Par exemple, j'ai joué avec un système expérimental que j'ai construit moi-même en utilisant GPT-3 et conçu pour m'aider à écrire un livre de science-fiction, ce que je voulais faire depuis que je suis adolescent. J'ai des cahiers remplis de synopsis que j'ai créés pour des livres théoriques, décrivant le sujet des livres et les univers dans lesquels ils se déroulent. Avec cet outil expérimental, j’ai réussi à sortir du blocage. Quand je j'ai écrit un livre à l'ancienne, si je produisais 2 000 mots par jour, je me sentirais vraiment bien dans ma peau. Avec cet outil, j'ai eu des jours où je pouvais écrire 6 000 mots par jour, ce qui pour moi me semble beaucoup. Cela ressemble à un processus qualitativement plus énergisant que ce que je faisais auparavant.
C'est le rêve du « copilote pour tout » : que vous ayez un copilote qui pourrait s'asseoir à vos côtés pendant que vous effectuez tout type de travail cognitif, vous aidant non seulement à en faire plus, mais également à améliorer votre créativité de manière nouvelle et passionnante. .
Cette augmentation de productivité est clairement un atout pour votre satisfaction. Pourquoi ces outils apportent-ils plus de joie au travail ?
Nous utilisons tous des outils pour faire notre travail. Certains d'entre nous aiment vraiment acquérir les outils, les maîtriser et trouver comment les déployer de manière extrêmement efficace pour faire ce que nous essayons de faire. Je pense que cela fait partie de ce qui se passe ici. Dans de nombreux cas, les gens disposent désormais d’outils nouveaux, intéressants et fondamentalement plus efficaces qu’auparavant. Nous avons fait un étude qui ont révélé que l'utilisation d'outils sans code ou à faible code entraînait un impact positif de plus de 80 % sur la satisfaction au travail, la charge de travail globale et le moral des utilisateurs. Surtout pour les outils qui en sont à leurs premiers stades, c’est tout simplement un énorme avantage à voir.
Pour certains travailleurs, cela améliore littéralement le flux de base dans lequel vous vous engagez lorsque vous effectuez le travail ; cela vous accélère. C'est comme avoir une meilleure paire de chaussures de course pour aller courir une course ou un marathon. C'est exactement ce que nous constatons avec les expériences des développeurs avec Copilot ; ils rapportent que Copilot les aide à rester dans le flux et à garder l'esprit plus vif pendant ce qui était autrefois des tâches ennuyeuses et répétitives. Et lorsque les outils d’IA peuvent aider à éliminer la pénibilité d’un travail, quelque chose de très répétitif ou ennuyeux ou qui les empêchait d’accéder à ce qu’ils aiment vraiment, cela améliore sans surprise la satisfaction.
Personnellement, ces outils me permettent d'être en état de flux plus longtemps qu'auparavant. L’ennemi du flux créatif est la distraction et le blocage. J'arrive à un point où je ne sais pas vraiment comment résoudre le problème suivant, ou le problème suivant est du genre : « Je dois aller chercher ce problème. Je dois changer de contexte par rapport à ce que je faisais pour résoudre le sous-problème. Ces outils résolvent de plus en plus le sous-problème pour moi afin que je reste dans le flux.
Outre GitHub Copilot et DALL∙E 2, l’IA apparaît dans les produits et services Microsoft d’autres manières. Comment l’IA de nouvelle génération améliore-t-elle les produits actuels tels que Teams et Word ?
C’est la grande histoire méconnue de l’IA. À ce jour, la plupart des avantages de l’IA sont répartis sur 1 000 éléments différents pour lesquels vous n’appréciez peut-être même pas pleinement à quel point l’expérience produit que vous obtenez provient d’un système d’apprentissage automatique.
Par exemple, nous sommes assis ici dans ce Équipes appelez en vidéo et, dans le système, il y a tous ces paramètres qui ont été appris par un algorithme d'apprentissage automatique. Il existe des tampons de gigue pour le système audio afin de fluidifier la communication. Le flou derrière vous sur votre écran est un algorithme d’apprentissage automatique à l’œuvre. Il existe plus d'une douzaine de systèmes d'apprentissage automatique qui rendent cette expérience plus agréable pour nous deux. Et c’est certainement vrai chez Microsoft.
Nous sommes passés de l'apprentissage automatique dans quelques endroits à littéralement 1 000 éléments d'apprentissage automatique répartis sur différents produits, depuis le fonctionnement de votre client de messagerie Outlook, votre texte prédictif dans Word, votre expérience de recherche Bing, jusqu'à l'apparence de votre flux dans Xbox. Jeux en nuage et LinkedIn. Il y a de l'IA partout qui améliore ces produits.
L'une des grandes choses qui a changé au cours des deux dernières années est que vous aviez un modèle spécialisé dans chacune de ces tâches que nous effectuons dans tous nos produits. Vous disposez désormais d’un modèle unique qui est utilisé dans de nombreux endroits car il est largement utile. Pouvoir investir dans ces modèles qui deviennent plus puissants avec l'échelle, puis faire en sorte que tous les éléments construits sur le modèle bénéficient simultanément des améliorations que vous apportez, est formidable.
La recherche et le développement de Microsoft en matière d'IA se poursuivent grâce à des initiatives telles que AI4Science et L'IA pour le bien. Qu’est-ce qui vous passionne le plus dans ce domaine de l’IA ?
