Тест: Introduction aux modèles de langage et enjeux éthiques — 9 въпроса

1. Quel est le rôle principal de l'évaluation en apprentissage supervisé ?

A. Associer une entrée à une sortie

B. Déterminer la classe d'un exemple donné

C. Générer des données d'entrée pour l'entraînement

D. Comparer les prédictions aux réponses correctes fournies

Answer: (D)

Обяснение

Le rôle principal de l'évaluation en apprentissage supervisé est de comparer les prédictions aux réponses correctes fournies, ce qui simplifie l'évaluation du modèle. À revoir : Apprentissage supervisé : principes et applications. Appui du cours : « L’évaluation en apprentissage supervisé est simple car les prédictions peuvent être comparées aux réponses correctes fournies. »

2. Qu'est-ce que l'apprentissage supervisé en intelligence artificielle ?

A. L'apprentissage d'une fonction qui associe une entrée à une sortie, sur la base d'exemples de couples entrée-sortie

B. L'apprentissage basé uniquement sur des données non étiquetées

C. L'apprentissage où la machine apprend à partir de règles fixes

D. L'apprentissage où la machine apprend sans données d'exemples

Answer: (A)

Обяснение

L'apprentissage supervisé consiste à apprendre une fonction à partir d'exemples où chaque entrée est associée à une sortie, ce qui est précisément décrit dans la source. À revoir : Apprentissage supervisé : principes et applications. Appui du cours : « Apprentissage d'une fonction qui associe une entrée à une sortie, sur la base d'exemples de couples entrée- sortie. »

3. Quelle est la conséquence directe de l’utilisation de modèles statistiques puissants comme les LLM basés sur les Transformers dans l’IA générative ?

A. Réduire la taille des bases de données

B. Produire du contenu nouveau

C. Améliorer la qualité des images existantes

D. Augmenter la vitesse de connexion internet

Answer: (B)

Обяснение

Le texte précise que l’IA générative produit du contenu nouveau en s’appuyant sur des modèles statistiques puissants comme les LLM basés sur les Transformers, donc la conséquence directe est la production de contenu nouveau. À revoir : Fondements et exemples d’IA générative. Appui du cours : « L’IA générative produit du contenu nouveau en s’appuyant sur des modèles statistiques puissants comme les LLM basés sur les Transformers. »

4. Quelle est la définition de l'apprentissage non supervisé ?

A. Une méthode qui utilise des étiquettes pour regrouper les données.

B. Une technique d'apprentissage qui nécessite des données étiquetées pour fonctionner.

C. Une méthode d'analyse de données qui identifie des motifs et des structures cachées sans utiliser d'étiquettes ou de réponses préalables.

D. Une technique d'apprentissage où le modèle est entraîné avec des réponses correctes.

Answer: (C)

Обяснение

L'apprentissage non supervisé vise à identifier des motifs et structures cachées sans utiliser d'étiquettes ou réponses préalables, ce qui correspond à la première option. À revoir : Apprentissage non supervisé : objectifs et algorithmes. Appui du cours : « Une méthode d'analyse de données qui identifie des motifs et des structures cachées sans utiliser d'étiquettes ou de réponses préalables. »

5. Quelle est la cause principale permettant à l’IA générative de produire du contenu nouveau ?

A. L'utilisation de modèles statistiques puissants comme les LLM basés sur les Transformers

B. L'entraînement sur de petits corpus de données

C. La programmation manuelle de chaque média à générer

D. L'absence de modèles linguistiques sophistiqués

Answer: (A)

Обяснение

L'IA générative s'appuie sur des modèles statistiques puissants comme les LLM basés sur les Transformers pour produire du contenu nouveau, ce qui en fait la cause principale. À revoir : Fondements et exemples d’IA générative. Appui du cours : « L’IA générative produit du contenu nouveau en s’appuyant sur des modèles statistiques puissants comme les LLM basés sur les Transformers. »

6. Quel est le rôle principal de l'architecture Transformer dans les grands modèles de langage ?

A. Traiter tous les mots d’une phrase simultanément

B. Générer du texte sans contexte préalable

C. Augmenter la vitesse d'entraînement en séquence

D. Réduire la taille du modèle de langage

Answer: (A)

Обяснение

Le Transformer traite tous les mots d’une phrase simultanément, ce qui permet d'améliorer la qualité du traitement du langage. À revoir : Fonctionnement des grands modèles de langage (LLM) et Transformers. Appui du cours : « Le Transformer permet de traiter tous les mots d’une phrase simultanément, contrairement aux réseaux neuronaux récurrents séquentiels. »

7. Qu'est-ce que l'auto-attention dans le contexte des Transformers ?

A. Un mécanisme qui analyse la relation entre chaque mot d'une phrase et leur importance pour le contexte global

B. Une méthode pour représenter chaque mot par un vecteur numérique

C. Un processus qui calcule l'ensemble des mots d'une phrase séparément

D. Un mécanisme permettant de mesurer la proximité sémantique entre mots dans différents contextes

Answer: (A)

Обяснение

L'auto-attention est définie comme un mécanisme qui analyse la relation entre chaque mot et leur importance pour comprendre le contexte global, ce qui correspond à l'option 1. À revoir : Mécanismes clés des Transformers : auto-attention et embeddings. Appui du cours : « - **Auto-attention** : Mécanisme qui analyse la relation entre chaque mot d'une phrase et leur importance relative pour comprendre le contexte global, permettant une évaluation simultanée de tous les mots dans la phrase. »

8. Qu'est-ce qu'un modèle séquence-à-séquence dans le contexte des LLM ?

A. Une architecture combinant un encodeur et un décodeur pour transformer des séquences

B. Un modèle qui prédit chaque mot successivement à partir du contexte précédent

C. Un modèle qui utilise uniquement un encodeur pour encoder le langage sans décoder

D. Un modèle qui analyse simultanément le contexte à gauche et à droite d’un mot pour des tâches de compréhension

Answer: (A)

Обяснение

Les modèles séquence-à-séquence combinent un encodeur et un décodeur pour transformer des séquences, comme illustré par T5 et BART. À revoir : Architecture, types de modèles et processus d’entraînement des LLM. Appui du cours : « Modèles séquence-à-séquence : Architecture combinant un encodeur et un décodeur pour traiter des tâches de transformation de séquences, telles que la traduction ou le résumé, illustrée par T5 et BART. »

9. Quelle est la conséquence du manque de compréhension réelle des modèles de langage sur leur capacité à produire des réponses fiables ?

A. Ils génèrent des informations factuellement fausses présentées comme vraies

B. Ils ne peuvent plus produire de contenu convaincant ou argumenté

C. Ils deviennent incapables de reproduire des biais présents dans les données d'entraînement

D. Ils améliorent leur précision en apprenant de nouvelles données en temps réel

Answer: (A)

Обяснение

Le manque de compréhension réelle provoque des hallucinations, c'est-à-dire la génération d’informations factuellement fausses mais présentées de manière convaincante. À revoir : Limites des LLM : hallucinations, biais et manque de compréhension réelle. Appui du cours : « Les hallucinations correspondent à la génération d’informations factuellement fausses mais présentées de manière convaincante. »