Détails et précisions dans le billet de blog qui accompagne la vidéo : scienceetonnante.com/2023/01/13/stable-diffusion/ On y parle d'espace latent, d'auto-encodeurs variationnels, de U-Net, des différents samplers, et de l'utilisation pour faire de l'inpainting.
Ces "progrès" extraordinaires me font penser que nous en sommes encore à débattre de façon identique à la "querelle des universaux" du temps de la philosophie médiévale !! En tout cas un grand merci !!!
bonsoir David!si possible pourrais-tu expliquer le prix Nobel 2022 de physique,je pense que ça serais très intéressant et un bon defi a simplifier!...haa et évidemment ton travail est tjrs aussi bien expliquer et tres intéressant,continu ton merveilleux travail!
Bonjour pourriez-vous faire une vidéo sur cette étude scientifique ci dessous ? Titre : Étude de la distribution de la matière noire et des anomalies observées dans notre univers. Résumé: Cette étude a pour but d'examiner la distribution de la matière noire dans notre univers en utilisant des techniques de mesure avancées de la gravité. Les anomalies observées dans la distribution de la matière noire ont été analysées en utilisant des simulations informatiques basées sur les théories de la relativité générale. Les résultats ont montré des corrélations avec l'hypothèse d'univers supplémentaires reliés au nôtre par un pont de Kaluza-Klein. Les implications pour la compréhension de l'univers dans son ensemble sont discutées. Introduction: La matière noire est un composant important de notre univers qui n'a pas encore été directement observé. Cependant, sa présence peut être déduite à partir de ses effets gravitationnels sur les objets célestes observables. Les techniques de mesure de la gravité, telles que la détection de rayons gamma et les observations de la lumière gravitationnelle, peuvent être utilisées pour étudier la distribution de la matière noire dans l'univers. Méthodologie: Nous avons utilisé des techniques de mesure avancées de la gravité pour étudier la distribution de la matière noire dans notre univers. Les anomalies observées dans la distribution de la matière noire ont été analysées en utilisant des simulations informatiques basées sur les théories de la relativité générale. Résultats: Les résultats de cette étude montrent des corrélations avec l'hypothèse d'univers supplémentaires reliés au nôtre par un pont de Kaluza-Klein. Les univers supplémentaires ont une densité de matière et d'énergie différente de celle de notre univers. Cette densité de matière et d'énergie affecte les propriétés de l'espace-temps, ce qui entraîne des différences de vitesse de la lumière entre les deux univers. Discussion: Les implications de ces résultats pour la compréhension de l'univers dans son ensemble sont vastes. Les univers supplémentaires pourraient avoir un impact significatif sur les phénomènes tels que la production de particules subatomiques et la désintégration radioactive. Il pourrait également expliquer certaines observations sur l'expansion de l'univers et la formation des structures cosmiques. Cependant, il est important de noter que ces résultats nécessitent des confirmations supplémentaires et des recherches futures sont nécessaires pour explorer ces idées plus en profondeur. Conclusion: Cette étude a utilisé des techniques de mesure avancées de la gravité pour étudier la distribution de la matière noire dans notre univers. Les anomalies observées dans la distribution de la matière noire ont été analysées en utilisant des simulations informatiques basées sur les théories de la relativité générale. Les résultats ont montré des corrélations avec l'hypothèse d'univers supplémentaires reliés au nôtre par un pont de Kaluza-Klein. Les implications pour la compréhension de l'univers dans son ensemble sont discutées. Il est important de souligner qu'il est nécessaire de poursuivre ces recherches pour confimer ces idées et pour approfondir les implications de ces découvertes.
L'humain est un mammifère, les mammifères sont des animaux, Descartes prenait les animaux pour des machines. Donc nous sommes des machines. Depuis 1870 nous apprenons dès le plus jeune âge, en collectivité. Comment était notre processus d'apprentissage auparavant ?
@@oliviermarron idem, dès le plus jeune âge. Langage, musique, apprentissage oral, pareil. Seules les sciences et la lecture/écriture étaient réservées à quelques uns...
C'est du délire, ces IA sont basé sur pleins de concepts mathématiques compliqués et tu réussis à expliquer tout ça de manière limpide. Toujours un travail excellent!👍
Non non, les concepts mathématiques associés ne sont pas si compliqués que ça. Un réseau de neurones ça demandes des maths très simple, c'est juste le nombre d'opérations à effectuer qui est énorme. La raison pour laquelle ça paraît compliqué c'est que les médias ignorants en maths et en science qualifient tout ce qui vient de ces domaines comme étant incompréhensible au commun des mortels, ce qui est évidemment faux, sinon la vulgarisation serait impossible. David ne fait "que" prendre le temps de poser les choses sur la table en ordre clair et compréhensible, ce que les médias traditionnels n'ont ni le temps ni l'envie de faire.
Je confirme ce que dis Laurent. D'un point de vue mathématique, les réseaux de neurones sont assez élémentaires et font appels à des concepts d'analyse et d'algèbre linéaire vus en licence de maths. On est encore aux balbutiements aujourd'hui mais ça risque d'évoluer assez vite, notamment avec des outils mathématiques plus avancés comme par exemple l'optimisation non convexe et à ce moment là même chatgpt passera pour un joujou.
@@fatalviw40 *_"Dans mon domaine de recherche, de simple modèles linéaire mixtes prédisent souvent aussi bien que des approches de deep learning."_* Peut-être, mais dans des domaines autrement plus complexes il est clair que le "deep learning" surpasse de façon inespérée ce qu'on était capable de modéliser jusque là. L'exemple d'AlphaFold est particulièrement édifiant (et prometteur !). Quand on réalise qu'on n'est qu'aux balbutiement de ces techniques ... c'est enthousiasmant, autant que qq peu terrifiant :P.
@@Nival39 Pas tellement plus qu'apprendre à un bébé qu'un chat, même s'il lui manque une patte ou une oreille c'est toujours un chat. Et pas un scooter. Mais oui, en soi si on arrive vraiment à faire en sorte que des machines apprennent "par elles-même" (même si rien n'apprend "par soi même", des bactéries aux êtres humains c'est soit des millions d'années d'apprentissage "non-supervisé" (= supervisé par l'évolution) , soit de l'apprentissage supervisé par les pairs. Et la capacité à se reproduire sans intervention extérieure) on aura un peu créé une nouvelle forme de vie. Qui nous survivra peut-être (si c'est ce qui est censé faire peur) ! ^^'
Encore une fois tu t'illustres comme le maître dans l'art de la vulgarisation 😀 ! De toutes les chaines de vulgarisation que je regarde, francophones et anglophones confondues, tu détiens la seule qui me fait arrêter tout ce que je fais quand une nouvelle vidéo sort ! Je prends un plaisir fou à regarder (plusieurs fois) chacune de tes vidéos 😀 Merci pour ton travail, j'espère que tu continueras longtemps ainsi !
Je suis bluffé. C'est la meilleure vidéo de vulgarisation que j'ai pu voir sur le sujet. J'utilise stable diffusion et je n'ai jamais poussé ma curiosité sur sa mécanique. Je connaissais l'apprentissage supervisé, mais pas la méthode de diffusion. C'est passionnant. Mais ça explique aussi les limites en termes de possibilités créatives. Les contextes d'image étant infinis, cette technique va demander des années et des années pour tendre vers de la génération universelle
Sur le sujet connexe des ia textuelles, en particulier chat gpt aussi à la mode en ce moment, monsieur Phi a fait récemment une très bonne vidéo (spoiler: ça dit n’importe quoi avec éloquence)
@Josias Lourenço Pauvre fou. Quand je vois ce genre de commentaires, je me dis que ce ne serait pas plus mal de se faire remplacer par des IA tout compte fait.
J'avais suivi un cours d'IA d'Andrew Ng sur Coursera il y a 4 ans (CNN, GAN, RNN, etc. incluant de longues heures à les coder moi-même en Python), du coup jusqu'à il y a un an quand je voyais de nouvelles IA sortir je me disais "ah ouai c'est juste telle méthode, un peu modifiée et entraînée sur plus de données". Mais depuis un an les nouvelles IA me bluffaient complètement. En fait, le principe reste "simple", dans le sens où ce sont toujours des compositions de méthodes déjà connues (plongement, débruitage, etc. il fallait juste "avoir l'idée", en quelques sortes) . Excellente vidéo pour montrer ça !
