Lors d’un échange avec le podcaster Theo Von, Sam Altman, PDG d’OpenAI, a abordé les enjeux de confidentialité liés à ChatGPT.

Il a noté que de nombreuses personnes, notamment des jeunes, utilisent le chatbot pour discuter de sujets personnels, semblables à une thérapie.

Cependant, contrairement aux conversations avec des professionnels tels que des médecins ou des avocats, ces interactions avec l’IA ne bénéficient pas d’une protection juridique en matière de confidentialité.

En cas de poursuites judiciaires, OpenAI pourrait être contraint de divulguer des informations sensibles.

Altman estime qu’il est crucial d’instaurer une protection similaire pour les échanges avec les intelligences artificielles.

Il considère que la question de la confidentialité doit être traitée d’urgence par les législateurs, même si les lois actuelles n’ont pas encore évolué pour couvrir cette problématique.

De son côté, Theo Von exprime ses réserves quant à l’utilisation de l’IA, craignant pour la sécurité de ses informations personnelles.

En outre, des témoignages émergent sur des personnes utilisant ChatGPT comme un soutien émotionnel, illustrant son rôle croissant en tant que thérapeute virtuel, comme l’exemple d’une influenceuse qui a trouvé du réconfort en discutant de ses luttes avec le chatbot.

Graphmetamat est un outil innovant de conception inverse permettant de créer des métamatériaux en utilisant une approche graphique et des entrées personnalisées.

Développé par des chercheurs de l’UC Berkeley, ce système d’intelligence artificielle (IA) génère des nœuds et des bords graphiques pour définir la structure des matériaux, tout en intégrant des contraintes de fabrication et des défauts potentiels.

Cela répond à un besoin croissant de métamatériaux optimisés pour des applications industrielles variées, depuis les pare-chocs de voiture aux implants médicaux.

L’originalité de Graphmetamat réside dans sa capacité à produire des conceptions viables qui non seulement respectent les exigences techniques, mais résistent également aux défauts induits par la fabrication.

Les chercheurs ont combiné plusieurs techniques d’apprentissage en profondeur pour surmonter les limitations des méthodes de conception existantes, qui peinent souvent à modéliser des comportements complexes.

Les résultats préliminaires montrent que les métamatériaux conçus avec Graphmetamat surpassent les solutions traditionnelles, ouvrant ainsi la voie à des innovations passionnantes dans le domaine des matériaux à haute performance.

Un nouveau défi de codage IA, le prix K, a été lancé par le Laude Institute, avec son premier gagnant, Eduardo Rocha de Andrade, un ingénieur brésilien ayant obtenu un score de réussite de seulement 7,5 % aux questions.

Ce défi vise à établir des barèmes rigoureux pour évaluer la performance des modèles d’IA en programmation, contrastant avec le système SWE-Bench qui présente des scores beaucoup plus élevés.

L’organisateur, Andy Konwinski, a mis en lumière le besoin de références difficiles et a promis un million de dollars au premier modèle open source atteignant un score supérieur à 90 %.

Le prix K, conçu comme une version sans contamination de SWE-Bench, utilise des problèmes de GitHub signalés après une date limite pour éviter l’apprentissage ciblé.

Les critiques soulignent l’importance de ces nouveaux repères pour évaluer l’IA, avec des opinions partagées sur les causes de la disparité de scores.

Konwinski insiste sur le fait que la difficulté de ce défi sert de rappel sur l’état actuel des capacités d’IA, incitant ainsi l’industrie à relever le défi et à repenser les attentes vis-à-vis des performances des modèles.