Glossaire

Interface de programmation d'applications (API) :

Une API, ou interface de programmation d'applications, est un ensemble de règles et de protocoles qui permet à différents logiciels de communiquer et d'échanger des informations entre eux. Elle agit comme une sorte d'intermédiaire, permettant à différents programmes d'interagir et de travailler ensemble, même s'ils n'utilisent pas les mêmes langages de programmation ou les mêmes technologies. Les API permettent à différents logiciels de communiquer entre eux et de partager des données, ce qui contribue à créer une expérience utilisateur plus interconnectée et plus transparente.

Intelligence artificielle (IA) :

l'intelligence dont font preuve les machines dans l'exécution de tâches qui requièrent généralement l'intelligence humaine, telles que l'apprentissage, la résolution de problèmes, la prise de décision et la compréhension du langage. L'IA est obtenue par le développement d'algorithmes et de systèmes capables de traiter, d'analyser et de comprendre de grandes quantités de données et de prendre des décisions sur la base de ces données.

Compute Unified Device Architecture (CUDA) :

CUDA est un moyen pour les ordinateurs de travailler sur des problèmes vraiment difficiles et importants en les divisant en petits morceaux et en les résolvant tous en même temps. Il permet à l'ordinateur de travailler plus vite et mieux en utilisant des pièces spéciales à l'intérieur de l'ordinateur appelées GPU. C'est un peu comme lorsque plusieurs amis vous aident à faire un puzzle : cela va beaucoup plus vite que si vous essayez de le faire tout seul.

Le terme "CUDA" est une marque déposée de NVIDIA Corporation, qui a développé et popularisé cette technologie.

Traitement des données :

Le processus de préparation des données brutes en vue de leur utilisation dans un modèle d'apprentissage automatique, y compris des tâches telles que le nettoyage, la transformation et la normalisation des données.

Apprentissage profond (DL) :

Un sous-domaine de l'apprentissage automatique qui utilise des réseaux neuronaux profonds avec de nombreuses couches pour apprendre des modèles complexes à partir de données.

Intégration :

Lorsque nous voulons qu'un ordinateur comprenne un langage, nous devons représenter les mots sous forme de nombres, car les ordinateurs ne peuvent comprendre que les nombres. L'intégration est un moyen d'y parvenir. Voici comment cela fonctionne : nous prenons un mot, comme "chat", et nous le convertissons en une représentation numérique qui capture sa signification. Pour ce faire, nous utilisons un algorithme spécial qui examine le mot dans le contexte des autres mots qui l'entourent. Le nombre obtenu représente le sens du mot et peut être utilisé par l'ordinateur pour comprendre le sens du mot et sa relation avec d'autres mots. Par exemple, le mot "chaton" peut avoir un encastrement similaire à celui de "chat" parce qu'ils ont un sens apparenté. De même, le mot "chien" peut avoir un encastrement différent de celui du mot "chat" parce qu'ils ont des significations différentes. Cela permet à l'ordinateur de comprendre les relations entre les mots et de donner un sens au langage.

Ingénierie de fonctionnalité :

Le processus de sélection et de création de nouvelles caractéristiques à partir des données brutes qui peuvent être utilisées pour améliorer les performances d'un modèle d'apprentissage automatique.

Freemium :

Le terme "Freemium" est souvent utilisé sur ce site. Cela signifie simplement que l'outil spécifique que vous recherchez possède des options gratuites et payantes. En règle générale, l'utilisation de l'outil est très limitée, mais illimitée, dans le cadre de l'option gratuite, tandis que l'accès et les fonctionnalités sont plus nombreux dans le cadre de l'option payante.

Réseau adversarial génératif (GAN) :

Un type de programme informatique qui crée de nouvelles choses, telles que des images ou de la musique, en entraînant deux réseaux neuronaux l'un contre l'autre. L'un des réseaux, appelé générateur, crée de nouvelles données, tandis que l'autre réseau, appelé discriminateur, vérifie l'authenticité des données. Le générateur apprend à améliorer sa production de données grâce au retour d'information du discriminateur, qui devient plus apte à identifier les fausses données. Ce processus de va-et-vient se poursuit jusqu'à ce que le générateur soit capable de créer des données qu'il est presque impossible au discriminateur de distinguer des données réelles. Les GAN peuvent être utilisés pour diverses applications, notamment pour créer des images, des vidéos et de la musique réalistes, pour supprimer le bruit des images et des vidéos et pour créer de nouveaux styles d'art.