Encore une fois, David a tué le game avec la meilleure vidéo de vulgarisation sur ce sujet, avec le bon équilibre technique/compréhension (et pourtant, j'en ai regardé un sacré paquet 😅). Un grand respect pour ce talent !
je me demande si la question que l'on peut ce poser, car pour le moment "j'aipété" a une base de données qui limité, car cela n'est pas directement alimenté par l'internet, il est limité au connaissance internet de 2021, il ne connais rien de ce qui existe depuis, il ne sait pas qu'il y a une nouvelle guerre en Ukraine pour consolider leur acquit de deux mille quatorze.. donc es qu'il faut lui donner accès librement vu qu'il est tout à fait capable de ce faire passer pour un humain pour n'importe quel machine
ปีที่แล้ว
@@AsAuvAge openai, a sûrement pas envie qu'il tourne nazi comme celle de Microsoft
super intéressant je recommande à tout le monde d'aller voir la vidéo d'Enissay sur l'intelligence artificielle pour ceux qui ont du mal à comprendre le concept d'IA, en tout cas c genial d'avoir des youtubers comme vous
Exceptionnelle pédagogie, manière d’amener Tout doucement l’auditeur à comprendre des choses extraordinairement complexe. Merci beaucoup pour ce travail de présentation très intelligent
Merci. Remarquablement bien expliqué (j'en avais bien besoin) ! Et ce qui est mind-blowing c'est la quantité d'images qu'il a fallu absorber pour l'entraînement. J'ai également beaucoup apprécié la parenthèse finale sur les aspects juridiques et le droit à l'image.
🤯J'apprends le français avec ces vidéos, ce sont les meilleures, merci de les avoir faites ! Il est plus intéressant d'apprendre une nouvelle langue en parlant de choses intéressantes. Je t'embrasse de la Colombie !🇨🇴
Excellent encore une fois Dans la vidéo on est guidé pas à pas vers la compréhension du sujet final, c'est vraiment très agréable et édifiant Merci beaucoup
C'était super intéressant, j'ai été bluffer sur la partie du débruittage d'image qui permet avec du bruit pur d'obtenir une image inventé, ça semble impossible et pourtant l'idée derrière est intuitive.
Super vidéo ! J'avais commencé à entendre parler de ces IA et à m'y intéresser depuis la semaine dernière. Alors lorsque j'ai reçu la notification, j'ai sauté sur ta vidéo et je ne suis pas déçu du contenu ! C'est toujours passionnant est très bien expliqué ! Bravo, continue !
Merci pour ce super travail! Il y a aussi une question sociale dont on entend peu parler concernant la classification des catégories d'images pour l'entrainement des algorithmes : c'est une tache réalisée par des "data worker", tache essentielle et colossale, sous traitée à des entreprises qui paient quelques centimes de dollar ces travailleurs. Une étude sociologique par Antonio Casilli a été menée sur le sujet, l'article "La délicate question du sous-traitement des données d'entraînement de l'IA" résume bien ce sujet.
Ou alors autre solution moins cher et avec BEAUCOUP plus d'employés : reCapcha Avec ça on se retrouve avec des millions de personnes qui chaque jour classifie des images
Fascinant... Pour la partie juridique/légale effectivement c'est intéressant de suivre l'évolution des législations, peut-être que Sébastien de la chaine Vous avez le droit aurait des pistes ^^
Salut David, merci beaucoup pour tes contenus à la fois avancés et bien expliqués. J'ai découvert ta chaîne il y a peu et je suis devenu tout de suite adicte ! Pour réagir sur ta vidéo, je suis d'accord qu'en effet on va devoir s'armer face à la puissance grandissante des IA et des applications malheureusement peu recommandables pour lesquelles elles sont utilisées. À bientôt !
Bonjour, de la part d'un illustrateur, déjà super vidéo, et un grand merci d'avoir prit le temps a la fin d'évoquer les soucis éthiques et juridiques soulevés par ces nouveaux outils, qui sont malheureusement souvent mis de coté dans les videos explicatives. On espère en effet qu'une legislation appropriée sera développée, particulièrement au niveau de la collecte des données, qui permettra d'éviter les nombreux débordements auxquels nous sommes déjà sujets afin que chacun puisse s'en emparer sereinement 😬
Oui, j'ai attendu jusqu'à la fin pour entendre une note à propos de toutes ces merveilles "inventées de toutes pièces", travaillant sur des "textes libres" ou des bases de données dont on se demande bien d'où elles viennent (Laion ?)... Je crois que Getty a interdit d'utiliser sa base, et les grosses boîtes et les artistes très connus pourront sans doute se protéger, mais la plupart des illustrateurs pro se font déjà piller allègrement. Je suis une petite artiste amateure, personne ne viendra utiliser mes travaux, mais j'ai déjà vu des images qui sont de véritables plagiats d'auteur·es que j'admire. Pour le moment les portraits ont des mains bizarres, et le regard vide (littéralement sans âme, on se demande pourquoi), mais pour combien de temps ?
@@claudemarillier6258 Selon la plate-forme où tu postes tes créations, il faut faire attention d'avoir bien indiqué être contre leur utilisation pour l'entraînement d'une IA. Je sais que c'était le cas pour Deviant Art il y a quelques temps par exemple. Je ne sais pas si ça a changé depuis.
@@claudemarillier6258 Oui je sais qu'a titre personnel mes images sont deja dans la base LAION, comme a peu près tout ceux qui ont posté leurs images sur internet depuis 10 ans. On peut jouer le jeu de l'évitement un temps mais in fine notre sort dépendra des régulations qui seront mises en places au niveau US et UE. En clair: Permetra-t-on aux développeurs/investisseurs de continuer a se passer de tout consentement ou compensation des gens dont ils exploitent les données, dont la qualité des algorithme dépend directement, a des fins de profits? Idéalement nous souhaiterions un système basé sur le domaine public uniquement, avec une option "opt in" pour ceux qui le souhaitent, consentie et compensée.
bien content d'avoir gardé hors-ligne mes travaux durant ces 15 dernières années. Déjà que les créateurs du Web ont souvent bien du mal avec les quelques régles des licences libres.
@@ProsperTipaldi Je comprends les illustrateurs mais j'ai peur que vous ne vous dirigiez vers des propositions très court-termistes. Ce genre de législation créera la pire des situations amha, à savoir les géants des contenus (Disney) qui entraîneront leurs propres modèles sur les contenus et oeuvres dont ils possèdent les droits, en virant si besoin les artistes en trop. Pendant que le quidam moyen n'aura qu'une alternative obsolète (immense majorité des images ont été créées post-smartphones, bref bien trop récemment pour être dans le domaine public). Surtout, ça ne résoudra rien à la précarité des artistes lorsqu'une IA aura su s'auto-entraîner sans dataset (et ça va finir par arriver).
Encore une super vidéo ! L'équilibre entre vulgarisation et explication en détails est nickel. Après un visionnage, j'ai toujours envie de me ruer sur un éditeur et programmer moi-même tout ça.
Excellent, comme d'habitude ! Merci. Un parallèle avec la manière dont les organismes discriminent les objets dans leur environnement pourrait être intéressant.
Merci pour le mot à la fin sur les problèmes de propriété intélectuelle! 😍 Je suis artiste et 20 ans de mon boulot en ligne est dans la base de donnée LAION5B (5 Milliard d'images, celle la plus répandue) sans mon consentement. C'est tellement dommage éthiquement ...
ça fait 10 ans que je te considère comme une tête brulée parce que j'ai choisi la voie inverse qui est de ne jamais mettre en ligne mes travaux originaux. Mon constat de départ il y a 15 ans étant qu'en dehors des cercles libristes, les créateurs sur internet sont rarement capables d'attribuer la paternité d'une source alors que c'est le strict minimum requis par les licences les plus permissives.
@@PainterVierax Je vais accèpter cette médaille de tête brulée. ☺ Oui, c'est vrai pour les attributions. J'ai connu un paquet de déboire. Merci pour ton retour.
Excellente vidéo ! Il aurait été pertinent de parler des considérations énergétiques de l'entraînement de ce genre d'algorithmes... une énergie énorme est utilisée par les processeurs pour entraîner l'algo avec des bases de données gigantesques. Pour chatGPT l'ensemble de wikipedia représente vers 10% du volume total de données
Ton travail est toujours agréable à regarder et instructif ! Merci pour la partie concernant l'éthique et les droits d'auteurs, parce que c'est essentiel pour protéger les artistes. La technologie est bluffante mais la manière de l'implémenter doit respecter aussi les artistes qui vivent de leur passion.
J'adore vos vidéos, là vous traitez d'un sujet que je connais bien en tant qu'ingénieur dans le numérique, et cela ne fait que confirmer tout le bien que je pense de la chaîne. C'est excellent.
Merci pour ces explications très complètes et parlantes. Je reste tout de même ébahis de la capacité de ces algorithmes à reconnaître aussi bien un élément spécifique dans une images. Et quand on voit le rendu réalisé par DALL.E.3, c'est juste époustouflant ! Si on m'avais dit, lors de mes études artistiques, que 30 ans après l'informatique allait être capable de telle prouesse, jamais je ne l'aurais cru. Et j'imagine bien ne pas être le seul.
16:54 La vache, quel orgasme intellectuel ! Quand j'ai entendu "imaginez que je lui donne une image qui soit 100% de bruit", j'ai deviné la suite et j'ai failli tomber de ma chaise ! C'est vraiment une idée de génie, ce truc ! Et à part ça, encore une vidéo passionnante de bout en bout avec vos qualités didactiques proverbiales, merci.
