L'IA générative pratique avec les transformateurs et les modèles de diffusion

Chapitre 1. Introduction aux médias génératifs

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Les modèles génératifs sont devenus très populaires ces dernières années. Si tu lis ce livre, tu as probablement interagi avec un modèle génératif à un moment ou à un autre. Tu as peut-être utilisé ChatGPT pour générer du texte, utilisé le transfert de style dans des applications comme Instagram, ou vu les vidéos deepfake qui ont fait la une des journaux. Ce sont tous des exemples de modèles génératifs en action !

Dans ce livre, nous allons explorer le monde des modèles génératifs, en commençant par les bases de deux familles de modèles génératifs, les transformateurs et la diffusion, et en progressant vers des sujets plus avancés. Nous aborderons les types de modèles génératifs, leur fonctionnement et leur utilisation. Dans ce chapitre, nous ferons un peu d'histoire pour expliquer comment nous en sommes arrivés là et nous jetterons un coup d'œil sur les possibilités offertes par certains modèles, que nous explorerons plus en profondeur tout au long de l'ouvrage.

Alors, qu'est-ce que la modélisation générative ? À la base, il s'agit d'apprendre à un modèle à générer de nouvelles données qui ressemblent à ses données d'entraînement. Par exemple, si je forme un modèle sur un ensemble de données d'images de chats, je peux ensuite utiliser ce modèle pour générer de nouvelles images de chats qui semblent provenir ...