Rejoignez nos newsletters quotidiennes et hebdomadaires pour les dernières mises à jour et du contenu exclusif sur la couverture de l’IA de pointe du secteur. Apprendre encore plus
Imaginez que vous conduisez une voiture par une belle journée sans circulation, avec le régulateur de vitesse activé. Vos jambes sont détendues et vous fredonnez vos chansons préférées. Soudain, le temps change, les lumières s’éteignent et les voies deviennent moins visibles. Le système vous invite à passer outre le régulateur de vitesse et à prendre le contrôle manuel de la voiture. Lorsque vous commencez à agir, votre esprit hésite, ne sachant pas où placer votre jambe.
Combien de fois cela s’est-il déjà produit ? Ce scénario simple illustre le fonctionnement de notre cerveau. Si nous ne l’entraînons pas, il lui faudra cette fraction de seconde supplémentaire pour effectuer l’action la prochaine fois. Ce concept, connu sous le nom de neuroplasticitéest la remarquable capacité du cerveau à se réorganiser en formant de nouvelles connexions neuronales et est fondamentale pour notre développement cognitif et notre adaptabilité. Cependant, à l’ère de l’IA et grands modèles de langage (LLM), ce processus naturel est confronté à des défis sans précédent.
Le pouvoir et le danger des LLM
Les LLM, formés sur de vastes ensembles de données, excellent dans la fourniture d’informations précises et exactes sur un large éventail de sujets. l’avènement des LLM a sans aucun doute constitué une avancée significative, offrant une alternative supérieure à la navigation Web traditionnelle et au processus souvent fastidieux de parcourir plusieurs sites avec des informations incomplètes. Cette innovation réduit considérablement le temps nécessaire pour résoudre les requêtes, trouver des réponses et passer aux tâches suivantes.
En outre, les LLM sont d’excellentes sources d’inspiration pour de nouveaux projets créatifs. Leur capacité à fournir des réponses détaillées et complètes les rend inestimables pour une variété de tâches, de la rédaction de CV à la planification de voyages en passant par la synthèse de livres et la création de contenu numérique. Cette capacité a considérablement réduit le temps nécessaire pour itérer sur les idées et produire des résultats soignés.
Cependant, cette commodité n’est pas sans risques potentiels. capacités remarquables des LLM Cela peut conduire à une dépendance excessive, dans laquelle nous dépendons d’eux même pour les plus petites tâches, comme le débogage ou l’écriture de code, sans traiter entièrement les informations nous-mêmes. Cette dépendance peut entraver notre capacité de réflexion critique, car notre cerveau s’habitue à emprunter la voie la plus facile suggérée par l’IA. Au fil du temps, cela peut stagner et finir par diminuer nos capacités cognitives, un peu comme l’analogie précédente de la conduite avec le régulateur de vitesse.
Un autre risque potentiel est l’érosion de la confiance en soi. Lorsque des réponses précises sont facilement disponibles et adaptées exactement à nos questions, le besoin de recherche indépendante diminue. Cela peut exacerber le « syndrome de l’imposteur », nous faisant douter de nos capacités et freinant notre curiosité naturelle. De plus, il existe un risque que les LLM résument des informations incorrectes en fonction du contexte de la question et des données sur lesquelles ils ont été formés, ce qui peut conduire à la désinformation et à d’autres problèmes de dépendance.
Comment pouvons-nous utiliser efficacement les LLM Comment réussir à évoluer sans se sentir inadéquat ou courir ces risques ? Dans ce blog, nous explorerons l’équilibre entre l’exploitation des outils d’IA et le maintien de nos compétences cognitives. Notre objectif est de fournir des idées et des stratégies pour naviguer dans ce nouveau paysage sans compromettre nos capacités de réflexion critique.
Stratégies pour réduire la dépendance excessive aux LLM
Pour y parvenir, il est d’abord nécessaire de comprendre les tâches pour lesquelles un LLM est réellement utile et celles pour lesquelles son aide peut être trop utile et à la limite risquée. Dans cette section, nous fournissons des conseils et des directives pratiques sur la façon de tirer parti de ces puissants outils sans compromettre un apprentissage sain
Complément d’apprentissage et développement des compétences
- Si vous apprenez un nouveau langage de programmation ou une nouvelle technologie, utilisez un LLM pour clarifier les concepts, fournir des exemples ou expliquer la documentation. Par exemple, je voulais utiliser YAML configuration en raison de sa lisibilité pour mon cas d’utilisation. J’ai demandé au LLM de me fournir les concepts de base derrière l’idée que je voulais mettre en œuvre, plutôt que la réponse directe. Cela m’a aidé à comprendre sa structure et les facteurs à prendre en compte lors de la création du fichier, ce qui m’a permis de poursuivre ma tâche.