Super vidéo très instructive et claire! Également j'apprécie que tu aie pris le temps de soulever les problèmes éthiques posé par ces technologies dans la vidéo, ce point est trop souvent éludé par les techno-enthousiaste et il est pourtant crucial car aucune technologie n'est neutre
Depuis un moment je cherchai une vidéo un peut profonde sur comment marche ses IA, et que ca soit en francais ou anglais, je n'ai rien trouvé de super jusqu'a maintenant ! Merci beaucoup, cette vidéo sera surement la numéro 1 pour plusieurs années !
Super bien expliqué, excellent, et merci de parler des problèmes éthiques, l'enthousiasme portée par les utilisateurs a malheureusement survolé ces considérations super importantes pour les, heu, vrais artistes.
c'est marrant le passage sur "le chat quelconque" m'a fait penser a un prof de maths au collège qui nous disait que c'est extrêmement difficile de dessiner un vrai "triangle quelconque" tant il y a de triangles répertoriés. Un peu de la même manière, il est quasi impossible de représenter un chat, humain, ou une voiture "quelconque" parce que ça (/il/elle/ tous les pronoms imaginables) rentre forcément dans une (en réalité plusieurs) catégories à tous les coups ! (Tout en étant par définition unique, par exemple tous les triangles rectangles sont littéralement TOUJOURS uniques, au moins du point de vue temporel ... Tout en étant tous des triangles rectangles)
Un autre problème des méthodes de deep learning dont je n’avais pas pris conscience jusqu’à il y a peu est leur coût énergétique. Il y a une course à la puissance de calcul en recherche sur le sujet (voir le gros développement du calcul sous gpu, chez google sous tpu) pour compenser une vision encore très floue de la façon dont marchent ces algorithmes, et l’entrainement d’un algorithme de deep-learning pour une seule publication scientifique peut vite dépasser les 500 aller-retours Paris New-York. Dans le même genre il serait intéressant de savoir le coût d’exploitation mensuelle d’une plateforme comme chatgpt. Quand on voit certaines applications du deep learning, employé presque systématiquement plutôt que d’autres méthodes d’apprentissages plus fine, on peut questionner une telle démarche…
Ça faisait un moment que je ne m'étais pas offert une vidéo de ScienceEtonnante. Comme d'habitude, elle est fantastique, incroyablement pédagogique et passionnante. Bravo David, le roi de la vulgarisation ! 👏
Oh magnifique. J'en suis à 17:34, et je viens de voir que le truc est de faire de la pareidolie à l'algo de génération avec une image bruitée. Excellent.
Le problème c'est que le dataset utilisé pour entrainer Stable Diffusion étaient sensés viser la recherche. Or on voit aujourd'hui des applications lucratives qui utilisent les models entrainés sur ces datas. Merci pour cette vulgarisation.
J'ai demandé à une IA de me faire un template de meme avec des country ball mais elle ne connaissait pas le concept de country ball (probablement parce qu'elle n'a pas été éduqué avec ce genre de contenu). L'IA est aussi incapable de créer quelques chose de nouveau, elle ne peut que copier le contenu à laquelle elle avec laquelle a été éduqué. Les artistes ne sont donc pas encore au chômage.
Accro a Midjourney depuis 5 mois, cette vidéo réponds a toutes les questions que je me posais sur le fonctionnement et certains mystères des "hallucinations" , c'est passionnant merci
Je suis d'accord avec ton usage du terme "halluciner" qui correspond bien à ce qui se passe, et auquel on ne pense pas toujours car ça n'est pas vraiment dans le champ lexical de l'informatique!
Créant moi-même des images 3D en amateur, je suis en contact régulier avec nombre d'artistes, professionnels comme amateurs, et très présent sur des sites consacrés à l'art digital, et de fait, la génération d'images par des AIs est en ce moment un grand sujet de débat. Merci donc pour cette vidéo qui vient à point nommé.
Excellente vidéo! J'aime beaucoup la manière dont tu explique des choses super complexes! Tu l'as peut-être traité dans une autre vidéo, mais je n'arrive pas à comprendre comment fonctionne le fameux "Conditionnement" du modèle. Qu'est-ce qu'on fait pour le conditioner? Est-ce un paramètre supplémentaire en entrée? Merci beaucoup!
Je me mets à l'unisson de la plupart des commentaires pour souligner la qualité du travail. Petit point terminologique cependant : quand on dit « l'algorithme apprend » ou « une IA fait cela », on donne l'impression qu'il y a un agent qui prend des décisions ; or, il n'y a rien de tout cela (un réseau de neurones c'est essentiellement du calcul matriciel et la manière dont les paramètres s'adaptent est codée explicitement). La vidéo de David fait moins cet abus de langage que la plupart des autres cas mais y cède parfois. De manière générale, les mots « algorithmes » et « IA » sont un peu galvaudés. Ah oui et sinon, je pense qu'il est aussi important de se demander s'il est raisonnable d'utiliser autant de moyens et de jus de cerveau pour faire ça.
Comme sur le sujet des IA (quand c'est traité sérieusement) en intro on prends certaines précautions à expliquer la notion "Intelligence", sur ce sujet particulier il faudrait faire de même avec la notion de "Création". C'est pas forcément du ressort des scientifiques ou technophiles, du coups ça passe un peu vite à la trappe. Puisque c'est un sujet intéressants et riche en détails d'expertise, le dialogue qui serait nécessaire pour cerner le sujet aura des difficultés à se faire. Du fait que les deux champs de compétences, par leur divergence ont des chances d'entrer en confrontation stérile. J'ai peut être pas les bases pour expliquer dans les formes, mais pour moi la limite de ces IA génératives est visible dans l'exemple des diagrammes (à 12:08 ). Je suis conscient que cet exemple sert à illustrer les GAN, mais quand bien même on échange/empile avec d'autres algos, la limite est la même (+/- brouillée, mais la même en finalité). L'IA n'invente rien, elle est seulement capable de reproduire (un point du diagramme), de combler un trou, ou peut être une projection de la courbe. C'est limité par le cadre de son apprentissage, et celui-ci est déterminé par les entraineurs. Ou même par le neurone "expert", le jeu de neurones "faussaire/expert" cherche juste à délimiter l'épaisseur du trait. Navré pour l'exemple que j'ai trouvé, mais comme il a été choisi le thème des chats, j'ai mieux pour expliquer simplement. Les entraineurs ont fourni/contrôlé les images de ce qu'ils acceptent déterminer "être une image de chat". Or si je vous montre une photo de chat écrasé bien assez bousillé pour être à peine reconnaissable, outre le dégoût vous pourriez deviner qu'il s'agisse d'un chat. Mais on a pas envie de voir ça, on a peut être pas non plus envie de se l'imaginer, donc peu de chance qu'on pense à l'enseigner à l'IA. Et pourtant, qu'on le veuille ou non cette image peut s'imposer à la vue de n'importe qui n'importe quand (au hasard d'une route). On en est tous conscient, mais l'IA ne le serait pas (à moins qu'on le veuille vraiment). En clair, il n'y a aucun imaginaire dans cet engin. Le système de diffusion, bruit, aléatoire, sert juste à faire illusion. Le résultat paraitra crédible à tous ceux qui voient les artistes, comme la caricature du sketch des inconnus, balancer des trucs au pif fait bien l'affaire. De la même manière, je pourrai remplir une grille de nombre aléatoire, la montrer à quelqu'un qui a un profond rejet des maths, et arriver à lui faire croire que c'est la table de multiplication de 56218255. Il peut être bluffé du résultat, tant que dans le fond il s'en fiche.
Merci encore, un début d'explication éclairant mais j'avoue que la partie la plus intéressante a été traitée en une phrase à la toute fin. Les histoires d'entrainements, de base de données, de plongement ok mais in fine, comment les AI font elles pour "halluciner"? J'avoue être vraiment resté sur ma faim sur ce point. Ce passage mériterait surement une vidéo à elle toute seule.
Il a expliqué que l'IA était entraînée à débruiter une image, l'IA ayant été entrainée pour débruiter en fonction de paramètres d'entrée (mot ou conditionnement), elle va donc débruiter jusqu'à obtenir une image nette qui ressemble à la description donnée Après je pense que ta question est : quel est le mécanisme permettant d'effectuer le débruitage ? Eh bien on n'en sait rien, pour être plus exact un réseau de neurones va comporter énormément de neurones interconnectés et qui chacun de manière indépendante va transmettre une information aux neurones suivant selon ses paramètres Or ses paramètres sont trouvés grâce à l'entraînement du réseau Pour faire un parallèle plus parlant : nous humains on est capable de résoudre des tâches complexes, pourtant nos neurones ce n'est que de simple connexions de l'un à l'autre, et c'est juste une impulsion électrique que chaque neurone "décide" de propager ou de ne pas propager aux autres neurone avec lequel il est lié En bref un réseau de neurones humain ou informatique c'est une boîte noire, on comprend pas pourquoi l'agencement de chaque neurone permet de sortir le résultat attendu
Incroyable vulgarisation! Une des meilleure synthèse sur sujet aussi technique. 👏 Prochaine étape, travaillé sur la qualité des illustrations/animations et plus besoin d'école. 🔥
L'étape de débruitage qui m'impressionne c'est la première quand on sort des 100% de bruit. Les étapes suivantes ne font que se baser sur cette première étape en "l'améliorant" mais cette décision sur la 1ère étape semble incroyable.
