Hier, je suis descendu acheter des fruits. Le patron a pesé la mangue du durian, puis a prétendu que la balance était cassée, et m’a fourré de force une demi-botte de raisins. En rentrant, j’ai épluché les raisins tout en y pensant : si on mettait cette histoire dans les mains d’une IA, elle arriverait sûrement à filtrer automatiquement même ce genre de “balance cassée” comme facteur parasite, parce qu’elle ne se laisse manifestement pas prendre à ce genre de choses.
Ces temps-ci, je me démène avec OpenGradient et je réfléchis beaucoup à ce sujet. Je l’ai repéré pour la première fois parce qu’à une occasion, j’ai posé la même question encore et encore : je l’ai reformulée de trois façons différentes, j’ai ajouté une tonne de descriptions sans rapport… et pourtant la réponse de l’IA n’a pas dévié. À ce moment-là, je me suis dit : c’est bizarre — @OpenGateway, il ne traite pas vraiment les mots que j’ai tapés, mais plutôt la “charpente” logique derrière les mots.
Par la suite, j’ai fini par comprendre. Aujourd’hui, on voit beaucoup d’IA qui se contentent de “faire monter les paramètres” et d’“accélérer la vitesse”, mais tout ça reste trop en surface. Le vrai enjeu, c’est la procédure avant même que la question n’entre dans le modèle : comment filtrer ce genre de “patron qui m’enfourne des raisins” comme parasite, comment saisir la demande réelle derrière “la balance est cassée”. Le sentiment que j’ai avec OPG, ce n’est pas celui d’un simple outil de discussion : c’est plutôt comme s’il mettait de l’ordre dans le processus de calcul. Il ne cherche pas à polir la réponse pour qu’elle soit plus brillante ; il t’aide d’abord à remettre la question d’aplomb.
Quand l’IA deviendra une infrastructure de base — comme l’eau, l’électricité et le gaz — alors l’ensemble du flux “entrée, calcul, vérification, distribution de l’argent” devra sans doute être repensé de fond en comble. Redéfinir la question est bien plus difficile que d’optimiser la réponse, mais c’est aussi beaucoup plus intéressant. Quant à savoir si OPG pourra vraiment sortir un résultat… là, je ne suis pas sûr non plus, car même la réponse à la question “comment poser la question” n’est pas encore standard. @OpenGradient #OPG $BTC $OPG
Ces temps-ci, je me démène avec OpenGradient et je réfléchis beaucoup à ce sujet. Je l’ai repéré pour la première fois parce qu’à une occasion, j’ai posé la même question encore et encore : je l’ai reformulée de trois façons différentes, j’ai ajouté une tonne de descriptions sans rapport… et pourtant la réponse de l’IA n’a pas dévié. À ce moment-là, je me suis dit : c’est bizarre — @OpenGateway, il ne traite pas vraiment les mots que j’ai tapés, mais plutôt la “charpente” logique derrière les mots.
Par la suite, j’ai fini par comprendre. Aujourd’hui, on voit beaucoup d’IA qui se contentent de “faire monter les paramètres” et d’“accélérer la vitesse”, mais tout ça reste trop en surface. Le vrai enjeu, c’est la procédure avant même que la question n’entre dans le modèle : comment filtrer ce genre de “patron qui m’enfourne des raisins” comme parasite, comment saisir la demande réelle derrière “la balance est cassée”. Le sentiment que j’ai avec OPG, ce n’est pas celui d’un simple outil de discussion : c’est plutôt comme s’il mettait de l’ordre dans le processus de calcul. Il ne cherche pas à polir la réponse pour qu’elle soit plus brillante ; il t’aide d’abord à remettre la question d’aplomb.
Quand l’IA deviendra une infrastructure de base — comme l’eau, l’électricité et le gaz — alors l’ensemble du flux “entrée, calcul, vérification, distribution de l’argent” devra sans doute être repensé de fond en comble. Redéfinir la question est bien plus difficile que d’optimiser la réponse, mais c’est aussi beaucoup plus intéressant. Quant à savoir si OPG pourra vraiment sortir un résultat… là, je ne suis pas sûr non plus, car même la réponse à la question “comment poser la question” n’est pas encore standard. @OpenGradient #OPG $BTC $OPG