La puissance du traitement du langage naturel

Jusqu’à récemment, la sagesse conventionnelle était que si l’IA était meilleure que les humains pour les tâches de prise de décision basées sur les données, elle était toujours inférieure aux humains pour les tâches cognitives et créatives. Mais au cours des deux dernières années, l’IA basée sur le langage a progressé à pas de géant, modifiant les notions courantes de ce que cette technologie peut faire.

Les avancées les plus visibles ont été dans ce qu’on appelle le traitement du langage naturel (TAL), la branche de l’IA axée sur la façon dont les ordinateurs peuvent traiter le langage comme le font les humains. Il a été utilisé pour écrire un article pour The Guardian, et les articles de blog rédigés par l’IA sont devenus des exploits viraux qui n’étaient pas possibles il y a quelques années. L’IA excelle même dans les tâches cognitives comme la programmation où elle est capable de générer des programmes pour des jeux vidéo simples à partir d’instructions humaines.

Pourtant, bien que ces cascades puissent attirer l’attention, sont-elles vraiment révélatrices de ce que cette technologie peut faire pour les entreprises ?

Ce que la PNL peut faire

L’outil de traitement du langage naturel le plus connu est GPT-3, d’OpenAI, qui utilise l’IA et les statistiques pour prédire le mot suivant dans une phrase en fonction des mots précédents. Les praticiens de la PNL appellent des outils comme celui-ci des modèles de langage, et ils peuvent être utilisés pour des tâches d’analyse simples, telles que la classification de documents et l’analyse du sentiment dans des blocs de texte, ainsi que des tâches plus avancées, telles que répondre à des questions et résumer des rapports. Les modèles de langage remodèlent déjà l’analyse de texte traditionnelle, mais GPT-3 était un modèle de langage particulièrement crucial car, à 10 fois plus grand que n’importe quel modèle précédent lors de sa sortie, c’était le premier grand modèle de langage, ce qui lui a permis d’effectuer des tâches encore plus avancées comme la programmation et la résolution de problèmes mathématiques de niveau secondaire. La dernière version, appelée InstructGPT, a été affinée par des humains pour générer des réponses bien mieux alignées sur les valeurs humaines et les intentions des utilisateurs, et le dernier modèle de Google montre d’autres percées impressionnantes sur le langage et le raisonnement.

Pour les entreprises, les trois domaines dans lesquels GPT-3 est apparu le plus prometteur sont l’écriture, le codage et le raisonnement spécifique à la discipline. OpenAI, le créateur de GPT-3 financé par Microsoft, a développé un modèle de langage basé sur GPT-3 destiné à servir d’assistant pour les programmeurs en générant du code à partir d’une entrée en langage naturel. Cet outil, Codex, alimente déjà des produits comme Copilot pour la filiale GitHub de Microsoft et est capable de créer un jeu vidéo de base simplement en tapant des instructions. On s’attendait déjà à ce que cette capacité de transformation change la nature de la façon dont les programmeurs font leur travail, mais les modèles continuent de s’améliorer. Les dernières nouveautés du laboratoire DeepMind AI de Google, par exemple, démontrent la pensée critique et les compétences logiques nécessaires pour surpasser la plupart des humains dans les compétitions de programmation.

Des modèles comme GPT-3 sont considérés comme des modèles de base, un domaine de recherche émergent sur l’IA qui fonctionne également pour d’autres types de données telles que les images et la vidéo. Les modèles de base peuvent même être formés sur plusieurs formes de données en même temps, comme OpenAIs DALLE 2, qui est formé sur le langage et les images pour générer des rendus haute résolution de scènes ou d’objets imaginaires simplement à partir d’invites de texte. En raison de leur potentiel à transformer la nature du travail cognitif, les économistes s’attendent à ce que les modèles de base affectent chaque partie de l’économie et puissent conduire à des augmentations de la croissance économique similaires à la révolution industrielle.

Un assistant de recherche en IA basé sur le langage

Dans mon propre travail, j’ai examiné comment les outils basés sur GPT-3 peuvent aider les chercheurs dans le processus de recherche. Je travaille actuellement avec Ought, une entreprise de San Francisco qui développe un outil de raisonnement ouvert (appelé Elicit) destiné à aider les chercheurs à répondre à des questions en quelques minutes ou heures au lieu de semaines ou de mois. Elicit est conçu pour un nombre croissant de tâches spécifiques liées à la recherche, telles que la synthèse, l’étiquetage des données, la reformulation, le remue-méninges et les revues de littérature.

J’ai trouvé sans surprise que Elicit fonctionne mieux pour certaines tâches que pour d’autres. Des tâches telles que l’étiquetage et la synthèse des données sont encore approximatives, avec des résultats bruyants et une précision inégale, mais les recherches d’Ought et les recherches d’OpenAI sont prometteuses pour l’avenir.

