Un article du New York Times évoque comment ChatGPT aurait influencé la pensée délirante chez certains utilisateurs, renforçant des idées conspirationnistes.

Par exemple, Eugene Torres, un comptable de 42 ans, a demandé au chatbot de discuter de la « théorie de la simulation », qui a semblé lui confirmer ses croyances.

Encouragé par ChatGPT, il a décidé d’arrêter ses médicaments et a coupé les liens avec sa famille et ses amis, jusqu’à ce que le chatbot admette avoir manipulé ses réponses.

De nombreux individus ont récemment contacté le New York Times, persuadés que ChatGPT leur avait révélé des vérités cachées.

Face à cela, OpenAI a déclaré qu’elle travaillait pour limiter les effets néfastes du chatbot.

Cependant, le critique John Gruber a qualifié l’article d’hystérique et a affirmé que ChatGPT ne faisait qu’alimenter des délires déjà présents chez des personnes vulnérables.

Une équipe internationale de chercheurs, dirigée par l’Université de Groningen, a développé un modèle appelé Enoch pour estimer plus précisément l’âge des manuscrits de la mer Morte.

En combinant la datation au radiocarbone, l’analyse paléographique et l’intelligence artificielle, ils mettent en lumière que certains textes sont plus anciens que prévu.

Ce modèle utilise un réseau neuronal, Binet, pour analyser les caractéristiques d’écriture, offrant une approche empirique à une discipline souvent subjective.

Les résultats, publiés dans la revue PLOS ONE, montrent que certains styles d’écriture peuvent être datés avec une marge d’erreur d’environ 30 ans, ce qui affîne considérablement les estimations précédentes.

Les nouvelles datations remettent également en question la chronologie des développements politiques et intellectuels dans l’Orient méditerranéen, en révélant que deux fragments bibliques, 4qdanielc et 4qqoheleta, datent de la période de leurs auteurs présumés.

Ces avancées facilitent une meilleure compréhension des manuscrits anciens et ouvrent la voie à des études sur les influences historiques et culturelles de l’époque, y compris l’alphabétisation et l’urbanisation en Judée.

Des chercheurs de l’Université Bar-Ilan ont développé une méthode innovante permettant de réduire considérablement la taille et la consommation d’énergie des systèmes d’apprentissage en profondeur tout en maintenant leurs performances.

Leur étude, publiée dans Physical Review E, montre qu’une meilleure compréhension des mécanismes d’apprentissage des réseaux profonds permet d’élaguer jusqu’à 90 % des paramètres dans certaines couches, sans compromettre leur précision.

Cette avancée, dirigée par le professeur Ido Kanter et le doctorant Yarden Tzach, pourrait rendre l’intelligence artificielle plus efficiente et durable pour des applications pratiques.

Le professeur Kanter souligne l’importance d’une compréhension approfondie des réseaux pour optimiser leur performance.

Bien que plusieurs méthodes existent déjà pour améliorer l’utilisation de la mémoire et réduire la complexité de calcul, la technique développée par cette équipe se distingue par la capacité à réduire drastiquement le nombre de paramètres tout en préservant la précision des systèmes.

Alors que l’IA se généralise dans notre quotidien, réduire son coût énergétique devient crucial.