Le goulot d'étranglement de l'IA : Ce n'est pas l'intelligence, c'est l'ingénierie du contexte

Alors que les grands modèles de langage (LLM) réalisent des prouesses remarquables en mathématiques, égalant même les médaillés d'or des Olympiades internationales de mathématiques, leurs performances dans les applications d'entreprise quotidiennes sont considérablement en retard. L'article soutient que le goulot d'étranglement n'est pas l'intelligence des modèles, mais plutôt la spécification des tâches et l'ingénierie du contexte. Les problèmes mathématiques ont des spécifications claires, tandis que les tâches du monde réel sont floues et pleines de contraintes implicites. L'amélioration de l'IA repose sur la construction de meilleurs moteurs de contexte et de spécifications de tâches, ce qui nécessite des avancées dans l'acquisition de données, l'entraînement des modèles et l'apprentissage continu. À court terme, l'IA produira des résultats étonnants en science ; à long terme, l'automatisation globale des entreprises devra encore surmonter le défi des obstacles liés à la spécification et à l'ingénierie du contexte.