Amazon Web Services a annoncé le lancement d'Ocelot, une nouvelle puce de calcul quantique qui réduit le coût de correction d'erreurs de 90 %. Cette avancée majeure marque une étape importante vers la réalisation d'ordinateurs quantiques tolérants aux pannes.

L'évolution de Microsoft dans le domaine de l'intelligence artificielle connaît un tournant significatif. Alors qu'elle ambitionnait de développer ses propres grands modèles, elle recentre désormais ses efforts sur sa collaboration avec OpenAI et lance une nouvelle fonction de « correction » visant à résoudre le problème des « hallucinations » dans les contenus générés par l'IA. De l'auto-développement à l'exploitation des ressources externes : l'évolution de la stratégie IA de MicrosoftMicrosoft a initialement investi massivement dans le domaine de l'IA générative (GenAI), espérant créer des modèles d'IA comparables, voire supérieurs, aux modèles GPT d'OpenAI.

L'équipe de recherche Google DeepMind a récemment réalisé une percée majeure en développant une technologie innovante appelée SCoRe (Self-Correction through Reinforcement Learning, autocorrection par apprentissage par renforcement). Cette technologie vise à résoudre le défi de longue date de l'autocorrection difficile des grands modèles linguistiques (LLM), permettant d'identifier et de corriger les erreurs sans avoir besoin de plusieurs modèles ou de vérifications externes. Au cœur de la technologie SCoRe se trouve son approche en deux phases. La première phase optimise le modèle...

Dans le contexte de l'évolution rapide de l'intelligence artificielle, l'IA générative, bien qu'offrant de nombreux avantages, pose également le problème préoccupant des informations erronées qu'elle produit. Pour relever ce défi, le géant technologique Microsoft a récemment lancé un nouvel outil appelé 'Correction', destiné à corriger les informations erronées dans les contenus générés par l'IA. Faisant partie de l'API de sécurité du contenu Microsoft Azure AI, 'Correction' est actuellement en phase de prévisualisation. Cet outil peut automatiquement identifier les textes potentiellement erronés, tels que les citations incorrectes de rapports trimestriels d'entreprise.

La startup d'informatique quantique Riverlane a annoncé avoir bouclé un tour de table de série C de 75 millions de dollars, qui seront utilisés pour faire progresser sa technologie de correction d'erreurs quantiques. L'informatique quantique repose sur des qubits fragiles, sensibles aux perturbations extérieures. La correction d'erreurs quantiques, une sorte de « correcteur orthographique cosmique », garantit l'exactitude des qubits et est essentielle pour réaliser le potentiel de l'informatique quantique. Au cours de l'année écoulée, la demande de technologies de correction d'erreurs a considérablement augmenté avec les progrès technologiques et l'amélioration de la qualité des qubits. Riverlane vise à atteindre une centaine d'ici 2026.

Aujourd'hui, iFLYTEK a officiellement lancé le modèle linguistique large Xinghuo V4.0 et a simultanément présenté un nouveau produit révolutionnaire : le correcteur intelligent Xinghuo. Cet appareil intelligent, qui combine la correction intelligente, l'analyse des performances scolaires et les devoirs personnalisés, apportera une révolution dans le domaine de l'éducation. Le correcteur intelligent Xinghuo, grâce à la puissante technologie du modèle linguistique large Xinghuo V4.0, présente des capacités sans précédent. Il est capable non seulement de corriger automatiquement les devoirs, mais aussi de simuler l'écriture manuscrite humaine grâce à l'IA, rendant les résultats de correction plus réalistes. Il est également important de noter qu'il peut...

Gemini est le modèle d'intelligence artificielle multimodale le plus vaste et le plus puissant de Google. Des problèmes sont apparus avec la fonction de génération d'images de personnages de Gemini. Des inquiétudes ont été exprimées quant aux biais présents dans les images de personnages générées par Gemini. Alphabet a suspendu la fonction de génération d'images de personnages de Gemini. Google prévoit de rétablir la fonction de génération d'images de personnages de Gemini « dans les prochaines semaines ». Le PDG de Google, Sundar Pichai, a déclaré que les erreurs de Gemini étaient « inacceptables ». Pichai a proposé des solutions et des plans d'amélioration.

Un rapport du Forum mondial sur la confidentialité indique que plus d'un tiers des outils de gouvernance de l'IA présentent des problèmes de "correction d'erreurs", affectant l'évaluation de l'équité et de l'explicabilité. Des outils et technologies développés par des entreprises comme Microsoft, IBM et Google ont également été identifiés comme problématiques, suscitant des inquiétudes. L'absence de garanties de qualité et d'exigences d'évaluation constitue un problème majeur ; certains outils peuvent poser problème dans différents contextes et lors d'une utilisation 'hors étiquette'. Les experts estiment que grâce à la collaboration entre les organisations internationales et les organismes de normalisation, des améliorations substantielles des outils de gouvernance de l'IA pourraient être réalisées en 2024.

Un rapport du gouvernement britannique révèle que les enseignants utilisent l'intelligence artificielle pour la planification des cours et la correction des devoirs. Le rapport met en garde contre le fait que l'IA peut générer un contenu peu fiable ou biaisé, soulevant des inquiétudes quant à sa fiabilité. La plupart des personnes interrogées se montrent globalement optimistes quant à l'utilisation de l'IA dans l'éducation, mais certaines préoccupations subsistent. Les enseignants déclarent que l'utilisation de l'IA leur permet de gagner du temps et de se concentrer sur des tâches plus enrichissantes.

Une nouvelle étude de Google DeepMind révèle que les grands modèles linguistiques ont du mal à corriger de manière autonome leurs erreurs de raisonnement. L'étude a constaté que les modèles ont tendance à faire des erreurs lorsqu'ils tentent de corriger leur réponse initiale par eux-mêmes. Les chercheurs estiment que la capacité d'autocorrection est essentielle dans les scénarios sensibles à la sécurité. Atteindre un consensus par vote peut permettre une cohérence interne, mais cela n'équivaut pas à une autocorrection. Des recherches supplémentaires sont nécessaires pour améliorer la capacité d'autocorrection des modèles linguistiques.