vendredi 11 octobre 2024

Permettre aux enseignants d’explorer le potentiel de l’intelligence artificielle

Naviguez dans l’IA dans l’éducation en examinant les concepts, techniques et outils d’IA essentiels, en mettant en évidence les applications pratiques. 

L’IA peut prendre en charge l’apprentissage personnalisé, automatiser les tâches quotidiennes et fournir des insights pour la prise de décision pilotée par les données. 


Qu’est-ce que l’IA ?

L’IA est définie comme « capacité d’un ordinateur ou d’une autre machine à effectuer ces activités [ou tâches] qui sont normalement considérées comme mobilisant l’intelligence ». (The American Heritage Dictionary)

Ce champ en croissance rapide se concentre sur le développement de systèmes informatiques capables d’effectuer des tâches IA qui impliquent diverses analyses ou production de données. Ces tâches incluent la production de prédictions ou de recommandations, la traduction linguistique, les systèmes de vision par ordinateur ou la reconnaissance vocale. L’IA a le potentiel de transformer différents secteurs, y compris l’éducation, de manière à automatiser les processus et à améliorer la prise de décision.

Commençons par nous plonger dans l’enthousiasmante histoire de l’intelligence artificielle.

1936 : Alan Turing invente l’ordinateur universel dans le cadre de ses efforts de résolution d’un problème.

1955 : l’informaticien Alain Newell, associé au programmeur de systèmes John Clifford Shaw et à l’économiste Herbert Simon, développent Logic Theorist, un programme conçu pour reproduire les compétences humaines en matière de résolution de problèmes.

1955 : John McCarthy utilise le terme « intelligence artificielle » pour la première fois.

1964 : Joe Weizenbaum, professeur au MIT, créé ELIZA, un chatbot conçu pour montrer des compétences conversationnelles.

1997 : Deep Blue d’IBM rentre dans l’histoire en battant Gary Kasparov à l’issue d’un match d’échecs en six parties.

2011 : Le superordinateur Watson d’IBM bat Ken Jennings, le champion absolu de Jeopardy, dans un match télévisé.

2015 : DeepFace de Facebook atteint une précision de 97,35 % dans la reconnaissance faciale.

2018 : Google Duplex devient partie intégrante de Google Assistant, ouvrant la voie à des actions multi-plateformes telles que prendre rendez-vous chez le coiffeur.

2019 : Le GPT-2 d’OpenAI atteint des performances de type humain dans le traitement du langage, à l’aide de réseaux neuronaux profonds.

2022 : ChatGPT, basé sur les architectures GPT-3.5 et InstructGPT, représente une avancée significative dans le traitement du langage naturel, car il s’améliore à partir des commentaires humains via l’apprentissage par renforcement, ce qui permet des réponses plus nuancées et adaptées au contexte.

2023 : Microsoft lance de nouvelles expériences basées sur l’IA, telles que Microsoft Copilot et Copilot pour Microsoft 365.

À mesure que le monde de l’IA continue d’évoluer, il est utile pour les enseignants de se constituer un vocabulaire IA de base.

Permettre aux enseignants d’explorer le potentiel de l’intelligence artificielle

  • 52 min restant
  • Module
  • 1 sur 9 unités terminées
Débutant
Enseignant du primaire/secondaire
Enseignant dans l’enseignement supérieur
Bing
Microsoft Edge
PowerPoint
Microsoft Copilot

Naviguez dans l’ia dans l’éducation en examinant les concepts, techniques et outils d’IA essentiels, en mettant en évidence les applications pratiques. L’IA peut prendre en charge l’apprentissage personnalisé, automatiser les tâches quotidiennes et fournir des insights pour la prise de décision pilotée par les données.

