Comment a commencé cette initiative? D'où viennent les données et l'inspiration pour les oeuvres? Qu'est-ce que Pearai.art?
Lire plus iciNotes de l'artiste: une introduction
Frontières algorithmiques a pour commissaire Valentine Goddard. Avocate, artiste et commissaire inter-arts, elle est membre du Conseil consultatif sur l'IA du Canada et experte des Nations unies en matière de politique et de gouvernance de l'IA. Elle est la fondatrice et la directrice générale d'AI Impact Alliance (2017).
Elle conçoit et dirige des programmes transdisciplinaires qui font le lien entre l'engagement citoyen et la mobilisation des connaissances, d'une part, et l'innovation politique et réglementaire, d'autre part. Les programmes Art Impact AI ont conduit à l'adoption de politiques internationales qui soulignent le rôle des arts et de la société civile dans l'IA et la gouvernance numérique (2020). Elle participe à l'analyse des lois émergentes sur l'IA et les données et est régulièrement invitée à se prononcer sur l'impact de l'IA générative. Elle a créé et copréside le groupe d'expertes internationales sur "Égalité des genres et l'environnement dans les économies numériques", dont dont les recommandations politiques portent sur des questions cruciales pour l'agenda Femmes, Paix et Sécurité. Valentine Goddard a également coordonné et mis en œuvre des projets intersectoriels mondiaux avec des membres d'équipe issus de disciplines et de cultures différentes.
En 2023, elle a reçu le prix pour médias créatifs Mozilla pour ce projet, initialement intitulé "Algorithmic (or not) Art to Counter Gender, Cultural and Racial Bias in AI" (Art algorithmique (ou non) pour contrer les biais de genre, culturels et raciaux dans l'intelligence artificielle).
Selfie, un peu d'IA et de la peinture numérique
Guide complet
Ce document de près de 20 pages vous permet de lire les notes de l'artiste-commissaire, la description des 12 oeuvres et les questions (politiques publiques et recherche) qui y sont associées de même que du contenu additionnel et les remerciements.
Télécharger le documentLexique d'intelligence artificielle
Un système d'intelligence artificielle est un système technologique qui, de manière autonome ou partiellement autonome, traite des données liées à des activités humaines en utilisant un algorithme génétique, un réseau neuronal, l'apprentissage automatique ou une autre technique afin de générer du contenu ou de prendre des décisions, des recommandations ou des prédictions. *Cette définition peut-être appelée à changer.
IA générative : modèles d'IA capables de générer des textes, des images et d'autres contenus de haute qualité sur la base des données sur lesquelles ils ont été formés.
Traitement du langage naturel (NLP) : Un domaine interdisciplinaire qui combine l'informatique et la linguistique pour permettre aux ordinateurs de comprendre, de générer et de manipuler le langage humain.
Génération d'image à image et d'image à vidéo : La génération d'image à image est une technique d'IA générative qui transforme une image en une autre tout en conservant les caractéristiques essentielles. La génération d'image à vidéo consiste à créer une vidéo à partir d'une seule image et d'un indice de mouvement aléatoire ou grossier.
Modèles multimodaux : L'IA est utilisée pour comprendre et générer du contenu à partir de plusieurs types de données ou "modalités" telles que le texte, les images, l'audio et autres, afin de fournir des résultats complets et précis.
Recherche d'informations (RI) : Recherche d'informations dans des documents, des bases de données et d'autres collections, à l'aide de requêtes qui peuvent être basées sur l'indexation du texte intégral ou du contenu.
Grand modèle de langage (LLM) : Un modèle de langage qui se distingue par sa capacité à générer du langage à des fins générales et à effectuer diverses tâches de traitement du langage naturel (NLP). Il acquiert des capacités en apprenant des relations statistiques à partir de documents textuels formant de vastes ensembles de données.
Modèle de base : Alors que les LLM sont plus centrés sur le langage, les modèles de base visent à fournir une plateforme polyvalente pour diverses applications d'IA au-delà du simple traitement du langage. Les modèles de base sont des systèmes d'IA adaptables dotés de capacités étendues qui peuvent être adaptées à divers objectifs spécifiques et servir de base au développement d'applications plus spécialisées.
Prompt : Se réfère aux entrées ou aux requêtes fournies par un utilisateur ou un programme à un modèle de langage (LLM) d'IA pour obtenir une réponse spécifique de la part du modèle.
Retrieval Augmented Generation (RAG) : Technique qui améliore la précision et la fiabilité des modèles génératifs d'IA en récupérant des informations pertinentes dans des bases de connaissances externes avant de générer une réponse. Le Chatbot Frontières algorithmiques utilise un RAG, en s'inspirant de la littérature à laquelle il est fait référence tout au long de ce site web.
Mise au point : Technique de formation dans laquelle un modèle pré-entraîné (par exemple, GPT) est ré-entraîné sur un ensemble de données spécifique lié à la tâche à accomplir, ce qui permet au modèle d'adapter son comportement ou ses connaissances spécifiques au domaine à des nuances, des tonalités ou des terminologies particulières.
IA générative : modèles d'IA capables de générer des textes, des images et d'autres contenus de haute qualité sur la base des données sur lesquelles ils ont été formés.
Traitement du langage naturel (NLP) : Un domaine interdisciplinaire qui combine l'informatique et la linguistique pour permettre aux ordinateurs de comprendre, de générer et de manipuler le langage humain.
Génération d'image à image et d'image à vidéo : La génération d'image à image est une technique d'IA générative qui transforme une image en une autre tout en conservant les caractéristiques essentielles. La génération d'image à vidéo consiste à créer une vidéo à partir d'une seule image et d'un indice de mouvement aléatoire ou grossier.
Modèles multimodaux : L'IA est utilisée pour comprendre et générer du contenu à partir de plusieurs types de données ou "modalités" telles que le texte, les images, l'audio et autres, afin de fournir des résultats complets et précis.
Recherche d'informations (RI) : Recherche d'informations dans des documents, des bases de données et d'autres collections, à l'aide de requêtes qui peuvent être basées sur l'indexation du texte intégral ou du contenu.
Grand modèle de langage (LLM) : Un modèle de langage qui se distingue par sa capacité à générer du langage à des fins générales et à effectuer diverses tâches de traitement du langage naturel (NLP). Il acquiert des capacités en apprenant des relations statistiques à partir de documents textuels formant de vastes ensembles de données.
Modèle de base : Alors que les LLM sont plus centrés sur le langage, les modèles de base visent à fournir une plateforme polyvalente pour diverses applications d'IA au-delà du simple traitement du langage. Les modèles de base sont des systèmes d'IA adaptables dotés de capacités étendues qui peuvent être adaptées à divers objectifs spécifiques et servir de base au développement d'applications plus spécialisées.
Prompt : Se réfère aux entrées ou aux requêtes fournies par un utilisateur ou un programme à un modèle de langage (LLM) d'IA pour obtenir une réponse spécifique de la part du modèle.
Retrieval Augmented Generation (RAG) : Technique qui améliore la précision et la fiabilité des modèles génératifs d'IA en récupérant des informations pertinentes dans des bases de connaissances externes avant de générer une réponse. Le Chatbot Frontières algorithmiques utilise un RAG, en s'inspirant de la littérature à laquelle il est fait référence tout au long de ce site web.
Mise au point : Technique de formation dans laquelle un modèle pré-entraîné (par exemple, GPT) est ré-entraîné sur un ensemble de données spécifique lié à la tâche à accomplir, ce qui permet au modèle d'adapter son comportement ou ses connaissances spécifiques au domaine à des nuances, des tonalités ou des terminologies particulières.
