Pourquoi nous avons besoin de modèles d’IA en petits langages spécifiques à l’éducation

Cet article présente une interview de Dan Rosensweig, qui s’exprimera à la conférence TNW le 20 juin. Consultez le programme complet de l’événement. ici.

L’intelligence artificielle a le potentiel de transformer l’éducation pour le mieux. Mais lorsque ChatGPT a été lancé en 2022, cela a semé la panique dans les écoles et les universités.

Le IA modèle, capable de répondre à n’importe quelle question et d’écrire n’importe quel texte, a été rapidement dénoncé comme un outil permettant de tricher – et qui nuisait à l’apprentissage.

Avance rapide jusqu’en 2024, la panique a cessé et le secteur de l’éducation a reconnu le potentiel des grands modèles linguistiques (LLM) pour soutenir à la fois les étudiants et les enseignants.

Mais pour vraiment aligner le potentiel de la technologie sur les résultats d’apprentissage, nous avons besoin de petits modèles de langage (SLM) spécifiques à l’éducation, a déclaré à TNW Dan Rosensweig, président exécutif de la plateforme d’apprentissage pour étudiants Chegg.

«Les LLM à usage général sont un bon point de départ», déclare Rosensweig. Mais ils ne sont pas spécifiquement conçus pour le processus d’apprentissage des étudiants.

De tels outils ont prouvé qu’ils pouvaient consommer de grandes quantités de données à partir d’Internet et résumer les informations de manière efficace. Mais ils sont également enclins à fournir des réponses inexactes et ils même halluciner.

«Les LLM généralistes n’ont aucune obligation d’être précis ou personnalisés, et ils ne connaissent pas la situation de chaque étudiant en ce qui concerne ce qu’il sait ou ce qu’il ne sait pas», explique Rosensweig.

À l’inverse, les petits modèles de langage peuvent avoir une capacité plus limitée à traiter des informations et à générer du texte par rapport aux LLM, mais ils sont plus efficaces pour répondre à des besoins spécifiques.

Création de petits modèles de langage spécifiques à l’éducation

Les SLM spécifiques à l’éducation nécessitent deux éléments, selon Rosensweig.

Le premier est l’intégration de la pédagogie dès la conception. Il s’agit de développer un modèle qui « comprend comment les élèves apprennent le mieux, quels sont leurs besoins individuels et qui peut évaluer les résultats d’apprentissage pour faire avancer le processus ».

Le deuxième élément nécessaire est un ensemble de données exclusives et précises, suffisamment vaste pour former l’IA dans différents domaines verticaux. Dans le cas de Chegg, qui a développé 26 SLM, les données sont basées sur plus de 100 millions de contenus d’apprentissage créés au cours des 10 dernières années.

Rosensweig estime que les avantages d’un soutien à l’apprentissage personnalisé basé sur l’IA sont considérables.

« Cela commence par le processus d’apprentissage lui-même et offre ensuite un mélange entre la pensée critique et les compétences professionnelles réelles. »

Dan Rosensweig est l’une des nombreuses sommités de la technologie qui s’exprimeront au congrès de cette année. Conférence TNW, qui aura lieu les 20 et 21 juin à Amsterdam. Si vous souhaitez y assister, nous avons une offre spéciale pour nos lecteurs. Utilisez le code TNWXMEDIA à la caisse pour obtenir 30 % de réduction sur votre carte d’affaires, passe investisseur ou des packages de démarrage (Amorcer & Augmenter). Nous offrons également une réduction de 50 % pour le Les femmes dans la technologie billet.