Laboratoire Magique de l'IA
Une structure de cours rigoureuse intégrant quatre grandes parties : les fondamentaux de l'IA, la génération par grands modèles (GenAI et LLM), les agents et la computation évolutionnaire (mis en avant comme une caractéristique de PolyU), et l'éthique. La logique du cours progresse séquentiellement à travers la Perception & Données (L1-3), la Cognition & Génération (L4-6), les Agents & Évolution (L7-9), et se termine par l'Éthique & l'Avenir (L10).
Aperçu du cours
Résumé du contenu
Le "Laboratoire de Magie de l'IA" est un cours rigoureux et intégré conçu pour offrir une compréhension approfondie et séquentielle de l'Intelligence Artificielle moderne. Le programme est structuré en quatre modules progressifs : concepts fondamentaux (Perception & Données), capacités génératives avancées (Cognition & Génération via les LLM et les modèles de diffusion), systèmes autonomes (Agents & Calcul évolutionnaire) et gouvernance éthique (Éthique & Avenir). Les étudiants passeront d'une compréhension de la représentation numérique brute des données à maîtriser la conception de systèmes complexes, aboutissant à une vision globale de la création et du déploiement responsables de l'IA.
Ce cours fournit une compréhension rigoureuse et intégrée de l'IA moderne, couvrant les fondamentaux des données, les techniques de génération par Modèles de Langage Énormes (LLM), l'architecture des agents autonomes, et les considérations éthiques critiques nécessaires pour un déploiement responsable.
Objectifs d'apprentissage
- Maîtriser les fondamentaux de la perception par l'IA, de la représentation des données (Tenseurs) et des tâches fondamentales d'apprentissage supervisé comme la Classification.
- Comprendre et contrôler les Modèles de Langage Énormes (LLM) et l'IA générative en appliquant les concepts de prédiction de séquence, du mécanisme d'Attention et des techniques avancées d'ingénierie de prompts.
- Concevoir et analyser des Agents Intelligents, en intégrant la boucle Perception-Décision-Action avec des méthodes d'optimisation avancées basées sur des populations, telles que le Calcul Évolutionnaire.
- Différencier entre l'IA générative et discriminative, et expliquer le processus mécanique des modèles de diffusion pour la génération d'images à partir de texte.
- Évaluer les défis éthiques inhérents à l'IA contemporaine (biais des données, hallucinations des modèles, deepfakes) et proposer des stratégies pour une symbiose humain-IA responsable.