![](https://venturebeat.com/wp-content/uploads/2024/07/image6.png?w=563)
- Utilisez-le comme point de départ pour réfléchir à des solutions pour des cas d’utilisation spécifiques lorsqu’il est difficile de trouver des informations exactes en ligne. Par exemple, après avoir eu du mal à trouver des articles de recherche pertinents associés à la réduction du biais des modèles en ligne pour les classificateurs (la plupart étaient associés à la régression), j’ai demandé au LLM, qui a fourni une liste complète de conseils et de techniques utiles que je pouvais approfondir en détail.
![](https://venturebeat.com/wp-content/uploads/2024/07/image7.png?w=615)
![](https://venturebeat.com/wp-content/uploads/2024/07/image9.png?w=689)
![](https://venturebeat.com/wp-content/uploads/2024/07/image5.png?w=800)
- L’utilisation de cet outil pour aider à l’apprentissage peut être très productive et puissante. L’interaction naturelle et conversationnelle avec l’assistant est particulièrement utile pour apprendre quelque chose de nouveau et avoir des questions de suivi sur un concept. Par exemple, j’ai eu des questions de clarification sur les contextes annulables dans Golang après avoir lu ce blogque j’ai résolu en utilisant ChatGPT.
Stratégie: Utilisez le LLM comme tuteur pour compléter votre apprentissage. Il peut vous aider à comprendre la technologie ou l’approche que vous utilisez. Discutez de cas d’utilisation abstraits pour obtenir de meilleures réponses. Cependant, entraînez-vous à écrire votre propre code et à résoudre vous-même les problèmes pour renforcer votre compréhension et retenir les nouvelles informations.
Utilisez les LLM pour vos recherches initiales et votre inspiration
- Lorsque vous démarrez un nouveau projet créatif, comme la rédaction d’un article de blog ou le développement d’une campagne marketing, faites appel à un LLM pour recueillir des idées et des inspirations initiales. Demandez au LLM une liste de sujets potentiels, de points clés ou d’angles créatifs. Cela peut vous aider à surmonter le syndrome de la page blanche et à stimuler votre créativité.
- Cela peut également s’appliquer à l’ingénierie logicielle. Si vous souhaitez créer une nouvelle fonctionnalité mais avez besoin d’aide pour la structure initiale du code, les LLM sont inestimables. Par exemple, je voulais créer une application pour lever l’ambiguïté des questions des utilisateurs en posant des questions de suivi basées sur leurs contributions via StreamlitJ’ai expliqué la structure de mise en œuvre initiale et demandé au LLM un point de départ sur lequel s’appuyer.
![](https://venturebeat.com/wp-content/uploads/2024/07/image13.png?w=638)
Stratégie: Considérez le résultat du LLM comme un point de départ plutôt qu’un produit final. Utilisez les suggestions pour réfléchir et développer vos propres idées. Cette approche garantit un engagement actif dans le processus créatif et évite d’avoir l’impression d’être nourri de réponses. Elle permet d’augmenter la productivité en surmontant les difficultés techniques ou le blocage de l’écrivain, ce qui vous permet de développer le travail initial.
Améliorez, et non remplacez, vos capacités de résolution de problèmes
- Les journaux d’erreurs peuvent être détaillés et spécifiques, ce qui les rend difficiles à déboguer. Les LLM peuvent être extrêmement utiles à cet égard. Lors du débogage du code, utilisez un LLM pour obtenir des indices ou des suggestions sur l’origine du problème. Par exemple, vous pouvez demander au LLM d’expliquer un message d’erreur spécifique ou de décrire les étapes de débogage courantes pour un problème particulier. Vous trouverez ci-dessous un exemple de la manière dont s’est déroulée une session de débogage récente avec l’assistant.
![](https://venturebeat.com/wp-content/uploads/2024/07/image4.png?w=800)
Compte tenu de la réponse, je l’ai incité à m’aider à identifier des stratégies pour améliorer la gestion de la mémoire. Cela nous ramène à notre conseil d’utiliser le LLM pour compléter l’apprentissage. C’était la réponse fournie par le bot.
