Crédits : Créé avec Dall-E

Les larges modèles de langage (LLM, large language models), mis en lumière avec ChatGPT, ont redéfini le paysage contemporain de l’intelligence artificielle, en concentrant autour de leur développement tous les espoirs de la discipline. La production automatisée et très convaincante d’écrits, mais également d’images, de vidéos, de musiques n’a pas tardé à provoquer une réelle sidération collective, mêlant espoirs fantasmatiques, critiques alarmistes et appels à la raison.

Des chercheurs du Northwestern Institute auraient réussi à construire un modèle prédisant la non-reproductibilité de publications scientifiques. Révolution ou solutionnisme ?

Les apports du développement de l'apprentissage automatique (machine learning) paraissent sans limites. Après les premiers exploits en traitement de l’image et l’extrême engouement autour de la génération automatique de contenu, voici que la recherche fondamentale est maintenant présentée comme le tout nouveau terrain d’application prometteur. Se plaçant sur un tout autre terrain que Chris Anderson et sa fin de la théorie[1], des chercheurs du Northwestern Institute on Complex Systems affirment dans deux articles parus dans la revue Proceedings of the National Academy of Sciences (PNAS) en 2020[2] et 2023[3] que ces algorithmes apprenants pourraient être utilisés pour prédire quelles études scientifiques ne seraient pas susceptibles d’être reproductibles.

Étude de l'état de la régulation de l'intelligence artificielle aux États-Unis et au Canada

L’encadrement du développement de l’intelligence artificielle (« IA ») semble avoir dépassé depuis le début des années 2020 le stade de la simple discipline des concepteurs par de l’éthique. La question n’est plus de savoir si l’on doit adopter des mesures contraignantes juridiquement pour créer un cadre de confiance, mais de savoir comment le faire.