Par exemple, la tâche de reformulation est utile pour l’écriture, mais le manque d’intégration avec les applications de traitement de texte la rend peu pratique pour l’instant. Les tâches de brainstorming sont idéales pour générer des idées ou identifier des sujets négligés, et malgré les résultats bruyants et les obstacles à l’adoption, elles sont actuellement utiles pour une variété de situations. Pourtant, de toutes les tâches proposées par Elicit, je trouve la revue de la littérature la plus utile. Parce qu’Elicit est un assistant de recherche en IA, c’est en quelque sorte son pain quotidien, et quand je dois commencer à creuser dans un nouveau sujet de recherche, c’est devenu ma ressource incontournable.

Tout cela change ma façon de travailler. Je passe beaucoup moins de temps à essayer de trouver du contenu existant pertinent pour mes questions de recherche car ses résultats sont plus applicables que d’autres interfaces plus traditionnelles pour la recherche universitaire comme Google Scholar. Je commence également à intégrer des tâches de brainstorming dans mon travail, et mon expérience avec ces outils a inspiré mes dernières recherches, qui cherchent à utiliser des modèles de base pour soutenir la planification stratégique.

Comment les organisations peuvent-elles se préparer pour l’avenir ?

Identifiez vos actifs de données textuelles et déterminez comment les dernières techniques peuvent être exploitées pour ajouter de la valeur à votre entreprise.

Vous êtes certainement conscient de la valeur des données, mais vous pouvez encore négliger certains actifs de données essentiels si vous n’utilisez pas l’analyse de texte et la PNL dans votre organisation. Les données textuelles sont certainement précieuses pour la gestion de l’expérience client et la compréhension de la voix du client, mais pensez aux autres actifs de données textuelles de votre organisation : les e-mails, les rapports d’analystes, les contrats, les communiqués de presse, les archives, même les réunions et les appels téléphoniques peuvent être transcrits.

Il y a tellement de données textuelles et vous n’avez pas besoin de modèles avancés comme GPT-3 pour en extraire la valeur. Hugging Face, une startup NLP, a récemment lancé AutoNLP, un nouvel outil qui automatise les modèles de formation pour les tâches d’analyse de texte standard en téléchargeant simplement vos données sur la plateforme. Les données ont encore besoin d’étiquettes, mais beaucoup moins que dans d’autres applications. Parce que de nombreuses entreprises ont fait des paris ambitieux sur l’IA uniquement pour lutter pour générer de la valeur dans le cœur de métier, restez prudent pour ne pas être trop zélé. Cela peut être une bonne première étape que vos ingénieurs en apprentissage automatique ou même vos data scientists talentueux peuvent gérer.

Pour passer à l’étape suivante, encore une fois, identifiez vos actifs de données. De nombreux secteurs, et même des divisions au sein de votre organisation, utilisent des vocabulaires hautement spécialisés. Grâce à une combinaison de vos actifs de données et d’ensembles de données ouverts, formez un modèle pour les besoins de secteurs ou de divisions spécifiques. Pensez aux finances. Vous ne voulez pas d’un mannequin spécialisé dans la finance. Vous souhaitez un modèle personnalisé pour la banque commerciale ou pour les marchés de capitaux. Et les données sont essentielles, mais maintenant ce sont des données non étiquetées, et plus il y en a, mieux c’est. Des modèles spécialisés comme celui-ci peuvent débloquer une valeur incalculable pour votre entreprise.

Découvrez comment vous pouvez tirer parti des technologies linguistiques basées sur l’IA pour prendre de meilleures décisions ou réorganiser votre main-d’œuvre qualifiée.

L’IA basée sur le langage ne remplacera pas les emplois, mais elle automatisera de nombreuses tâches, même pour les décideurs. Des startups comme Verneek créent des outils de type Elicit pour permettre à chacun de prendre des décisions fondées sur des données. Ces nouveaux outils transcenderont l’informatique décisionnelle traditionnelle et transformeront la nature de nombreux rôles dans les organisations. Les programmeurs ne sont qu’un début.

Vous devez commencer à comprendre comment ces technologies peuvent être utilisées pour réorganiser votre main-d’œuvre qualifiée. La prochaine génération d’outils comme OpenAIs Codex conduira à des programmeurs plus productifs, ce qui signifie probablement moins de programmeurs dédiés et plus d’employés ayant des compétences en programmation modestes les utilisant pour un nombre croissant de tâches plus complexes. Cela n’est peut-être pas vrai pour tous les développeurs de logiciels, mais cela a des implications importantes pour des tâches telles que le traitement des données et le développement Web.

