LLMs, LLMs Everywhere : explorez leurs applications !

L'avènement de modèles linguistiques extrêmement volumineux, tels que ChatGPT (avec 20 milliards de paramètres) et GPT-3 (avec 175 milliards de paramètres), a révolutionné le domaine du traitement du langage naturel. Ces modèles sont entraînés sur de grandes quantités de données et présentent des performances remarquables en matière de compréhension et de génération de texte. Grâce à leur capacité à synthétiser des informations de haute qualité et à engager des conversations cohérentes, grands modèles de langage tels que ChatGPT sont de plus en plus déployés pour résoudre un large éventail de cas d'utilisation auparavant insolubles.

L'un des principaux atouts de ChatGPT est sa capacité à fournir un contenu raffiné basé sur les commentaires et le contexte grâce à un dialogue aller-retour avec les utilisateurs. Par exemple, voici une conversation avec ChatGPT où nous parlons de notre sujet favori, les MLOps :

Avec les bonnes instructions, les utilisateurs peuvent faire en sorte que ChatGPT produise des résultats très précis et pertinents. Les entreprises ont reconnu l'immense valeur que ces modèles peuvent apporter à leurs produits et ont commencé à intégrer des API de modèles de langage de grande taille dans leurs offres. Dans cet article, nous explorons certaines des applications les plus intéressantes de ces modèles.

Jetons un coup d'œil à certains d'entre eux :

Assistants IA

De grands modèles linguistiques sont déployés en tant qu'assistants dans divers contextes. Par exemple, Copilote GitHub utilise OpenAI Codex formé à partir de grands ensembles de données de code pour faire des suggestions intelligentes aux utilisateurs lorsqu'ils écrivent du code en fonction d'instructions en langage naturel. Ce type de collaboration agent-humain peut améliorer considérablement la productivité et la précision de diverses tâches, en permettant aux humains de se concentrer sur les problèmes de plus haut niveau tandis que l'IA s'occupe des aspects les plus courants.

Notion a récemment publié Notion AI, un assistant d'IA qui peut parcourir votre contenu et générer des actions à partir de notes de réunion et de résumés de texte plus volumineux tout en faisant ressortir ce qui est important. L'assistant peut également améliorer la qualité de votre écriture en un seul clic sur le bouton « Améliorer la rédaction » ou sur le bouton « Utiliser un langage plus simple ». La mise en œuvre de ces fonctionnalités à l'aide d'API telles que ChatGPT est désormais aussi simple que de commencer votre invite par « Rendre le texte suivant plus convivial ».

Divertissement

Spotify a lancé un produit appelé Spotify DJ qui fournit des commentaires oraux sur la musique, les genres et les préférences des utilisateurs entre les chansons, offrant ainsi une expérience hautement personnalisée. Cela est rendu possible par les API OpenAI qui transforment l'expertise et la compréhension de Spotify de l'utilisateur et de la musique en commentaires cohérents.

Nous pouvons supposer que Spotify a peut-être incité le LLM à fournir des données sur l'historique d'écoute de l'utilisateur en termes de genres et d'artistes, à les annoter en fonction de leur propre expertise en matière de musique, et à demander au modèle de générer un commentaire pour l'utilisateur qui soit garanti d'être unique à chaque fois. Leur plateforme de synthèse vocale convertit ce texte en une voix IA dynamique.

Snapchat a également intégré ChatGPT à son produit en introduisant un compagnon IA pour les utilisateurs payants. Snapchat qualifie le compagnon IA d' « acolyte amusant et expérimental » et recommande aux utilisateurs de l'utiliser pour « discuter de leur journée ou écrire un haïku à propos de leur meilleure amie ». Le compagnon IA est peut-être l'un des premiers d'une tendance selon laquelle les humains parleront à l'IA comme ils le feraient à leurs amis ou à leur famille.

Service à la clientèle

Diverses entreprises développent des solutions de service client en s'appuyant sur GPT-3, ChatGPT et des LLM similaires. Des entreprises comme Ada Support Inc et Nice Ltd fournissent des robots de discussion basés sur ces technologies qui peuvent être personnalisés en leur fournissant des informations spécifiques à l'entreprise et des données clients anonymisées. Étant donné que ces modèles linguistiques sont sujets à des « hallucinations » lorsqu'ils inventent des faits ou des concepts, ces solutions doivent être déployées avec le personnel d'assistance qui peut examiner les discussions et intervenir si nécessaire.

Soins de santé

Le secteur de la santé dispose d'une grande quantité de données en texte libre qui peuvent être utilisées pour former des modèles linguistiques, et il existe plusieurs cas d'utilisation potentiels pour les LLM dans ce domaine. La création de lettres de sortie, qui résument le séjour d'un patient à l'hôpital sur la base de son dossier médical, en est un exemple.

Le laboratoire d'informatique et d'intelligence artificielle (CSAIL) du MIT a utilisé des LLM pour développer le jargon et les acronymes médicaux et extraire des schémas thérapeutiques à partir de notes cliniques. En savoir plus à ce sujet ici.

Le modèle GatorTron, créé par des chercheurs à partir de zéro, est un vaste modèle de langage clinique capable de répondre à des questions médicales en langage naturel. Le modèle est accessible au public via le framework BioNemo de NVIDIA, qui aide les scientifiques à mieux comprendre les maladies et à trouver des traitements pour les patients.

‍

Marketing et ventes

Les modèles linguistiques prennent de plus en plus d'importance dans les domaines du marketing et des ventes. Les LLM peuvent être appliqués pour personnaliser le contenu, optimiser les mots clés et les campagnes de référencement, et générer du matériel marketing.

DocuSign utilise de grands modèles linguistiques pour mieux comprendre le comportement des clients grâce au traitement du langage naturel basé sur l'IA. L'assistant IA de Salesforce, Einstein Voice Assistants (EVA), utilise les LLM pour interpréter les questions des clients et fournir des réponses appropriées, permettant ainsi aux représentants commerciaux de se concentrer sur des tâches plus complexes.

Des outils SaaS tels que Jasper.ai, un assistant de rédaction basé sur l'IA basé sur GPT-3, peuvent générer du contenu riche en mots clés pour les équipes marketing, optimisé pour le classement SEO.

True Foundry est un PaaS de déploiement de machine learning sur Kubernetes destiné à accélérer les flux de travail des développeurs tout en leur offrant une flexibilité totale dans les tests et le déploiement de modèles, tout en garantissant une sécurité et un contrôle complets à l'équipe Infra. Grâce à notre plateforme, nous permettons aux équipes de machine learning de déployer et surveiller des modèles en 15 minutes avec une fiabilité à 100 %, une évolutivité et la possibilité de revenir en arrière en quelques secondes, ce qui leur permet de réduire les coûts et de mettre les modèles en production plus rapidement, ce qui permet de réaliser une véritable valeur commerciale.