: ces phillipins-kenyans qui labellent des données (tu sais, "apprendre" à un LLM), ils sont typiquement bien mieux payés que les kenyans-phillipins autour d'eux, ils font un travail qui est somme tout technique, et qui gentiment aide à amener leur pays hors de la situation dans laquelle il est.
Deuxième exemple: les biais racistes. Ils n'ont absolument rien à voir avec la technologie derrière les LLMs, cela est complètement dû aux données ingérées, et diffèrents modèles se comporteront diffèrement.
Tu racontes n'importe quoi, tu divagues, tu sonnes vraiment comme le petit ado boutonneux convaincu que Micro$oft c'est le Mal(TM) , et bon, à part faire rire tout le monde, tes idées farfelues sans aucune reflexion vraie derrière ne vont convaincre personne.
Je t'invite à mettre un petit peu d'eau dans ton vin.