Merci encore pour toutes tes vidéos très instructives. Je me permet une remarque sur cette vidéo au niveau de 5mn. Tu parles de chaque pixel qui est codé sur 3 valeurs (rouge,vert,bleu) mais il me semble que c'est une combinaison des 3 couleurs donc beaucoup plus de valeurs (512, 4096...). A quel niveau de couleurs sont traitées les images en général. Y a t'il une conversion en niveau de gris ?
La meilleure chaîne de vulgarisation scientifique et de très loin d'ailleurs, vous méritez des dizaines de millions d'abonnés. Un régal absolu en tant que passionné du domaine, votre contenu est toujours à la hauteur de mes attentes, il est toujours d'une clarté inouïe. Je vous remercie pour l'excellent travail que vous faites. à la prochaine 🙂
D'abord, super vidéo ! J'aime beaucoup le sujet et je n'avais jamais autant compris cette méthode. Je serais hyper intéressé d'avoir une vidéo sur l'explication de la méthode de ChatGTP !
Ah super, je n’arrêtais pas de me demander comment ils faisaient pour générer des images alors qu’à chaque fois que j’essaie de me renseigner sur le deep learning ça ne parle que de classification. A l’époque je voulais moi aussi générer des images mais je ne savais pas comment faire…merci pour les explications !
Après la vidéo de Monsieur Phi sur GPT-3 et sa prédiction de texte (le bullshiter ultime), voilà le complément sur la génération d'images. Merci beaucoup.
Encore une très bonne vidéo. Je trouve ça bien que tu ne t'arrêtes pas uniquement sur le coté scientifique et que tu précises que derrière tout ça il y a des questions éthiques et juridiques. Personnellement, je trouve que c'est une question politique qui devrait être réfléchi. Les IA auront un impact de plus en plus fort dans notre société au fil des années, et laisser les acteurs privés libres de faire ce qu'ils veulent ne présage rien de bon.
Salut ! Super vidéo mais j'ai une question concernant l'explication sur l'apprentissage non supervisé. Tu as expliqué qu'on cherche un coin particulier représentatif des images de chat pour peu s'en éloigner. Mais l'algorithme ne serait il pas tenté alors de prendre une image déjà existante puis modifier quelques pixels invisible à l'oeil. Ceci créerait une "fausse fausse image" qui n'est effectivement pas dans la base de donnée mais moralement c'est une image qui existe bien. Voila si tu peux peut être m'éclaircir la dessus, sinon très bonne vidéo très bien expliquée.
Je pense qu'on ne peut pas répondre à cette question a cause de la complexité des réseaux neurones. Aujourd'hui on est pas capable d'expliquer la signification des paramètres internes du reseaux. Cela permettrait de savoir avec précision comment l'IA s'y est pris pour générer l'image mais aujourd'hui c'est une boîte noire. Est-ce que quand je fais un dessin je peux dire à quelle point je me suis inspiré d'un autre ? Pas forcément, notre propre réseau neuronal est aussi une boîte noire 😉
Encore une n-ième vidéo de grande qualité... Alain Aspect a attendu 40 ans pour avoir le prix nobel, l'histoire nous dira si vous allez devoir attendre 40 ans pour avoir le Prix UNESCO Kalinga de vulgarisation scientifique ...
Super intéressant ce que je trouve dingue en ce moment (car on dirait chatgpt utilise une approche similaire de manière différente un premier modèle en charge de générer une réponse semble être entraîné pour prédire le prochain mot et un second évalue la qualité des réponses générées à partir d'un ranking). C'est vraiment fou l'interconnexion qu'on peut faire entre des réseaux qui sont entraînés pour des tâches simples qui semblent utilisables qu'à des fins limités mais qui utilisaient conjointement permet de réaliser des choses plus complexes. Un peu comme nous quand on utilise nos 5 sens pour nous repérer... En plus par cette approche par conditionnement, on semble avoir des idées pour maîtriser la construction de l'espace latent car ce qui est compliqué quand on présente ce concept d'espace latent c'est de dire que l'espace s'est autogènere à force de l'entrainement et qu'aucun humain est intervenu et ne pouvait réellement intervenir pour corriger d'éventuels bugs. Là il semble d'autogenerer mais conditionné à une règle. Après il y a peut être des recherches qui existent que je connais pas. Je file lire ton billet de blog
Contenu toujours excellent Merci ! Toujours avec ta guitare en fond... J'attends une vidéo de #ScienceEtonnante sur la guitare ou la musique, ça serait un super sujet de ton point de vu.
@@-lazarus- hélas, les sujets sont soit bien différents de ce qu'on fait en cours soit un peu trop avancés
ปีที่แล้ว
Dingue ! merci pour l'explication. J'ai toujours cru que l'apparition progressive du résultat était l'action d'un GAN (compétition Faussaire/Expert). C'est en effet 'magique' qu'une génération aléatoire de bruit permette la création de nouvelles images autant détaillées.
Aussi je ne sais pas si tu as vu mais Tiffany Souterre (que tu as rencontré sur Underscore) a donné un talk très intéressant appelé "There is no spoon" sur le hacking de réseau de neurones
Détails et précisions dans le billet de blog qui accompagne la vidéo : scienceetonnante.com/2023/01/13/stable-diffusion/ On y parle d'espace latent, d'auto-encodeurs variationnels, de U-Net, des différents samplers, et de l'utilisation pour faire de l'inpainting.
Ces "progrès" extraordinaires me font penser que nous en sommes encore à débattre de façon identique à la "querelle des universaux" du temps de la philosophie médiévale !!
En tout cas un grand merci !!!
bonsoir David!si possible pourrais-tu expliquer le prix Nobel 2022 de physique,je pense que ça serais très intéressant et un bon defi a simplifier!...haa et évidemment ton travail est tjrs aussi bien expliquer et tres intéressant,continu ton merveilleux travail!
Bonjour pourriez-vous faire une vidéo sur cette étude scientifique ci dessous ?
Titre :
Étude de la distribution de la matière noire et des anomalies observées dans notre univers.
Résumé:
Cette étude a pour but d'examiner la distribution de la matière noire dans notre univers en utilisant des techniques de mesure avancées de la gravité. Les anomalies observées dans la distribution de la matière noire ont été analysées en utilisant des simulations informatiques basées sur les théories de la relativité générale. Les résultats ont montré des corrélations avec l'hypothèse d'univers supplémentaires reliés au nôtre par un pont de Kaluza-Klein. Les implications pour la compréhension de l'univers dans son ensemble sont discutées.
Introduction:
La matière noire est un composant important de notre univers qui n'a pas encore été directement observé. Cependant, sa présence peut être déduite à partir de ses effets gravitationnels sur les objets célestes observables. Les techniques de mesure de la gravité, telles que la détection de rayons gamma et les observations de la lumière gravitationnelle, peuvent être utilisées pour étudier la distribution de la matière noire dans l'univers.
Méthodologie:
Nous avons utilisé des techniques de mesure avancées de la gravité pour étudier la distribution de la matière noire dans notre univers. Les anomalies observées dans la distribution de la matière noire ont été analysées en utilisant des simulations informatiques basées sur les théories de la relativité générale.
Résultats:
Les résultats de cette étude montrent des corrélations avec l'hypothèse d'univers supplémentaires reliés au nôtre par un pont de Kaluza-Klein. Les univers supplémentaires ont une densité de matière et d'énergie différente de celle de notre univers. Cette densité de matière et d'énergie affecte les propriétés de l'espace-temps, ce qui entraîne des différences de vitesse de la lumière entre les deux univers.
Discussion:
Les implications de ces résultats pour la compréhension de l'univers dans son ensemble sont vastes. Les univers supplémentaires pourraient avoir un impact significatif sur les phénomènes tels que la production de particules subatomiques et la désintégration radioactive. Il pourrait également expliquer certaines observations sur l'expansion de l'univers et la formation des structures cosmiques. Cependant, il est important de noter que ces résultats nécessitent des confirmations supplémentaires et des recherches futures sont nécessaires pour explorer ces idées plus en profondeur.