Les problèmes les plus difficiles auxquels nous sommes confrontés en tant que société à l’heure actuelle concernent les sciences. Comment tu guérir ces maladies incurables et compliquées ? Comment tu préparez-vous à la prochaine pandémie? Comment fournissez-vous des soins de santé abordables et de haute qualité pour une population vieillissante? Comment tu aider à éduquer davantage d’enfants à grande échelle dans les compétences dont ils auront besoin à l’avenir ? Comment tu développer des technologies qui inverseront certains des effets négatifs des émissions de carbone dans l’atmosphère ? Nous étudions comment appliquer certains de ces développements passionnants de l’IA à ces problèmes.
Les modèles de ces applications scientifiques fondamentales ont les mêmes propriétés de mise à l'échelle que les grands modèles de langage. Vous construisez un modèle, vous le mettez dans un mode auto-supervisé dans lequel il apprend d'une simulation ou de sa propre capacité à observer un domaine particulier, puis le modèle que vous en retirez vous permet de modifier radicalement les performances de une application, que vous effectuiez une simulation informatique de la dynamique des fluides ou que vous fassiez dynamique moléculaire pour la conception de médicaments.
Il y a là une immense opportunité. Cela signifie de meilleurs médicaments, cela signifie peut-être que nous pouvons trouver le catalyseur nous n'avons pas encore à résoudre notre problème d'émissions de carbone, cela signifie accélérer de manière générale la manière dont les scientifiques et autres personnes ayant de grandes idées peuvent travailler pour tenter de résoudre les plus grands défis de la société.
Comment les avancées technologiques et matérielles informatiques ont-elles contribué aux progrès de l’IA ?
L’élément fondamental qui sous-tend presque tous les progrès récents que nous avons observés dans le domaine de l’IA est l’importance cruciale de l’échelle. Il s’avère que les modèles entraînés sur davantage de données avec plus de puissance de calcul disposent simplement d’un ensemble de capacités beaucoup plus riche et généralisé. Si nous voulons continuer à progresser – et pour être clair, pour le moment, nous ne voyons pas de fin aux avantages d’une plus grande échelle – nous devons optimiser et augmenter notre puissance de calcul autant que possible.
Nous a annoncé notre premier supercalculateur Azure AI il y a deux ans, et lors de notre conférence des développeurs Build cette année, j'ai partagé que nous disposons désormais de plusieurs systèmes de supercalcul qui, nous en sommes presque sûrs, sont les supercalculateurs d'IA les plus grands et les plus puissants au monde aujourd'hui. Nous et OpenAI utilisons cette infrastructure pour former presque tous nos grands modèles de pointe, qu'il s'agisse de notre Turing, Code Z et Florence modèles chez Microsoft ou les modèles GPT, DALL∙E et Codex chez OpenAI. Et nous avons récemment a annoncé une collaboration avec NVIDIA pour construire un supercalculateur alimenté par une infrastructure Azure combinée à des GPU NVIDIA.
Une partie de ces progrès vient d’être réalisée via une échelle de calcul par force brute avec des clusters de GPU de plus en plus grands. Mais peut-être qu’une avancée encore plus importante réside dans la couche logicielle qui optimise la manière dont les modèles et les données sont distribués sur ces systèmes géants, à la fois pour former les modèles et ensuite pour les proposer aux clients. Si nous voulons présenter ces grands modèles comme des plates-formes avec lesquelles les gens peuvent créer, ils ne peuvent pas être accessibles uniquement au petit nombre d'entreprises technologiques dans le monde disposant de suffisamment de ressources pour construire des superordinateurs géants.
Nous avons donc investi énormément dans des logiciels comme Vitesse profonde pour accroître l'efficacité de la formation, et le Exécution ONNX pour inférence. Ils optimisent le coût et la latence et nous aident généralement à rendre les modèles d’IA plus importants plus accessibles et plus précieux pour les utilisateurs. Je suis très fier des équipes dont nous disposons qui travaillent sur ces technologies, car Microsoft est vraiment à la pointe du secteur ici, et nous mettons tout cela en open source afin que d'autres puissent continuer à s'améliorer.
Ces avancées s’inscrivent toutes dans un contexte d’inquiétude persistante quant à l’impact de l’IA sur l’emploi. Que pensez-vous de la question de l’IA et de l’emploi ?
Nous vivons à une époque d’une complexité extraordinaire et de changements macroéconomiques historiques, et alors que nous nous projetons dans 5 ou 10 ans, même pour parvenir à un équilibre net neutre pour le monde entier, nous aurons besoin de nouvelles formes de productivité pour nous tous pour pouvoir continuer à profiter du progrès. Nous voulons créer ces outils d’IA sous forme de plates-formes que de nombreuses personnes peuvent utiliser pour créer des entreprises et résoudre des problèmes. Nous pensons que ces plateformes démocratisent l’accès à l’IA pour un plus grand nombre de personnes. Avec eux, vous obtiendrez un ensemble plus riche de problèmes résolus et vous aurez un groupe plus diversifié de personnes pouvant participer à la création de technologies.
Avec l’instanciation précédente de l’IA, il fallait une énorme quantité d’expertise juste pour commencer. Maintenant tu peux appeler Services cognitifs Azurevous pouvez appeler le Service Azure OpenAI et construisez des produits complexes à partir de ces éléments sans nécessairement avoir à être si expert en IA que vous devez être capable de former votre propre grand modèle à partir de zéro.