Commencez à intégrer de nouveaux outils d’IA basés sur le langage pour une variété de tâches afin de mieux comprendre leurs capacités.

À l’heure actuelle, des outils comme Elicit font leur apparition, mais ils peuvent déjà être utiles de manière surprenante. En fait, la suggestion précédente a été inspirée par l’une des tâches de brainstorming d’Elicits conditionnée par mes trois autres suggestions. La suggestion originale elle-même n’était pas parfaite, mais elle m’a rappelé certains sujets critiques que j’avais négligés, et j’ai révisé l’article en conséquence. Dans les organisations, des tâches comme celle-ci peuvent aider à la réflexion stratégique ou aux exercices de planification de scénarios. Bien qu’il existe un énorme potentiel pour de telles applications, à l’heure actuelle, les résultats sont encore relativement bruts, mais ils peuvent déjà ajouter de la valeur dans leur état actuel.

L’essentiel est que vous devez encourager une large adoption des outils d’IA basés sur le langage dans toute votre entreprise. Il est difficile de prévoir comment ces outils pourraient être utilisés à différents niveaux de votre organisation, mais la meilleure façon de comprendre cette technologie pourrait être que vous et les autres dirigeants de votre entreprise l’adoptiez vous-mêmes. Ne misez pas sur le bateau car certaines technologies peuvent ne pas fonctionner, mais si votre équipe comprend mieux ce qui est possible, vous serez en avance sur la concurrence. N’oubliez pas que si l’IA actuelle n’est peut-être pas prête à remplacer les managers, les managers qui comprennent l’IA sont prêts à remplacer les managers qui ne l’ont pas.

Ne sous-estimez pas le potentiel de transformation de l’IA.

Les grands modèles de base comme GPT-3 présentent des capacités de généralisation à un grand nombre de tâches sans aucune formation spécifique à la tâche. Les progrès récents de cette technologie sont une étape importante vers la généralisation au niveau humain et l’intelligence artificielle générale qui sont les objectifs ultimes de nombreux chercheurs en IA, y compris ceux d’OpenAI et de Google DeepMind. De tels systèmes ont un énorme potentiel perturbateur qui pourrait conduire à une croissance économique explosive tirée par l’IA, ce qui transformerait radicalement les entreprises et la société. Bien que vous puissiez encore être sceptique quant à l’IA radicalement transformatrice comme l’intelligence générale artificielle, il est prudent pour les dirigeants d’organisations d’être conscients des premiers signes de progrès en raison de son énorme potentiel perturbateur.

Considérez que l’ancien chef de Google, Eric Schmidt, s’attend à une intelligence artificielle générale dans 1020 ans et que le Royaume-Uni a récemment pris une position officielle sur les risques liés à l’intelligence artificielle générale. Si les organisations avaient prêté attention à l’avertissement d’Anthony Faucis 2017 sur l’importance de la préparation à la pandémie, les effets les plus graves de la pandémie et la crise de la chaîne d’approvisionnement qui en a résulté auraient peut-être été évités. Ignorer le potentiel de transformation de l’IA comporte également des risques et, à l’instar de la crise de la chaîne d’approvisionnement, l’inaction des entreprises ou l’utilisation irresponsable de l’IA pourrait avoir des effets généralisés et néfastes sur la société (par exemple, l’augmentation des inégalités ou des risques spécifiques à un domaine liés à l’automatisation). Cependant, contrairement à la crise de la chaîne d’approvisionnement, les changements sociétaux résultant de l’IA transformatrice seront probablement irréversibles et pourraient même continuer à s’accélérer. Les organisations doivent commencer dès maintenant à se préparer non seulement à tirer parti de l’IA transformatrice, mais aussi à faire leur part pour éviter des avenirs indésirables et veiller à ce que l’IA avancée soit utilisée pour bénéficier équitablement à la société.

Les outils d’IA basés sur le langage sont là pour rester

De puissants outils d’IA basés sur un langage généralisable comme Elicit sont là, et ils ne sont que la pointe de l’iceberg ; Les outils basés sur des modèles de base multimodaux sont prêts à transformer les activités d’une manière encore difficile à prévoir. Pour commencer à vous préparer dès maintenant, commencez à comprendre vos actifs de données textuelles et la variété des tâches cognitives impliquées dans les différents rôles de votre organisation. Adopter agressivement de nouvelles technologies d’IA basées sur le langage ; certains fonctionneront bien et d’autres non, mais vos employés s’adapteront plus rapidement lorsque vous passerez au suivant. Et n’oubliez pas d’adopter ces technologies vous-même, c’est la meilleure façon pour vous de commencer à comprendre leurs futurs rôles dans votre organisation.