Objectifs d’apprentissage

Une fois ce module terminé, vous pourrez :

  • Décrivez l’IA générative dans le contexte plus large de l’IA en termes de fonctionnement de ces systèmes et de ce qu’ils peuvent faire.
  • Expliquer ce qu’est un modèle LLM (Grand Language Model) et les principes de base de son fonctionnement.
  • Utilisez les fonctionnalités génératives et sommatives des llms (générer du texte, développer à partir de main points, condenser en points main, répondre aux questions en fonction d’un texte donné, etc.).
  • Résumez les impacts potentiels.
  • Expliquez comment l’IA peut être utilisée pour améliorer les résultats d’apprentissage, réduire la charge de travail des enseignants et augmenter l’engagement des apprenants.
  • Expliquer comment l’utilisation de l’IA peut aider l’apprentissage à être plus accessible et inclusif.

Normes ISTE pour les enseignants :

  • Éducateur : Concepteur

  • Éducateur : Élève

Normes de l’UNESCO pour les enseignants :

  • Application des compétences numériques

  • Organisation et administration

  • Compréhension de l’ICT dans l’éducation

Continuer

Ce module fait partie de ces parcours d’apprentissage







Les enseignants peuvent tirer parti des fonctionnalités croissantes de l’IA lorsqu’ils demandent une assistance dans les tâches quotidiennes ou l’analyse des données, et pour imaginer de nouvelles expériences d’apprentissage.

Voici quelques terminologies clés dans le domaine de l’intelligence artificielle :


Données : faits pouvant être analysés ou utilisés pour acquérir des connaissances ou prendre des décisions ; informations (American Heritage Dictionary)

Algorithme : ensemble fini d’instructions non ambiguës qui, en fonction d’un ensemble de conditions initiales, peuvent être effectuées dans une séquence prescrite pour atteindre un certain objectif, ayant un ensemble reconnaissable de conditions de fin (American Heritage Dictionary)

Modèle : fonction produite après avoir été entraînée à reconnaître certains types de motifs dans les données

Entraînement : le processus consistant à fournir au modèle un algorithme qu’il peut utiliser pour raisonner et apprendre à partir d’un ensemble de données

Les scientifiques programment des machines avec des algorithmes qui recherchent des motifs dans les données. Le modèle applique ensuite la fonction à de nouvelles données, ce qu’on appelle l’apprentissage automatique.

L’IA a de nombreuses applications dans l’éducation, avec le potentiel de transformer les expériences d’enseignement et d’apprentissage. Voici quelques-unes des façons dont l’IA peut bénéficier à l’éducation :

Personnaliser l’apprentissage : analyse les besoins d’apprentissage individuels et permet aux enseignants d’adapter les instructions et les supports pour répondre aux besoins de chaque apprenant
Impliquer les apprenants : fournit des expériences interactives et des commentaires immédiats aux apprenants, les aidant à faire décoller leur créativité et à améliorer les résultats de l’apprentissage
Analyser les données efficacement : aide les enseignants à fournir des insights actionnables à partir de données situées à différents endroits, comme dans Insights

Améliorer l’accessibilité : crée des environnements d’apprentissage plus inclusifs avec des outils tels que la lecture à voix haute, la dictée, la traduction et le sous-titrage

Créer du contenu personnalisé : crée des plans de cours, des questionnaires, des rubriques et d’autres ressources de classe dans n’importe quelle langue et pour n’importe quel niveau d’apprenant

L’IA offre un potentiel considérable pour améliorer l’éducation en personnalisant les expériences d’apprentissage, en automatisant les tâches et en fournissant des insights précieux aux enseignants.

Et comme avec toute nouvelle technologie, les enseignants doivent équiper les apprenants des compétences nécessaires pour utiliser efficacement les outils d’IA et évaluer leurs productions. 

À mesure que les technologies d’IA continuent de progresser, il est important que les enseignants soient engagés et prêts à s’assurer que tous les apprenants ont la possibilité de développer ces compétences et d’accéder aux ressources IA.

L’IA peut permettre aux enseignants de créer des environnements d’apprentissage attrayants, innovants et inclusifs pour les apprenants tout en les aidant à préparer l’avenir. Embrassez les opportunités !