Conclusion:
Cette étude a utilisé des techniques de mesure avancées de la gravité pour étudier la distribution de la matière noire dans notre univers. Les anomalies observées dans la distribution de la matière noire ont été analysées en utilisant des simulations informatiques basées sur les théories de la relativité générale. Les résultats ont montré des corrélations avec l'hypothèse d'univers supplémentaires reliés au nôtre par un pont de Kaluza-Klein. Les implications pour la compréhension de l'univers dans son ensemble sont discutées. Il est important de souligner qu'il est nécessaire de poursuivre ces recherches pour confimer ces idées et pour approfondir les implications de ces découvertes.
Comme a dis un homme sage : "Attention is all you need"
Je reste persuadé que David est une IA qui cherche à faire de nous des sujets de learning pour que nous apprenions. Et ça fonctionne très bien.
> oui, un Individu Admirable !
...ou une Illustre Âme, pour rester au féminin.
exe \disk\preuves\disparition_des_preuves
C'est de la diffusion aussi :)
L'humain est un mammifère, les mammifères sont des animaux, Descartes prenait les animaux pour des machines. Donc nous sommes des machines.
Depuis 1870 nous apprenons dès le plus jeune âge, en collectivité. Comment était notre processus d'apprentissage auparavant ?
@@oliviermarron idem, dès le plus jeune âge. Langage, musique, apprentissage oral, pareil. Seules les sciences et la lecture/écriture étaient réservées à quelques uns...
C'est du délire, ces IA sont basé sur pleins de concepts mathématiques compliqués et tu réussis à expliquer tout ça de manière limpide.
Toujours un travail excellent!👍
Non non, les concepts mathématiques associés ne sont pas si compliqués que ça. Un réseau de neurones ça demandes des maths très simple, c'est juste le nombre d'opérations à effectuer qui est énorme.
La raison pour laquelle ça paraît compliqué c'est que les médias ignorants en maths et en science qualifient tout ce qui vient de ces domaines comme étant incompréhensible au commun des mortels, ce qui est évidemment faux, sinon la vulgarisation serait impossible.
David ne fait "que" prendre le temps de poser les choses sur la table en ordre clair et compréhensible, ce que les médias traditionnels n'ont ni le temps ni l'envie de faire.
Je confirme ce que dis Laurent. D'un point de vue mathématique, les réseaux de neurones sont assez élémentaires et font appels à des concepts d'analyse et d'algèbre linéaire vus en licence de maths.
On est encore aux balbutiements aujourd'hui mais ça risque d'évoluer assez vite, notamment avec des outils mathématiques plus avancés comme par exemple l'optimisation non convexe et à ce moment là même chatgpt passera pour un joujou.
@@sergemasson7150 Ooooh mais c'est quoi l'optimisation non convexe ?
@@fatalviw40 *_"Dans mon domaine de recherche, de simple modèles linéaire mixtes prédisent souvent aussi bien que des approches de deep learning."_*
Peut-être, mais dans des domaines autrement plus complexes il est clair que le "deep learning" surpasse de façon inespérée ce qu'on était capable de modéliser jusque là.
L'exemple d'AlphaFold est particulièrement édifiant (et prometteur !).
Quand on réalise qu'on n'est qu'aux balbutiement de ces techniques ... c'est enthousiasmant, autant que qq peu terrifiant :P.
@@Nival39 Pas tellement plus qu'apprendre à un bébé qu'un chat, même s'il lui manque une patte ou une oreille c'est toujours un chat. Et pas un scooter. Mais oui, en soi si on arrive vraiment à faire en sorte que des machines apprennent "par elles-même" (même si rien n'apprend "par soi même", des bactéries aux êtres humains c'est soit des millions d'années d'apprentissage "non-supervisé" (= supervisé par l'évolution) , soit de l'apprentissage supervisé par les pairs. Et la capacité à se reproduire sans intervention extérieure) on aura un peu créé une nouvelle forme de vie. Qui nous survivra peut-être (si c'est ce qui est censé faire peur) ! ^^'
Encore une fois tu t'illustres comme le maître dans l'art de la vulgarisation 😀 !
De toutes les chaines de vulgarisation que je regarde, francophones et anglophones confondues, tu détiens la seule qui me fait arrêter tout ce que je fais quand une nouvelle vidéo sort !
Je prends un plaisir fou à regarder (plusieurs fois) chacune de tes vidéos 😀
Merci pour ton travail, j'espère que tu continueras longtemps ainsi !
+1
si vous aimez la vulgarisation pédagogique vous devriez aller voir la chaine de Enissay
Je suis bluffé. C'est la meilleure vidéo de vulgarisation que j'ai pu voir sur le sujet. J'utilise stable diffusion et je n'ai jamais poussé ma curiosité sur sa mécanique. Je connaissais l'apprentissage supervisé, mais pas la méthode de diffusion. C'est passionnant. Mais ça explique aussi les limites en termes de possibilités créatives. Les contextes d'image étant infinis, cette technique va demander des années et des années pour tendre vers de la génération universelle
Et surtout faire arrêter nos semblables de mettre notre face ou celle de leurs proches partout sur le net
Sur le sujet connexe des ia textuelles, en particulier chat gpt aussi à la mode en ce moment, monsieur Phi a fait récemment une très bonne vidéo (spoiler: ça dit n’importe quoi avec éloquence)
Auto-commentaire en me relisant. La dernière phrase concerne l’IA, pas M Phi.
@@franck3279 Oui j'ai eu un doute un instant haha, mais puisque tu disais que c'est une "très bonne vidéo", on finit par comprendre
@Josias Lourenço Pauvre fou. Quand je vois ce genre de commentaires, je me dis que ce ne serait pas plus mal de se faire remplacer par des IA tout compte fait.
Encore une fois, le choix du sujet est très pertinent au vu de l’actualité, merci pour cette mise au clair !
J'avais suivi un cours d'IA d'Andrew Ng sur Coursera il y a 4 ans (CNN, GAN, RNN, etc. incluant de longues heures à les coder moi-même en Python), du coup jusqu'à il y a un an quand je voyais de nouvelles IA sortir je me disais "ah ouai c'est juste telle méthode, un peu modifiée et entraînée sur plus de données". Mais depuis un an les nouvelles IA me bluffaient complètement. En fait, le principe reste "simple", dans le sens où ce sont toujours des compositions de méthodes déjà connues (plongement, débruitage, etc. il fallait juste "avoir l'idée", en quelques sortes) . Excellente vidéo pour montrer ça !
L'art et la manière de rendre accessible et intéressant un sujet complexe
Quel talent !
J'allais dire "un exemple de vulgarisation", mais c'est toute la chaîne qui est brillante
Encore une fois, David a tué le game avec la meilleure vidéo de vulgarisation sur ce sujet, avec le bon équilibre technique/compréhension (et pourtant, j'en ai regardé un sacré paquet 😅). Un grand respect pour ce talent !
Tu es un des rares vidéastes que je commente régulièrement et pour cause : tu fait partie des plus talentueux et des plus qualitatifs !
Merci !
La prochaine vidéo sur ChatGPT ?
je me demande si la question que l'on peut ce poser, car pour le moment "j'aipété" a une base de données qui limité, car cela n'est pas directement alimenté par l'internet, il est limité au connaissance internet de 2021, il ne connais rien de ce qui existe depuis, il ne sait pas qu'il y a une nouvelle guerre en Ukraine pour consolider leur acquit de deux mille quatorze..
donc es qu'il faut lui donner accès librement vu qu'il est tout à fait capable de ce faire passer pour un humain pour n'importe quel machine
@@AsAuvAge openai, a sûrement pas envie qu'il tourne nazi comme celle de Microsoft
@ un poil trop humain le truc
En attendant, celle de Mr Phi et Science4all est super pour expliquer l'algo et ses conséquences
C’est le même principe
super intéressant je recommande à tout le monde d'aller voir la vidéo d'Enissay sur l'intelligence artificielle pour ceux qui ont du mal à comprendre le concept d'IA, en tout cas c genial d'avoir des youtubers comme vous
Exceptionnelle pédagogie, manière d’amener Tout doucement l’auditeur à comprendre des choses extraordinairement complexe. Merci beaucoup pour ce travail de présentation très intelligent
Merci. Remarquablement bien expliqué (j'en avais bien besoin) ! Et ce qui est mind-blowing c'est la quantité d'images qu'il a fallu absorber pour l'entraînement. J'ai également beaucoup apprécié la parenthèse finale sur les aspects juridiques et le droit à l'image.
4:34
"205 -> Voiture
666 -> chat"
j'adore x'DDDD
🤯J'apprends le français avec ces vidéos, ce sont les meilleures, merci de les avoir faites ! Il est plus intéressant d'apprendre une nouvelle langue en parlant de choses intéressantes. Je t'embrasse de la Colombie !🇨🇴
Excellent encore une fois
Dans la vidéo on est guidé pas à pas vers la compréhension du sujet final, c'est vraiment très agréable et édifiant
Merci beaucoup
Hyper intéressant. Je connaissais les GAN mais pas les IA derrière la.generation d'image par diffusion. C'est extrêmement bien expliqué, merci a toi!
