❌

Vue lecture

[Article 1/2] Des modèles de langage aux modèles de monde

Dans le prolongement des modèles de langage, des chercheurs et entrepreneurs se sont lancés dans la conception et le développement de « modèles de mondes » (World Models), dont l’objectif est de « comprendre le monde physique », voire de « prédire le futur ».

  •  

[Article 2/2] Des modèles de mondes avides de données, non sans risques

Comprendre le monde physique nécessite selon les concepteurs de modèles de monde des données plus riches que les seules données textuelles ou images, dont les sources ne sont pas toujours définies. Les conditions de leur collecte comme les usages des ces modèles lorsqu’ils seront en production posent de nouveaux enjeux pour les droits des personnes.

  •  

[Dossier] Y a-t-il des humains dans les World Models ?

Dans le prolongement des modèles de langage, chercheurs et entrepreneurs développent des « modèles de monde » visant à comprendre le monde physique et à anticiper certains événements. Selon leurs concepteurs, ces modèles nécessitent des données plus riches que les textes ou les images, dont les sources restent parfois floues. La collecte de ces données et les usages futurs de ces systèmes soulèvent ainsi de nouveaux enjeux pour les droits des personnes.

  •  

Tools

The LINC is building tools and running experimentiongs. Find more about our projects

  •  

[vidéo] Research@LINC : Quand l'histoire rencontre la cryptographie, Camille Desenclos et Cécile Pierrot

Les archives et bibliothèques abritent des dizaines de milliers de textes chiffrés, pour ne pas révéler secrets et autres stratégies confidentielles.Depuis le déchiffrement d’une lettre de Charles Quint jusqu’au projet Back in Time, qui réunit historiens, cryptographes et spécialistes d’intelligence artificielle, Camille Desenclos et Cécile Pierrot présentent les recherches les plus récentes.

  •  

[Quizz] Saurez-vous reconnaître les designs trompeurs ?

Le LINC publie Apparences Trompeuses, un site de test de sensibilisation aux designs trompeurs (aussi appelés dark patterns) pour s’entrainer à les reconnaître, et apprendre comment certaines pratiques nous poussent à partager plus de données personnelles que ce que nous voudrions initialement.

 

  •  
❌