L'art génératif :

L'art génératif est une forme d'art créée à l'aide d'un programme informatique ou d'un algorithme pour générer des résultats visuels ou sonores. Il implique souvent l'utilisation du hasard ou de règles mathématiques pour créer des résultats uniques, imprévisibles et parfois chaotiques.

Transformateur génératif pré-entraîné (GPT) :

GPT signifie Generative Pretrained Transformer (transformateur génératif préformé). Il s'agit d'un type de grand modèle linguistique développé par l'OpenAI.

Salle de test du modèle linguistique géant (GLTR) :

GLTR est un outil qui permet de déterminer si un texte a été écrit par un ordinateur ou par une personne. Pour ce faire, il examine la manière dont chaque mot du texte est utilisé et la probabilité qu'un ordinateur ait choisi ce mot. GLTR est comme un assistant qui vous donne des indices en colorant différentes parties de la phrase. Le vert signifie qu'il est très probable que le mot ait été écrit par une personne, le jaune qu'il n'est pas sûr, le rouge qu'il est plus probable qu'il ait été écrit par un ordinateur et le violet qu'il est très probable qu'il ait été écrit par un ordinateur.

GitHub :

GitHub est une plateforme permettant d'héberger et de collaborer à des projets logiciels.

Google Colab :

Google Colab est une plateforme en ligne qui permet aux utilisateurs de partager et d'exécuter des scripts Python dans le nuage.

Unité de traitement graphique (GPU) :

Un GPU, ou processeur graphique, est un type particulier de puce informatique conçue pour effectuer les calculs complexes nécessaires à l'affichage d'images et de vidéos sur un ordinateur ou un autre appareil. C'est en quelque sorte le cerveau du système graphique de votre ordinateur, et il est très doué pour effectuer de nombreux calculs très rapidement. Les GPU sont utilisés dans de nombreux types d'appareils, notamment les ordinateurs, les téléphones et les consoles de jeu. Ils sont particulièrement utiles pour les tâches qui nécessitent une grande puissance de traitement, comme les jeux vidéo, le rendu de graphiques 3D ou l'exécution d'algorithmes d'apprentissage automatique.

Langchain :

LangChain est une bibliothèque qui aide les utilisateurs à connecter des modèles d'intelligence artificielle à des sources d'information externes. L'outil permet aux utilisateurs d'enchaîner des commandes ou des requêtes provenant de différentes sources, ce qui permet de créer des agents ou des chatbots capables d'effectuer des actions pour le compte d'un utilisateur. Il vise à simplifier le processus de connexion des modèles d'intelligence artificielle à des sources d'information externes, permettant ainsi des applications plus complexes et plus puissantes de l'intelligence artificielle.

Grand modèle linguistique (LLM) :

Type de modèle d'apprentissage automatique formé sur un très grand nombre de données textuelles et capable de générer des textes à consonance naturelle.

Apprentissage automatique (ML) :

Méthode permettant aux ordinateurs d'apprendre à partir de données, sans être explicitement programmés.

Traitement du langage naturel (NLP) :

Un sous-domaine de l'IA qui se concentre sur l'apprentissage des machines à comprendre, traiter et générer le langage humain.

Réseaux neuronaux :

Un type d'algorithme d'apprentissage automatique modelé sur la structure et la fonction du cerveau.

Champs de rayonnement neuronal (NeRF) :

Les Neural Radiance Fields sont un type de modèle d'apprentissage profond qui peut être utilisé pour diverses tâches, notamment la génération d'images, la détection d'objets et la segmentation. Les NeRF s'inspirent de l'idée d'utiliser un réseau neuronal pour modéliser la radiance d'une image, qui est une mesure de la quantité de lumière émise ou réfléchie par un objet.