C'était super intéressant, j'ai été bluffer sur la partie du débruittage d'image qui permet avec du bruit pur d'obtenir une image inventé, ça semble impossible et pourtant l'idée derrière est intuitive.
Super vidéo ! J'avais commencé à entendre parler de ces IA et à m'y intéresser depuis la semaine dernière. Alors lorsque j'ai reçu la notification, j'ai sauté sur ta vidéo et je ne suis pas déçu du contenu ! C'est toujours passionnant est très bien expliqué ! Bravo, continue !
Terriblement bien vulgarisé, bravo et merci !
😀👍
Merci pour ce super travail! Il y a aussi une question sociale dont on entend peu parler concernant la classification des catégories d'images pour l'entrainement des algorithmes : c'est une tache réalisée par des "data worker", tache essentielle et colossale, sous traitée à des entreprises qui paient quelques centimes de dollar ces travailleurs. Une étude sociologique par Antonio Casilli a été menée sur le sujet, l'article "La délicate question du sous-traitement des données d'entraînement de l'IA" résume bien ce sujet.
Ou alors autre solution moins cher et avec BEAUCOUP plus d'employés : reCapcha
Avec ça on se retrouve avec des millions de personnes qui chaque jour classifie des images
Remarque très intéressante.
Fascinant...
Pour la partie juridique/légale effectivement c'est intéressant de suivre l'évolution des législations, peut-être que Sébastien de la chaine Vous avez le droit aurait des pistes ^^
Salut David, merci beaucoup pour tes contenus à la fois avancés et bien expliqués. J'ai découvert ta chaîne il y a peu et je suis devenu tout de suite adicte ! Pour réagir sur ta vidéo, je suis d'accord qu'en effet on va devoir s'armer face à la puissance grandissante des IA et des applications malheureusement peu recommandables pour lesquelles elles sont utilisées. À bientôt !
Bonjour, de la part d'un illustrateur, déjà super vidéo, et un grand merci d'avoir prit le temps a la fin d'évoquer les soucis éthiques et juridiques soulevés par ces nouveaux outils, qui sont malheureusement souvent mis de coté dans les videos explicatives. On espère en effet qu'une legislation appropriée sera développée, particulièrement au niveau de la collecte des données, qui permettra d'éviter les nombreux débordements auxquels nous sommes déjà sujets afin que chacun puisse s'en emparer sereinement 😬
Oui, j'ai attendu jusqu'à la fin pour entendre une note à propos de toutes ces merveilles "inventées de toutes pièces", travaillant sur des "textes libres" ou des bases de données dont on se demande bien d'où elles viennent (Laion ?)... Je crois que Getty a interdit d'utiliser sa base, et les grosses boîtes et les artistes très connus pourront sans doute se protéger, mais la plupart des illustrateurs pro se font déjà piller allègrement. Je suis une petite artiste amateure, personne ne viendra utiliser mes travaux, mais j'ai déjà vu des images qui sont de véritables plagiats d'auteur·es que j'admire. Pour le moment les portraits ont des mains bizarres, et le regard vide (littéralement sans âme, on se demande pourquoi), mais pour combien de temps ?
@@claudemarillier6258 Selon la plate-forme où tu postes tes créations, il faut faire attention d'avoir bien indiqué être contre leur utilisation pour l'entraînement d'une IA. Je sais que c'était le cas pour Deviant Art il y a quelques temps par exemple. Je ne sais pas si ça a changé depuis.
@@claudemarillier6258 Oui je sais qu'a titre personnel mes images sont deja dans la base LAION, comme a peu près tout ceux qui ont posté leurs images sur internet depuis 10 ans. On peut jouer le jeu de l'évitement un temps mais in fine notre sort dépendra des régulations qui seront mises en places au niveau US et UE. En clair: Permetra-t-on aux développeurs/investisseurs de continuer a se passer de tout consentement ou compensation des gens dont ils exploitent les données, dont la qualité des algorithme dépend directement, a des fins de profits? Idéalement nous souhaiterions un système basé sur le domaine public uniquement, avec une option "opt in" pour ceux qui le souhaitent, consentie et compensée.
bien content d'avoir gardé hors-ligne mes travaux durant ces 15 dernières années.
Déjà que les créateurs du Web ont souvent bien du mal avec les quelques régles des licences libres.
@@ProsperTipaldi Je comprends les illustrateurs mais j'ai peur que vous ne vous dirigiez vers des propositions très court-termistes. Ce genre de législation créera la pire des situations amha, à savoir les géants des contenus (Disney) qui entraîneront leurs propres modèles sur les contenus et oeuvres dont ils possèdent les droits, en virant si besoin les artistes en trop. Pendant que le quidam moyen n'aura qu'une alternative obsolète (immense majorité des images ont été créées post-smartphones, bref bien trop récemment pour être dans le domaine public).
Surtout, ça ne résoudra rien à la précarité des artistes lorsqu'une IA aura su s'auto-entraîner sans dataset (et ça va finir par arriver).
C'est fou comme la vidéo est claire, et l'idée derrière les algos de diffusion de diffusion est vraiment super intelligente
J'admire votre façon de rendre accessible à tous des connaissances scientifiques et techniques aussi pointues... Bravo et merci !
Encore une super vidéo ! L'équilibre entre vulgarisation et explication en détails est nickel. Après un visionnage, j'ai toujours envie de me ruer sur un éditeur et programmer moi-même tout ça.
A quand une vidéo pour nous expliquer le fonctionnement de l'AI ChatGPT ? 🙏
Merci pour votre travail et vulgarisation exceptionnelle !
Excellent, comme d'habitude ! Merci.
Un parallèle avec la manière dont les organismes discriminent les objets dans leur environnement pourrait être intéressant.
Merci pour le mot à la fin sur les problèmes de propriété intélectuelle! 😍 Je suis artiste et 20 ans de mon boulot en ligne est dans la base de donnée LAION5B (5 Milliard d'images, celle la plus répandue) sans mon consentement. C'est tellement dommage éthiquement ...
ça fait 10 ans que je te considère comme une tête brulée parce que j'ai choisi la voie inverse qui est de ne jamais mettre en ligne mes travaux originaux. Mon constat de départ il y a 15 ans étant qu'en dehors des cercles libristes, les créateurs sur internet sont rarement capables d'attribuer la paternité d'une source alors que c'est le strict minimum requis par les licences les plus permissives.
@@PainterVierax Je vais accèpter cette médaille de tête brulée. ☺
Oui, c'est vrai pour les attributions. J'ai connu un paquet de déboire. Merci pour ton retour.
Vos explications et votre pédagogie sont juste sublimes, ça faisait quelques mois que j'essayais de pénétrer le sujet sans succès. Merci encore !!
Excellente vidéo ! Il aurait été pertinent de parler des considérations énergétiques de l'entraînement de ce genre d'algorithmes... une énergie énorme est utilisée par les processeurs pour entraîner l'algo avec des bases de données gigantesques. Pour chatGPT l'ensemble de wikipedia représente vers 10% du volume total de données
Après une autre personne mentionnant les "datas workers" sous-payés pour classifier les images, voici une autre remarque très intéressante.
Ton travail est toujours agréable à regarder et instructif ! Merci pour la partie concernant l'éthique et les droits d'auteurs, parce que c'est essentiel pour protéger les artistes. La technologie est bluffante mais la manière de l'implémenter doit respecter aussi les artistes qui vivent de leur passion.
Excellent ! Je suis dans le secteur de la 3d et du graphisme et donc connaître ses nouveaux collègues/adversaires m'est utile à apprendre.
Encore du haut niveau cette vidéo. Concepts pas simples qu'il sait vulgariser parfaitement : impressionnant !
L'explication la plus clair que j'ai vu sur le sujet.
J'adore vos vidéos, là vous traitez d'un sujet que je connais bien en tant qu'ingénieur dans le numérique, et cela ne fait que confirmer tout le bien que je pense de la chaîne. C'est excellent.
Excellent vulgarisation du sujet ! Enfin comme d'habitude sur cette chaîne... Bravo encore !
Merci pour ces explications très complètes et parlantes.
Je reste tout de même ébahis de la capacité de ces algorithmes à reconnaître aussi bien un élément spécifique dans une images.
Et quand on voit le rendu réalisé par DALL.E.3, c'est juste époustouflant !
Si on m'avais dit, lors de mes études artistiques, que 30 ans après l'informatique allait être capable de telle prouesse, jamais je ne l'aurais cru.
Et j'imagine bien ne pas être le seul.
16:54 La vache, quel orgasme intellectuel ! Quand j'ai entendu "imaginez que je lui donne une image qui soit 100% de bruit", j'ai deviné la suite et j'ai failli tomber de ma chaise ! C'est vraiment une idée de génie, ce truc !
Et à part ça, encore une vidéo passionnante de bout en bout avec vos qualités didactiques proverbiales, merci.