![](https://venturebeat.com/wp-content/uploads/2024/07/image12.png?w=589)
![](https://venturebeat.com/wp-content/uploads/2024/07/image10.png?w=800)
À ce stade, j’aurais dû idéalement faire des recherches sur les approches répertoriées par le LLM, moi-même. Par exemple, j’étais intrigué par l’idée d’utiliser la bibliothèque de calcul parallèle Dask Cependant, pour mon cas d’utilisation, j’ai été tenté de demander au LLM d’optimiser directement mon code à l’aide de Dask. Bien qu’il ait généré la fonction exacte dont j’avais besoin, je ne comprenais pas comment Dask fonctionnait en coulisses, quelles API il exposait ou pourquoi le code était plus rapide. La bonne approche aurait été de parcourir la documentation de Dask (ou de demander au LLM d’expliquer la technologie) et de tenter de reproduire la fonction à l’aide de la bibliothèque.
Stratégie: Au lieu de vous fier uniquement au LLM pour résoudre le problème, utilisez ses suggestions pour guider votre propre enquête. Prenez le temps de comprendre le problème sous-jacent et d’expérimenter différentes solutions. Cela vous aidera à développer et à maintenir vos compétences en résolution de problèmes.
Valider et recouper les informations
- Au fur et à mesure que les LLM améliorent la compréhension du contexte, ils peuvent être des outils efficaces pour débattre et valider vos connaissances. Par exemple, si vous lisez un article et souhaitez valider votre compréhension, demandez au LLM de vous fournir des commentaires basés sur l’article. Pendant la lecture d’un nouveau papierJ’ai discuté avec le LLM pour valider ma compréhension et l’ai corrigée si nécessaire.
![](https://venturebeat.com/wp-content/uploads/2024/07/image3_8030f1.png?w=538)
Stratégie: Chaque fois que vous lisez un nouvel article de journal, un blog ou un article, utilisez le LLM pour valider votre compréhension en l’invitant à fournir des commentaires sur votre compréhension du contenu.
Fixez des limites pour les tâches de routine
- Les LLM peuvent être très utiles pour des tâches routinières et banales comme la rédaction de réponses par e-mail, de rapports simples ou de notes de réunion. J’ai également utilisé le LLM pour m’aider à remplir des formulaires de demande d’adhésion qui nécessitent de courtes biographies ou des déclarations de motivation. Souvent, je connais le contenu que je veux inclure et l’assistant m’aide à améliorer les points que je fournis. Comme il excelle dans la synthèse, je l’ai également utilisé pour les demandes de limitation de caractères et de mots.
![](https://venturebeat.com/wp-content/uploads/2024/07/image1_00e721.png?w=796)
Les LLM sont également extrêmement utiles pour formater le contenu déjà disponible selon un modèle donné, une tâche de routine qui peut être facilement automatisée avec leur aide.
![](https://venturebeat.com/wp-content/uploads/2024/07/image8.png?w=643)
Stratégie: Fixez des limites claires quant au moment et à la manière dont vous utilisez les LLM. Réservez leur utilisation aux tâches répétitives ou chronophages, et gérez vous-même les tâches plus complexes ou stratégiques. Cet équilibre vous aidera à rester alerte et à conserver votre esprit critique.
Conclusion
Les LLM sont des outils puissants qui peuvent améliorer considérablement la productivité et la créativité lorsqu’ils sont utilisés efficacement. Cependant, il est essentiel de trouver un équilibre entre l’exploitation de leurs capacités et le maintien de nos compétences cognitives. En utilisant les LLM comme des aides plutôt que comme des béquilles, nous pouvons exploiter leur potentiel sans tomber dans le piège de la dépendance excessive ou du syndrome de l’imposteur. N’oubliez pas que la clé est de rester activement impliqué, de valider les informations et de continuellement mettre votre cerveau au défi de penser de manière critique et de résoudre les problèmes de manière autonome.
Rachita Naik est ingénieure en apprentissage automatique chez Lyft, Inc.
Soham Ranade est ingénieur en apprentissage automatique chez Systèmes Vianai, Inc.
Décideurs de données
Bienvenue dans la communauté VentureBeat !
DataDecisionMakers est l’endroit où les experts, y compris les techniciens travaillant sur les données, peuvent partager des informations et des innovations liées aux données.
Si vous souhaitez en savoir plus sur les idées de pointe et les informations actualisées, les meilleures pratiques et l’avenir des données et de la technologie des données, rejoignez-nous chez DataDecisionMakers.
Vous pourriez même envisager contribuer à un article ton propre!