- Intelligence : processus dynamique, et non attribut statique.
- Les LLM privilégient la prédiction, remodelant ainsi la compréhension de l'IA.
- Shieber redéfinit l'IA, en soulignant l'utilité comme outil.
Dans une critique audacieuse et stimulante, Joseph Shieber remet en question le récit dominant entourant l'intelligence artificielle (IA) et ses applications, proposant une réévaluation fondamentale de la terminologie et de la conceptualisation.
Shieber soutient que la nomenclature actuelle dépeint mal la nature et les capacités de ce que l'on appelle communément les systèmes « d'intelligence artificielle », en particulier les grands modèles de langage (LLM).
Redéfinir les LLM : Des outils réels, pas artificiels
La première contestation de Shieber remet en question la terminologie même utilisée pour décrire ces systèmes. S'appuyant sur des parallèles avec des appareils courants comme les machines à laver et les voitures, Shieber soutient que qualifier les LLM d'« artificiels » est un non-sens.
Contrairement aux constructions fausses ou factices, les LLM sont des aides réelles conçues pour simplifier et améliorer les efforts humains. Leurs progrès dans la compréhension et la compréhension du langage, comme le notent les études récentes, soulignent leur utilité tangible.
La fausseté de l'« Intelligence Artificielle »
Shieber soutient que le terme « intelligence artificielle » lui-même est trompeur, car il implique un niveau de capacité cognitive que les LLM ne possèdent pas. Tout en reconnaissant les progrès significatifs réalisés par les LLM, Shieber affirme que l'intelligence est un processus continu plutôt qu'un attribut statique. Il réfute les arguments basés sur la conscience, l'incarnation et l'expérience, se concentrant plutôt sur la nature de l'intelligence comme une poursuite collective et évolutive guidée par les institutions.
Démystifier les idées fausses : Intelligence vs Prédiction
Au cœur de l'argument de Shieber se trouve une distinction cruciale entre les objectifs de l'intelligence humaine et ceux des LLM. Alors que l'intelligence humaine vise la recherche de la vérité par le test et l'itération, les LLM privilégient la prédiction des réponses basée sur les données existantes.
Shieber soutient que les LLM excellent à générer des réponses plausibles similaires aux réponses humaines plutôt qu'à représenter fidèlement la réalité. Cette différence critique mine leur classification en tant qu'entités intelligentes.
La critique de Shieber remet en question la sagesse conventionnelle et déclenche une réévaluation de la manière dont la société perçoit et étiquette les avancées de l'intelligence artificielle. En reformulant les LLM comme des outils réels et en soulignant leur nature prédictive plutôt que leur recherche de la vérité, Shieber offre une perspective nuancée qui invite à une réflexion plus profonde sur la nature de l'intelligence et le rôle de la technologie dans la façonnement des efforts humains.
Implications pour le développement futur
L'analyse de Shieber a des implications significatives pour le développement et le déploiement continus des technologies IA. En reconnaissant les limites de la terminologie et des cadres conceptuels actuels, les chercheurs et les décideurs politiques peuvent adopter une approche plus nuancée de la gouvernance et de l'éthique de l'IA.
L'appel de Shieber à réévaluer les objectifs et les capacités des LLM encourage un changement vers des pratiques de développement IA plus transparentes et responsables.
Redéfinir l'IA appelle à un changement de paradigme
La critique de Joseph Shieber remet en question les notions prévalentes de l'intelligence artificielle, préconisant une réévaluation de la terminologie et des cadres conceptuels. En reformulant les LLM comme des outils réels et en soulignant leur nature prédictive, Shieber invite à une compréhension plus profonde des objectifs et des limites des technologies IA.
Alors que la société continue de lutter avec les implications de l'IA, les idées de Shieber offrent une perspective précieuse pour naviguer dans l'intersection complexe de la technologie et de l'intelligence humaine.
Ne vous contentez pas de lire les actualités crypto. Comprenez-les. Abonnez-vous à notre newsletter. C'est gratuit.
Avertissement. Les informations fournies ne constituent pas des conseils en matière d'investissement. Cryptopolitan.com ne saurait être tenue responsable des investissements réalisés sur la base des informations fournies sur cette page. Nous recommandons vivement de mener vos propres recherches et/ou de consulter un professionnel qualifié avant de prendre toute décision d'investissement.
Emman Omwanda
L'expertise d'Emmanuel Omwanda repose sur les marchés de la cryptomonnaie, couvrant à la fois l'analyse fondamentale et technique. Il a précédemment travaillé pour divers sites médiatiques spécialisés dans la cryptomonnaie avant de rejoindre Cryptopolitan, notamment CoinEdition, The Crypto Basic, CryptoNews Flash et DroomDroom. Il est titulaire d'un baccalauréat en sciences (BSc.) en mathématiques et informatique de l'Université Kenyatta au Kenya, et est actuellement en dernière année d'études pour un baccalauréat en arts en communication et études médiatiques.