Incroyable vidéo ! Bravo David pour ce travail de vulgarisation très clair
Je suis admiratif de cette capacité à rendre limpide des choses compliquées. Bravo et merci
Super vidéo très instructive et claire!
Également j'apprécie que tu aie pris le temps de soulever les problèmes éthiques posé par ces technologies dans la vidéo, ce point est trop souvent éludé par les techno-enthousiaste et il est pourtant crucial car aucune technologie n'est neutre
Depuis un moment je cherchai une vidéo un peut profonde sur comment marche ses IA, et que ca soit en francais ou anglais, je n'ai rien trouvé de super jusqu'a maintenant !
Merci beaucoup, cette vidéo sera surement la numéro 1 pour plusieurs années !
Super bien expliqué, excellent, et merci de parler des problèmes éthiques, l'enthousiasme portée par les utilisateurs a malheureusement survolé ces considérations super importantes pour les, heu, vrais artistes.
vraiment là , ça m'impressionne . surtout la génération d'une image à partir du pur hasard .
c'est marrant le passage sur "le chat quelconque" m'a fait penser a un prof de maths au collège qui nous disait que c'est extrêmement difficile de dessiner un vrai "triangle quelconque" tant il y a de triangles répertoriés. Un peu de la même manière, il est quasi impossible de représenter un chat, humain, ou une voiture "quelconque" parce que ça (/il/elle/ tous les pronoms imaginables) rentre forcément dans une (en réalité plusieurs) catégories à tous les coups ! (Tout en étant par définition unique, par exemple tous les triangles rectangles sont littéralement TOUJOURS uniques, au moins du point de vue temporel ... Tout en étant tous des triangles rectangles)
Un autre problème des méthodes de deep learning dont je n’avais pas pris conscience jusqu’à il y a peu est leur coût énergétique. Il y a une course à la puissance de calcul en recherche sur le sujet (voir le gros développement du calcul sous gpu, chez google sous tpu) pour compenser une vision encore très floue de la façon dont marchent ces algorithmes, et l’entrainement d’un algorithme de deep-learning pour une seule publication scientifique peut vite dépasser les 500 aller-retours Paris New-York. Dans le même genre il serait intéressant de savoir le coût d’exploitation mensuelle d’une plateforme comme chatgpt. Quand on voit certaines applications du deep learning, employé presque systématiquement plutôt que d’autres méthodes d’apprentissages plus fine, on peut questionner une telle démarche…
Ça faisait un moment que je ne m'étais pas offert une vidéo de ScienceEtonnante. Comme d'habitude, elle est fantastique, incroyablement pédagogique et passionnante. Bravo David, le roi de la vulgarisation ! 👏
Oh magnifique. J'en suis à 17:34, et je viens de voir que le truc est de faire de la pareidolie à l'algo de génération avec une image bruitée. Excellent.
Oui c'est exactement ça ! J'aurai du penser à le dire comme ça :-)
4:48 chat associé au numéro 666 🤔
Traumatisé par les chats ? 🐱
Bonjour et merci
Vous avez un don pour rendre clair des sujets qui peuvent nous paraître abstrait 👍
Le problème c'est que le dataset utilisé pour entrainer Stable Diffusion étaient sensés viser la recherche. Or on voit aujourd'hui des applications lucratives qui utilisent les models entrainés sur ces datas.
Merci pour cette vulgarisation.
StabilityAI (les dévelopeurs de Stable Diffusion) ont financé LAION pour créer leur base LAION-5B. C'était malhonnête depuis le départ.
J'ai demandé à une IA de me faire un template de meme avec des country ball mais elle ne connaissait pas le concept de country ball (probablement parce qu'elle n'a pas été éduqué avec ce genre de contenu). L'IA est aussi incapable de créer quelques chose de nouveau, elle ne peut que copier le contenu à laquelle elle avec laquelle a été éduqué. Les artistes ne sont donc pas encore au chômage.
Accro a Midjourney depuis 5 mois, cette vidéo réponds a toutes les questions que je me posais sur le fonctionnement et certains mystères des "hallucinations" , c'est passionnant merci
Merci beaucoup.
J'attendais avec impatience une vulgarisation de qualité a partager a mon entourage.
Je suis d'accord avec ton usage du terme "halluciner" qui correspond bien à ce qui se passe, et auquel on ne pense pas toujours car ça n'est pas vraiment dans le champ lexical de l'informatique!
Passionnant ! Et ce niveau de vulgarisation ! Merci pour ta chaîne
22:00 : j'attends la collab avec Vous Avez le Droit !
Lol, et re mdr
Créant moi-même des images 3D en amateur, je suis en contact régulier avec nombre d'artistes, professionnels comme amateurs, et très présent sur des sites consacrés à l'art digital, et de fait, la génération d'images par des AIs est en ce moment un grand sujet de débat. Merci donc pour cette vidéo qui vient à point nommé.
Excellente vidéo! J'aime beaucoup la manière dont tu explique des choses super complexes!
Tu l'as peut-être traité dans une autre vidéo, mais je n'arrive pas à comprendre comment fonctionne le fameux "Conditionnement" du modèle. Qu'est-ce qu'on fait pour le conditioner? Est-ce un paramètre supplémentaire en entrée?
Merci beaucoup!
Oui on peut voir ça comme un paramètre de plus
Merci pour votre travail de vulgarisation. C'est extrêmement intéressant et nous permet d'effleurer le fonctionnement sous-jacent des IA.
Je me mets à l'unisson de la plupart des commentaires pour souligner la qualité du travail. Petit point terminologique cependant : quand on dit « l'algorithme apprend » ou « une IA fait cela », on donne l'impression qu'il y a un agent qui prend des décisions ; or, il n'y a rien de tout cela (un réseau de neurones c'est essentiellement du calcul matriciel et la manière dont les paramètres s'adaptent est codée explicitement). La vidéo de David fait moins cet abus de langage que la plupart des autres cas mais y cède parfois. De manière générale, les mots « algorithmes » et « IA » sont un peu galvaudés.
Ah oui et sinon, je pense qu'il est aussi important de se demander s'il est raisonnable d'utiliser autant de moyens et de jus de cerveau pour faire ça.
Incroyable.
Pour illustrer mes parties de JDR, ça va être dingue. Merci pour la découverte
Encore et toujours abordable et intéressant.
Merci et bravo David
Comme sur le sujet des IA (quand c'est traité sérieusement) en intro on prends certaines précautions à expliquer la notion "Intelligence", sur ce sujet particulier il faudrait faire de même avec la notion de "Création".
C'est pas forcément du ressort des scientifiques ou technophiles, du coups ça passe un peu vite à la trappe. Puisque c'est un sujet intéressants et riche en détails d'expertise, le dialogue qui serait nécessaire pour cerner le sujet aura des difficultés à se faire. Du fait que les deux champs de compétences, par leur divergence ont des chances d'entrer en confrontation stérile.
J'ai peut être pas les bases pour expliquer dans les formes, mais pour moi la limite de ces IA génératives est visible dans l'exemple des diagrammes (à 12:08 ).
Je suis conscient que cet exemple sert à illustrer les GAN, mais quand bien même on échange/empile avec d'autres algos, la limite est la même (+/- brouillée, mais la même en finalité). L'IA n'invente rien, elle est seulement capable de reproduire (un point du diagramme), de combler un trou, ou peut être une projection de la courbe. C'est limité par le cadre de son apprentissage, et celui-ci est déterminé par les entraineurs. Ou même par le neurone "expert", le jeu de neurones "faussaire/expert" cherche juste à délimiter l'épaisseur du trait.
Navré pour l'exemple que j'ai trouvé, mais comme il a été choisi le thème des chats, j'ai mieux pour expliquer simplement. Les entraineurs ont fourni/contrôlé les images de ce qu'ils acceptent déterminer "être une image de chat". Or si je vous montre une photo de chat écrasé bien assez bousillé pour être à peine reconnaissable, outre le dégoût vous pourriez deviner qu'il s'agisse d'un chat. Mais on a pas envie de voir ça, on a peut être pas non plus envie de se l'imaginer, donc peu de chance qu'on pense à l'enseigner à l'IA. Et pourtant, qu'on le veuille ou non cette image peut s'imposer à la vue de n'importe qui n'importe quand (au hasard d'une route). On en est tous conscient, mais l'IA ne le serait pas (à moins qu'on le veuille vraiment).
En clair, il n'y a aucun imaginaire dans cet engin. Le système de diffusion, bruit, aléatoire, sert juste à faire illusion. Le résultat paraitra crédible à tous ceux qui voient les artistes, comme la caricature du sketch des inconnus, balancer des trucs au pif fait bien l'affaire. De la même manière, je pourrai remplir une grille de nombre aléatoire, la montrer à quelqu'un qui a un profond rejet des maths, et arriver à lui faire croire que c'est la table de multiplication de 56218255. Il peut être bluffé du résultat, tant que dans le fond il s'en fiche.
