Le PDG de Nvidia prédit l'intelligence artificielle au niveau humain d'ici cinq ans et lance une solution d'illusion d'IA

Le PDG de Nvidia, Jensen Huang, prédit que l'intelligence artificielle (IA) au niveau humain pourrait être atteinte au cours des cinq prochaines années. Il suggère que la définition de l’AGI au moyen de tests spécifiques, dans lesquels les logiciels surpassent largement les humains, pourrait conduire à sa réalisation. Huang aborde également la question des « hallucinations » dans l'IA, en proposant une solution qui oblige l'IA à vérifier les réponses en menant des recherches avant de fournir des réponses. La résolution de ce problème pourrait avoir de profondes implications pour des secteurs comme la finance et les cryptomonnaies, où la précision est primordiale et où les systèmes d’IA générative sont actuellement limités.

Nvidia CEO Predicts Human-Level AI Within Five Years, Unveils Solution to AI Hallucinations

Le PDG de Nvidia prédit l’IA au niveau humain d’ici cinq ans et dévoile une solution aux hallucinations de l’IA

San Jose, California - March 20, 2023 - In a groundbreaking speech at the Nvidia GTC developers conference, Nvidia CEO Jensen Huang has forecast that human-level artificial intelligence (AI) could be attainable within the next five years. Huang's announcement comes amidst growing optimism in the AI community, with significant advancements being made in the development of large language models (LLMs).

San Jose, Californie - 20 mars 2023 - Dans un discours novateur prononcé lors de la conférence des développeurs Nvidia GTC, le PDG de Nvidia, Jensen Huang, a prédit que l'intelligence artificielle (IA) au niveau humain pourrait être réalisable dans les cinq prochaines années. L'annonce de Huang intervient dans un contexte d'optimisme croissant au sein de la communauté de l'IA, avec des progrès significatifs réalisés dans le développement de grands modèles de langage (LLM).

One of the key challenges facing the realization of human-level AI is the phenomenon of "hallucination," where AI systems generate inaccurate or fictitious information. This issue arises due to the limitations of current training techniques for LLMs, which struggle to distinguish between real-world facts and hallucinations.

L’un des principaux défis auxquels est confrontée la réalisation de l’IA à l’échelle humaine est le phénomène « d’hallucination », dans lequel les systèmes d’IA génèrent des informations inexactes ou fictives. Ce problème se pose en raison des limites des techniques de formation actuelles des LLM, qui ont du mal à faire la distinction entre les faits du monde réel et les hallucinations.

However, Huang presented a straightforward solution to this problem during his keynote address: requiring AI systems to verify their answers by conducting research before providing responses. This approach aims to address the tendency of AI systems to generate responses based on limited or inaccurate data, leading to the production of false or misleading information.

Cependant, Huang a présenté une solution simple à ce problème lors de son discours d'ouverture : exiger que les systèmes d'IA vérifient leurs réponses en menant des recherches avant de fournir des réponses. Cette approche vise à répondre à la tendance des systèmes d’IA à générer des réponses basées sur des données limitées ou inexactes, conduisant à la production d’informations fausses ou trompeuses.

"We can solve the hallucination problem by requiring AI to do research," Huang stated. "By forcing AI to check its answers before providing them, we can significantly reduce the risk of hallucinations."

"Nous pouvons résoudre le problème des hallucinations en exigeant que l'IA fasse des recherches", a déclaré Huang. "En obligeant l'IA à vérifier ses réponses avant de les fournir, nous pouvons réduire considérablement le risque d'hallucinations."

While several AI models currently offer features to provide sources for their outputs, including Microsoft's CoPilot AI, Google's Gemini, OpenAI's ChatGPT, and Anthropic's Claude 3, the complete resolution of the hallucination problem could have profound implications for industries such as finance and cryptocurrency.

Alors que plusieurs modèles d'IA offrent actuellement des fonctionnalités pour fournir des sources pour leurs résultats, notamment CoPilot AI de Microsoft, Gemini de Google, ChatGPT d'OpenAI et Claude 3 d'Anthropic, la résolution complète du problème des hallucinations pourrait avoir de profondes implications pour des secteurs tels que la finance et la crypto-monnaie.

Currently, the use of generative AI systems in contexts where accuracy is essential requires caution. For instance, ChatGPT's user interface warns users about potential errors and advises cross-checking crucial information.

Actuellement, l’utilisation de systèmes d’IA générative dans des contextes où la précision est essentielle requiert de la prudence. Par exemple, l'interface utilisateur de ChatGPT avertit les utilisateurs des erreurs potentielles et conseille de recouper les informations cruciales.

In finance and cryptocurrency, accuracy is paramount, as it directly affects profits and losses. Consequently, the current reliance on generative AI systems is limited in these areas.

En finance et en cryptomonnaie, la précision est primordiale, car elle affecte directement les profits et les pertes. Par conséquent, le recours actuel aux systèmes d’IA générative est limité dans ces domaines.

However, Huang's proposed solution could change this dynamic. If the issue of AI hallucinations were fully resolved, these AI models could potentially operate independently, executing trades and making financial decisions without human intervention.

Cependant, la solution proposée par Huang pourrait changer cette dynamique. Si le problème des hallucinations de l’IA était entièrement résolu, ces modèles d’IA pourraient potentiellement fonctionner de manière indépendante, exécutant des transactions et prenant des décisions financières sans intervention humaine.

"Solving the problem of AI hallucinations would open the door to fully automated trading systems," Huang said. "The implications for the finance and cryptocurrency industries would be immense."

"Résoudre le problème des hallucinations de l'IA ouvrirait la porte à des systèmes de trading entièrement automatisés", a déclaré Huang. "Les implications pour les secteurs de la finance et des cryptomonnaies seraient immenses."

Huang also emphasized the importance of benchmarking in the development of AI. He suggested that defining AGI through specific tests, where software outperforms humans by a substantial margin, could accelerate its realization.

Huang a également souligné l'importance de l'analyse comparative dans le développement de l'IA. Il a suggéré que la définition de l'AGI par le biais de tests spécifiques, dans lesquels les logiciels surpassent considérablement les humains, pourrait accélérer sa réalisation.

"We need to set clear benchmarks for AGI," Huang noted. "By establishing measurable goals, we can track our progress and ensure that we are on the right path."

"Nous devons établir des critères clairs pour l'AGI", a noté Huang. "En établissant des objectifs mesurables, nous pouvons suivre nos progrès et nous assurer que nous sommes sur la bonne voie."

The potential for human-level AI within the next five years represents a significant milestone in the evolution of technology. Huang's proposed solution to AI hallucinations provides a promising path forward, addressing a major obstacle that has hindered the development of truly intelligent systems.

Le potentiel de l’IA à l’échelle humaine dans les cinq prochaines années représente une étape importante dans l’évolution de la technologie. La solution proposée par Huang aux hallucinations de l'IA constitue une voie prometteuse, abordant un obstacle majeur qui a entravé le développement de systèmes véritablement intelligents.