Instructions retournées avec PowerPoint Recorder - Training | Microsoft Learn

https://learn.microsoft.com/fr-fr/training/modules/flipped-instruction-powerpoint-recorder/

IA pour les enseignants - Training | Microsoft Learn

https://learn.microsoft.com/fr-fr/training/paths/ai-education/

Permettre aux enseignants d’explorer le potentiel de l’intelligence artificielle - Training | Microsoft Learn


https://learn.microsoft.com/api/achievements/share/fr-fr/PierreErolGIRAUDY-3246/APEBEZN7?sharingId=67F473A8AC6E5DF7


Comment l’intelligence artificielle peut-elle renforcer l’éducation ? | UNESCO


https://www.unesco.org/fr/articles/comment-lintelligence-artificielle-peut-elle-renforcer-leducation






PIERRE EROL GIRAUDY 







à Aucun commentaire:
Libellés : , , ,

Installation de Llama 3.2 sur un PC-AI.

 Installation de Llama 3.2 sur un PC-AI sous Windows.

- Meta a présenté les modèles Llama 3.2 (00:00 - 00:33) : Meta a lancé la famille Llama 3.2, composée de quatre modèles : deux petits modèles basés sur le texte et deux modèles multimodaux de taille moyenne. Les modèles multimodaux peuvent traiter des tâches de texte et de vision et sont open source, mais les modèles de vision ne sont pas encore disponibles en téléchargement en Europe en raison de problèmes de régulation.

- Détails et capacités des modèles (01:03 - 01:32) : Les modèles Llama 3.2 comprennent des petits modèles de 1 000 à 3 000 millions de paramètres, ainsi qu'un modèle de vision avec 11 000 millions de paramètres, qui est disponible pour des tests gratuits. Ces modèles peuvent être utilisés localement comme assistants pour les navigateurs, offrant des résumés ou analysant des informations sensibles comme des e-mails.

- Comparaisons de performances et benchmarks (02:32 - 03:24) : Les benchmarks montrent que les modèles Llama 3.2 sont performants pour les tâches de vision par rapport à des concurrents comme GPT-4 mini et Cloud 3 high-Q d’Anthropic, mais peuvent rencontrer des difficultés avec des tâches plus complexes. Le modèle de vision, bien qu'il soit capable de fournir des descriptions basiques d'images, éprouve parfois des difficultés avec l'analyse détaillée et la précision.

- Tests d'analyse d'image et OCR (06:21 - 12:57) : Les capacités d'analyse d'image et d'OCR du modèle Llama 3.2 montrent des résultats mitigés. Parfois, il fournit des descriptions précises, mais d'autres fois, il fait des erreurs ou "hallucine" des détails. Par exemple, il a eu des difficultés à interpréter un graphique sur les émissions de CO2 et à traiter une tâche d'OCR avec un reçu.

- Utiliser les modèles localement dans les navigateurs (14:28 - 21:13) : Les petits modèles Llama 3.2 peuvent être utilisés comme assistants pour les navigateurs locaux grâce à des intégrations avec Brave ou Chrome via des extensions comme Page Assist. Ces configurations permettent des interactions IA localisées, mais la précision et la facilité d'utilisation varient entre les navigateurs, Brave offrant une expérience plus cohérente.

llama3.2 (ollama.com) https://ollama.com/library/llama3.2

Llama 3.2: Revolutionizing edge AI and vision with open, customizable models (meta.com)

Il faut le charger et avec le fichier de log vous avec l’URL du serveur.

Elle sera du type : http://127.0.0.1:11xxx

Essayez Llama 3.2 dès aujourd’hui

Llama 3.2 est sur le point d’atteindre plus de personnes que jamais auparavant et de permettre de nouveaux cas d’utilisation passionnants. Nous pensons que le partage de ces modèles avec la communauté open source n’est pas suffisant. Nous voulons nous assurer que les développeurs disposent également des outils dont ils ont besoin pour créer avec Llama de manière responsable. Dans le cadre de nos efforts continus en matière de publication responsable, nous proposons aux développeurs de nouveaux outils et ressources, et comme toujours, nous mettrons à jour les bonnes pratiques dans notre Guide d’utilisation responsable.