Merci encore, un début d'explication éclairant mais j'avoue que la partie la plus intéressante a été traitée en une phrase à la toute fin. Les histoires d'entrainements, de base de données, de plongement ok mais in fine, comment les AI font elles pour "halluciner"? J'avoue être vraiment resté sur ma faim sur ce point. Ce passage mériterait surement une vidéo à elle toute seule.
Il a expliqué que l'IA était entraînée à débruiter une image, l'IA ayant été entrainée pour débruiter en fonction de paramètres d'entrée (mot ou conditionnement), elle va donc débruiter jusqu'à obtenir une image nette qui ressemble à la description donnée
Après je pense que ta question est : quel est le mécanisme permettant d'effectuer le débruitage ?
Eh bien on n'en sait rien, pour être plus exact un réseau de neurones va comporter énormément de neurones interconnectés et qui chacun de manière indépendante va transmettre une information aux neurones suivant selon ses paramètres
Or ses paramètres sont trouvés grâce à l'entraînement du réseau
Pour faire un parallèle plus parlant : nous humains on est capable de résoudre des tâches complexes, pourtant nos neurones ce n'est que de simple connexions de l'un à l'autre, et c'est juste une impulsion électrique que chaque neurone "décide" de propager ou de ne pas propager aux autres neurone avec lequel il est lié
En bref un réseau de neurones humain ou informatique c'est une boîte noire, on comprend pas pourquoi l'agencement de chaque neurone permet de sortir le résultat attendu
Incroyable vulgarisation! Une des meilleure synthèse sur sujet aussi technique. 👏 Prochaine étape, travaillé sur la qualité des illustrations/animations et plus besoin d'école. 🔥
Trop bien, limpide et bien documenté, comme d’hab 👌 Merci pour tout
Merci ! Bientôt on pourra se faire la version "musique" des algos de diffusion :)
Du super boulot comme toujours ! Encore merci de la qualité de chacune de tes vidéos !
Magnifique vidéo... Que du plaisir le la regarder. Merci pour ce moment !
L'étape de débruitage qui m'impressionne c'est la première quand on sort des 100% de bruit. Les étapes suivantes ne font que se baser sur cette première étape en "l'améliorant" mais cette décision sur la 1ère étape semble incroyable.
Merci encore pour toutes tes vidéos très instructives.
Je me permet une remarque sur cette vidéo au niveau de 5mn. Tu parles de chaque pixel qui est codé sur 3 valeurs (rouge,vert,bleu) mais il me semble que c'est une combinaison des 3 couleurs donc beaucoup plus de valeurs (512, 4096...). A quel niveau de couleurs sont traitées les images en général. Y a t'il une conversion en niveau de gris ?
La meilleure chaîne de vulgarisation scientifique et de très loin d'ailleurs, vous méritez des dizaines de millions d'abonnés. Un régal absolu en tant que passionné du domaine, votre contenu est toujours à la hauteur de mes attentes, il est toujours d'une clarté inouïe. Je vous remercie pour l'excellent travail que vous faites. à la prochaine 🙂
D'abord, super vidéo ! J'aime beaucoup le sujet et je n'avais jamais autant compris cette méthode.
Je serais hyper intéressé d'avoir une vidéo sur l'explication de la méthode de ChatGTP !
Ah super, je n’arrêtais pas de me demander comment ils faisaient pour générer des images alors qu’à chaque fois que j’essaie de me renseigner sur le deep learning ça ne parle que de classification. A l’époque je voulais moi aussi générer des images mais je ne savais pas comment faire…merci pour les explications !
J'avais vu plusieurs vidéos sur le sujet, c'est la première qui est vraiment compréhensible. C'est super bien expliqué 👌
Après la vidéo de Monsieur Phi sur GPT-3 et sa prédiction de texte (le bullshiter ultime), voilà le complément sur la génération d'images. Merci beaucoup.
Content d'avoir l'intuition de ces mécanismes fantastiques !
Bravo pour tes talents de vulgarisation et de pédagogie. C'était passionnant !
Merci d'éclairer aussi bien ces sujets.
Encore une très bonne vidéo.
Je trouve ça bien que tu ne t'arrêtes pas uniquement sur le coté scientifique et que tu précises que derrière tout ça il y a des questions éthiques et juridiques.
Personnellement, je trouve que c'est une question politique qui devrait être réfléchi.
Les IA auront un impact de plus en plus fort dans notre société au fil des années, et laisser les acteurs privés libres de faire ce qu'ils veulent ne présage rien de bon.
Un très grand merci pour ce partage qui apporte des réponses claires à un problème complexe qui va probablement bouleverser le monde artistique.
Salut ! Super vidéo mais j'ai une question concernant l'explication sur l'apprentissage non supervisé. Tu as expliqué qu'on cherche un coin particulier représentatif des images de chat pour peu s'en éloigner. Mais l'algorithme ne serait il pas tenté alors de prendre une image déjà existante puis modifier quelques pixels invisible à l'oeil. Ceci créerait une "fausse fausse image" qui n'est effectivement pas dans la base de donnée mais moralement c'est une image qui existe bien.
Voila si tu peux peut être m'éclaircir la dessus, sinon très bonne vidéo très bien expliquée.
Je pense qu'on ne peut pas répondre à cette question a cause de la complexité des réseaux neurones. Aujourd'hui on est pas capable d'expliquer la signification des paramètres internes du reseaux. Cela permettrait de savoir avec précision comment l'IA s'y est pris pour générer l'image mais aujourd'hui c'est une boîte noire.
Est-ce que quand je fais un dessin je peux dire à quelle point je me suis inspiré d'un autre ? Pas forcément, notre propre réseau neuronal est aussi une boîte noire 😉
Incroyable vulgarisation, comme d’habitude!
Incroyablement bien expliqué! Merci beaucoup!
Encore une n-ième vidéo de grande qualité... Alain Aspect a attendu 40 ans pour avoir le prix nobel, l'histoire nous dira si vous allez devoir attendre 40 ans pour avoir le Prix UNESCO Kalinga de vulgarisation scientifique ...
Super intéressant ce que je trouve dingue en ce moment (car on dirait chatgpt utilise une approche similaire de manière différente un premier modèle en charge de générer une réponse semble être entraîné pour prédire le prochain mot et un second évalue la qualité des réponses générées à partir d'un ranking). C'est vraiment fou l'interconnexion qu'on peut faire entre des réseaux qui sont entraînés pour des tâches simples qui semblent utilisables qu'à des fins limités mais qui utilisaient conjointement permet de réaliser des choses plus complexes. Un peu comme nous quand on utilise nos 5 sens pour nous repérer...
En plus par cette approche par conditionnement, on semble avoir des idées pour maîtriser la construction de l'espace latent car ce qui est compliqué quand on présente ce concept d'espace latent c'est de dire que l'espace s'est autogènere à force de l'entrainement et qu'aucun humain est intervenu et ne pouvait réellement intervenir pour corriger d'éventuels bugs. Là il semble d'autogenerer mais conditionné à une règle. Après il y a peut être des recherches qui existent que je connais pas. Je file lire ton billet de blog
Contenu toujours excellent Merci ! Toujours avec ta guitare en fond... J'attends une vidéo de #ScienceEtonnante sur la guitare ou la musique, ça serait un super sujet de ton point de vu.
Il y en a eu deux déjà :-)
"Les mathématiques de la musique" et "les synthétiseurs"
Quel survol magistral de la discipline! Merci :)
Super Vidéo ! Pour les questions de la fin, une vidéo de @Vousavezledroit serait vraiment cool pour en savoir plus sur c'est problème juridique.
Bonjour, toujours un travail de grande qualité... salué dans le journal Sud Ouest semaine dernière par notre prix de Nobel de chimie : respect. 👋
Réviser mon ds de physique ou regarder science étonnante, telle est la question...
J'ai le même problème très régulièrement...
Un café, et faire les deux.
La question est vite répondu
Regarder les vidéos de Science Étonnante POUR réviser ton ds de Physique sinon ? 😃
@@-lazarus- hélas, les sujets sont soit bien différents de ce qu'on fait en cours soit un peu trop avancés
Dingue ! merci pour l'explication. J'ai toujours cru que l'apparition progressive du résultat était l'action d'un GAN (compétition Faussaire/Expert). C'est en effet 'magique' qu'une génération aléatoire de bruit permette la création de nouvelles images autant détaillées.
Hyper intéressant. Et très bonne ouverture sur l'aspect légal sur la fin. Merci 🙏💙
Aussi je ne sais pas si tu as vu mais Tiffany Souterre (que tu as rencontré sur Underscore) a donné un talk très intéressant appelé "There is no spoon" sur le hacking de réseau de neurones
Toujours au top de la vulgarisation, merci.
L'idée de la diffusion est quand même carrément géniale.
merci David de me faire sentir un peu plus savant après chacune de tes vidéos. Du grand art.