OpenAI :

OpenAI est un institut de recherche qui se consacre au développement et à la promotion de technologies d'intelligence artificielle sûres, transparentes et bénéfiques pour la société.

Surajustement :

Un problème courant dans l'apprentissage automatique, dans lequel le modèle donne de bons résultats sur les données d'apprentissage, mais de mauvais résultats sur de nouvelles données inédites. Ce problème survient lorsque le modèle est trop complexe et qu'il a appris trop de détails à partir des données d'apprentissage, de sorte qu'il ne se généralise pas bien.

Prompt :

Une invite est un texte utilisé pour amorcer un grand modèle de langage et guider sa génération.

Python :

Python est un langage de programmation de haut niveau populaire, connu pour sa simplicité, sa lisibilité et sa flexibilité (de nombreux outils d'intelligence artificielle l'utilisent).

Apprentissage par renforcement :

Un type d'apprentissage automatique dans lequel le modèle apprend par essais et erreurs, en recevant des récompenses ou des punitions pour ses actions et en ajustant son comportement en conséquence.

Informatique spatiale :

L'informatique spatiale est l'utilisation de la technologie pour ajouter des informations et des expériences numériques au monde physique. Il peut s'agir d'éléments tels que la réalité augmentée, où des informations numériques sont ajoutées à ce que vous voyez dans le monde réel, ou la réalité virtuelle, où vous pouvez vous immerger complètement dans un environnement numérique. Elle a de nombreuses utilisations différentes, notamment dans l'éducation, le divertissement et la conception, et peut changer la façon dont nous interagissons avec le monde et les autres.

Diffusion stable :

Stable Diffusion génère des images artistiques complexes à partir de textes. Il s'agit d'un modèle d'IA de synthèse d'images open source accessible à tous. Stable Diffusion peut être installé localement à l'aide d'un code trouvé sur GitHub. Il existe également plusieurs interfaces utilisateur en ligne qui exploitent également les modèles de Stable Diffusion.

Apprentissage supervisé :

Un type d'apprentissage automatique dans lequel les données d'apprentissage sont étiquetées et le modèle est formé pour faire des prédictions basées sur les relations entre les données d'entrée et les étiquettes correspondantes.

Cohérence temporelle :

La cohérence temporelle fait référence à la cohérence et à la continuité des informations ou des modèles dans le temps. Ce concept est particulièrement important dans des domaines tels que la vision artificielle, le traitement du langage naturel et l'analyse de séries temporelles, où les modèles d'intelligence artificielle doivent traiter et comprendre des données qui évoluent dans le temps.

La cohérence temporelle peut être envisagée sous différents angles, en fonction de l'application spécifique :

1. Dans le domaine de la vision artificielle, la cohérence temporelle peut faire référence à la fluidité et à la cohérence du contenu visuel dans les vidéos, où les objets et les scènes doivent conserver leurs propriétés et leurs relations d'une image à l'autre.
2. Dans le traitement du langage naturel, il peut s'agir de la cohérence et du flux d'informations dans un texte ou une conversation, afin que le modèle d'IA génère des réponses ou des résumés qui suivent logiquement des déclarations ou des événements antérieurs.
3. Dans l'analyse des séries temporelles, la cohérence temporelle pourrait être liée à la constance des modèles et des tendances dans les données, de sorte que le modèle d'IA puisse prédire les valeurs futures sur la base des observations passées.

Apprentissage non supervisé :

Un type d'apprentissage automatique dans lequel les données d'apprentissage ne sont pas étiquetées, et le modèle est formé pour trouver des modèles et des relations dans les données de manière autonome.

Webhook :

Un webhook est un moyen pour un programme informatique d'envoyer un message ou des données à un autre programme via l'internet en temps réel. Il fonctionne en envoyant le message ou les données à une URL spécifique, qui appartient à l'autre programme. Les webhooks sont souvent utilisés pour automatiser des processus et faciliter la communication et la collaboration entre différents programmes. Ils constituent un outil utile pour les développeurs qui souhaitent créer des applications personnalisées ou des intégrations entre différents systèmes logiciels.