Nous continuons à partager les dernières avancées de l’écosystème Llama, car nous pensons que l’ouverture stimule l’innovation et est bonne pour les développeurs, Meta et le monde. Nous sommes impatients de poursuivre les conversations que nous avons avec nos partenaires et la communauté open source, et comme toujours, nous sommes impatients de voir ce que la communauté construira en utilisant Llama 3.2 et Llama Stack.

Démonstration :

(15) 🦙 Ollama les lamas qui Redéfinissent l'Avenir de la Créativité et de l'Intelligence Artificielle ! - YouTube



El navegador que te da prioridad | Brave

Page Assist - Une interface Web pour les modèles d'IA locaux


LLAMA est un sujet intéressant !

LLAMA se réfère à une application d'intelligence artificielle nommée Large Language Model Application, mais elle porte également le nom d'un modèle d'intelligence artificielle développé par Meta AI. Llama est un type de modèle de langage transformateur qui utilise l'apprentissage autonome pour améliorer ses performances sur les tâches de traitement du langage naturel.

Voici quelques caractéristiques et capacités clés du LLAMA :

  1. Compréhension du Langage Naturel : Llama est entraîné sur un grand ensemble de texte, ce qui lui permet de comprendre les nuances du langage humain, notamment la grammaire, la syntaxe et le sens.

  2. Génération de Texte : Le modèle peut générer du texte cohérent et contextuel en fonction d'un prompu ou d'un sujet donné.

  3. Dialogue Artificiel : Llama peut mener des conversations, utilisant sa compréhension du langage pour répondre aux questions, fournir des informations et même créer du contenu.

  4. Support Multilingue : LLAMA a été entraîné dans plusieurs langues, ce qui lui permet de comprendre et de générer du texte en différentes langues.

Les capacités du LLAMA ont de nombreuses applications concrètes, telles que :

  1. Chatbots et Assistants Virtuels : Llama peut équiper des chatbots et des assistants virtuels avec des capacités de conversation humaines.

  2. Création de Contenu : Le modèle peut être utilisé pour la création de contenu, tels les articles, les publications sur les réseaux sociaux ou même les paroles de chansons.

  3. Traduction Linguistique : Les capacités multilingues du LLAMA en font un outil exceptionnel pour les tâches de traduction linguistique.

Cependant, comme tout modèle d'intelligence artificielle, le Llama a des limites et des biais potentiels :

  1. Qualité des Données : La qualité des données d'entraînement peut affecter l'exactitude et la fiabilité du modèle.

  2. Compréhension Contextuelle : Bien que LLAMA soit excellent pour comprendre certains aspects du langage, elle peut avoir du mal à comprendre les nuances qui nécessitent une compréhension plus complexe.

Ci-dessus LLAMA en fonction.

Cependant, vous pouvez utiliser les API de Meta pour interagir avec le modèle LLaMA en ligne. Voici quelques options :

  1. Meta's Model Hub : Vous pouvez trouver des informations sur le modèle LLaMA et comment l'utiliser dans le Model Hub de Meta.

  1. Hugging Face Transformers : Hugging Face est un fournisseur de bibliothèques d'intelligence artificielle qui propose une interface pour utiliser le modèle LLaMA via son API.

  1. Meta's AI Platform : Vous pouvez également utiliser l'API de Meta pour interagir avec le modèle LLaMA en utilisant la plateforme d'intelligence artificielle de Meta.

Il est important de noter que ces APIs peuvent nécessiter une inscription ou un accès autorisé pour utiliser les services de Meta.

Abonnez-vous pour ne manquer aucun de nos tutoriels hilarants et informatifs ! #OllamaTutorial #TechTips #ApplicationInstallation #InnovativeTech #OllamaGuide https://blondeduweb.com/liste/tutos/ https://ollama.com/ https://github.com/ollama/ollama



à Aucun commentaire:
Libellés : , , ,
Inscription à : Articles (Atom)

Cette Mise à Jour de Claude est EXCELLENTE ! (Styles Personnalisés)

Customize your styles Cette Mise à Jour de Claude est EXCELLENTE ! (Styles Personnalisés) Claude a récemment eu une mise à j...