(R)évolution de l'IA générative appliquée au langage – 24-04-2025 – Aix-en-Provence

Les IA génératives appliquées au langage, telles que "chatGPT", ont donné un coup de projecteur inédit sur les recherches en Traitement Automatique des Langues, domaine de recherche interdisciplinaire mêlant informatique, mathématique, linguistique et sciences cognitives. Le but de cette présentation est d'une part de situer les modèles de langue tels que chatGPT dans l'histoire d'un domaine ayant débuté dans les années 50 avec la première "vague" de l'IA, et d'autre part de faire comprendre, sans entrer dans des détails techniques, les principes sur lesquels sont fondés ces modèles, leurs forces, leurs faiblesses, et les analogies que l'on peut faire entre l'apprentissage des langues chez les humains et les machines.

Generative AIs applied to language, such as "chatGPT", have given an unprecedented boost to research in Automatic Language Processing, an interdisciplinary field of research combining computer science, mathematics, linguistics and cognitive science. The aim of this presentation is, on the one hand, to situate language models such as chatGPT in the history of a field that began in the 1950s with the first "wave" of AI, and, on the other hand, to explain, without going into technical details, the principles on which these models are based, their strengths and weaknesses, and the analogies that can be drawn between human and machine language learning.

Die auf Sprache angewandte generative KI wie "chatGPT" hat die Forschung im Bereich der automatischen Sprachverarbeitung, einem interdisziplinären Forschungsgebiet, das Informatik, Mathematik, Linguistik und kognitive Wissenschaften vereint, in ein völlig neues Licht gerückt. Ziel dieser Präsentation ist es einerseits, Sprachmodelle wie chatGPT in die Geschichte eines Bereichs einzuordnen, der in den 1950er Jahren mit der ersten "Welle" der KI begann, und andererseits, ohne auf technische Details einzugehen, die Prinzipien, auf denen diese Modelle basieren, ihre Stärken und Schwächen sowie die Analogien, die man zwischen dem Sprachenlernen bei Menschen und Maschinen ziehen kann, verständlich zu machen.

Generatieve AI toegepast op taal, zoals 'chatGPT', heeft een ongekende impuls gegeven aan het onderzoek naar Automatische Taalverwerking, een interdisciplinair onderzoeksgebied dat informatica, wiskunde, linguïstiek en cognitieve wetenschap combineert. Het doel van deze presentatie is ten eerste om taalmodellen zoals chatGPT te situeren in de geschiedenis van een veld dat begon in de jaren 1950 met de eerste 'golf' van AI, en ten tweede om, zonder in technische details te treden, de principes uit te leggen waarop deze modellen zijn gebaseerd, hun sterke en zwakke punten, en de analogieën die kunnen worden getrokken tussen het leren van menselijke en machinale taal.

La IA generativa aplicada al lenguaje, como "chatGPT", ha dado un impulso sin precedentes a la investigación en Procesamiento Automático del Lenguaje, un campo de investigación interdisciplinar que combina informática, matemáticas, lingüística y ciencia cognitiva. El objetivo de esta presentación es, en primer lugar, situar los modelos lingüísticos como chatGPT en la historia de un campo que comenzó en los años 50 con la primera "ola" de IA y, en segundo lugar, explicar, sin entrar en detalles técnicos, los principios en los que se basan estos modelos, sus puntos fuertes y débiles, y las analogías que pueden establecerse entre el aprendizaje del lenguaje humano y el de las máquinas.

L'IA generativa applicata al linguaggio, come il "chatGPT", ha dato un impulso senza precedenti alla ricerca sull'elaborazione automatica del linguaggio, un campo di ricerca interdisciplinare che combina informatica, matematica, linguistica e scienze cognitive. L'obiettivo di questa presentazione è innanzitutto collocare i modelli linguistici come il chatGPT nella storia di un campo che ha avuto inizio negli anni Cinquanta con la prima "ondata" di IA e, in secondo luogo, spiegare, senza entrare nei dettagli tecnici, i principi su cui si basano questi modelli, i loro punti di forza e di debolezza e le analogie che si possono tracciare tra l'apprendimento del linguaggio umano e quello automatico.