Programme DATA CAP 2025 : conférence chatGPT
Le programme DATA CAP 20-25, organise une conférence à destination de l'ensemble de la communauté UCA sur ChatGPT.
Conférence ChatGPT : le 16 mai 2023 à 17h, Amphi recherche, Campus des Cézeaux
L’Intelligence Artificielle Générative et chatGPT en particulier ouvrent probablement un nouveau chapitre dans l'exploitation des outils d'apprentissage statistique. Bien que les composants mis en ?uvre dans chatGPT aient été testés largement ces 5 dernières années, le niveau de performance, la capacité à aborder de nouvelles t?ches et surtout l'ouverture au grand public ouvrent aujourd'hui des perspectives et posent de nombreux défis. Après avoir expliqué les bases de l'IA et le positionnement général de l'apprentissage statistique, nous étudierons en détail les évolutions récentes des architectures de deep learning. Nous décortiquerons ensuite chatGPT dans ce référentiel pour comprendre son fonctionnement. Dans une troisième partie, nous analyserons les forces et les faiblesses du système proposé, nous en déduirons les intérêts et dangers liés à l'usage de cette architecture.
Vincent Guigue a été nommé professeur en informatique dans l'école AgroParisTech, Paris-Saclay, à la rentrée 2022. Il occupait un poste de maitre de conférences à Sorbonne Université depuis 2006 après une thèse à l'INSA de Rouen.
Ses travaux, centrés sur les architectures d'apprentissage automatique, se structurent en trois axes: l'analyse de séries temporelles, depuis sa thèse; le traitement automatique de la langue naturelle et les t?ches d'extraction d'information; l'apprentissage de profils pour les systèmes de recommandation. Le machine learning est un domaine de recherche très dynamique depuis une vingtaine d'année... Mais la rapidité d'évolution des approches ces dix dernières années est stupéfiante: une telle rupture n'a probablement jamais été observée dans l'histoire des sciences. Ces avancées déferlent sur la société dans son ensemble et posent de nombreux défis. La recherche de Vincent Guigue est très appliquée et repose essentiellement sur l'apprentissage de représentation qui permet de décomposer et analyser différents types d'entrées tout en imposant des contraintes métiers.