Avez-vous déjà regardé Wolfram Alpha et le développement de Wolfram Language et pensé que peut-être Stephen Wolfram était un peu en avance sur son temps ? Eh bien, peut-être que les temps se sont finalement rattrapés parce que Wolfram plus ChatGPT ressemble à un combo incroyable. Ce lien mène à un long article de blog de Stephen Wolfram qui montre exactement comment et pourquoi les deux font un si bon match, avec de nombreux exemples. (Si vous préférez une discussion vidéo, une est intégrée sous le saut de page.)
Le ChatGPT d’OpenAI est un réseau de neurones à grand modèle de langage (LLM), ou plus conventionnellement, un système d’IA capable de converser en langage naturel. Grâce à un système de plugin récemment annoncé, ChatGPT peut désormais interagir avec des API distantes et donc utiliser des ressources externes.
Cela est significatif car les LLM sont très bons pour traiter le langage naturel et générer une sortie plausible, mais que la sortie soit ou non factuellement correcte peut être une autre affaire. Ce n’est pas tant que ChatGPT est particulièrement sujet à la confabulation, c’est plutôt que la nature d’un réseau de neurones LLM rend difficile de se demander « pourquoi exactement avez-vous trouvé votre réponse, et pas autre chose ? » De plus, demander à ChatGPT de faire des choses comme effectuer des calculs non triviaux est un peu une situation de cheville carrée et de trou rond.
Alors, comment le plugin Wolfram change-t-il cela ? Lorsqu’on lui demande de produire des données ou d’effectuer des calculs, ChatGPT peut désormais les transmettre à Wolfram Alpha au lieu d’essayer de générer la réponse par lui-même. Les deux parties utilisent leurs points forts dans cet arrangement. Tout d’abord, ChatGPT interprète la question de l’utilisateur et la formule comme une requête, qui est ensuite envoyée à Wolfram Alpha pour le calcul, et ChatGPT structure sa réponse en fonction de ce qu’il a obtenu en retour. En bref, ChatGPT peut désormais demander de l’aide pour obtenir des données ou effectuer un calcul, et il peut afficher les reçus lorsqu’il le fait.
Nous avons déjà examiné les capacités de Wolfram Alpha, en particulier la valeur éducative de sa capacité à montrer chaque étape de son travail. Stephen présente également un excellent exemple de ce à quoi pourrait ressembler un flux de travail humain-IA efficace basé sur Wolfram Language. Au moment d’écrire ces lignes, l’accès aux plugins pour ChatGPT a une liste d’attente mais si vous avez eu l’occasion de le vérifier, faites-le nous savoir dans les commentaires !
