GFlowNets: Sampling as sequential decision making

Ce document décrit la politique concernant l’utilisation des agents d’IA et des chatbots dans le développement du travail de cours, en particulier le code du projet, le rapport final et la présentation.

Read the policy about the use of AI agents and chatbots in English

Résumé

En résumé, les aspects les plus importants de la politique sont les suivants :

  • L’utilisation de chatbots LLM, d’agents d’IA et d’assistants à la programmation est généralement découragée dans ce cours, car cela peut être préjudiciable aux objectifs d’apprentissage.
  • Pour tous les travaux écrits, en particulier le rapport final, la génération de texte avec des chatbots LLM ou des agents AI n’est pas autorisée de manière expresse. Tout le texte doit être écrit par vous. Les outils de vérification orthographique sont autorisés.
  • Pour tous les travaux de programmation, en particulier le projet final, l’utilisation de chatbots et assistants de codage ainsi que la génération de grandes quantités de code à partir de zéro n’est pas autorisée de manière expresse. L’utilisation de chatbots est autorisée à titre de soutien et pour la génération de petits extraits de code. Vous devez comprendre tout le code utilisé pour le projet.
  • L’utilisation de chatbots pour générer de nouvelles idées ou pour le brainstorming est fortement déconseillée. Vous devez vous familiariser avec les thèmes abordés dans ce cours en consultant des bibliographies fiables et en suivant les cours, afin de pouvoir ensuite proposer vos propres idées.
  • Toutes les utilisations des chatbots LLM, agents d’IA et assistants de codage doivent être déclarées et décrites dans le rapport final, dans une section distincte intitulée « Déclaration de l’utilisation des outils basés sur l’IA ».
  • La violation de cette politique peut impliquer l’échec du cours.

Cette politique correspond au niveau 2 – « utilisation permise, mais restreinte » – de l’encadrement de l’utilisation de l’intelligence artificielle générative à l’Université de Montréal.

Motivation

L’objectif de ce cours est de vous enseigner à la fois les aspects théoriques des GFlowNets et leurs applications pratiques. En tant qu’étudiant·e·s du cycle supérieur, vous devez aussi apprendre et pratiquer des compétences telles que la programmation, l’organisation d’un projet, planifier le travail, former des modèles d’apprentissage automatique, analyser de manière critique les résultats, tirer des conclusions, rédiger un rapport technique, etc.

Le déploiement généralisé d’outils assistés par l’IA, tels que les chatbots et les assistants, a entraîné leur adoption par de nombreuses personnes pour de nombreuses tâches similaires à celles que vous développerez dans ce cours, telles que la programmation, l’écriture et même le brainstorming et l’idéation. Cependant, dans le meilleur des cas, il est très incertain que l’utilisation de ces outils vous aiderait à développer ces compétences. Dans le pire des cas, il est certain que l’utilisation abusive de ces outils basés sur l’IA serait préjudiciable à la réalisation des objectifs d’apprentissage de ce cours. Par exemple, si vous demandez à un chatbot ou agent de générer le code et le rapport final de votre projet d’apprentissage automatique, vous pouvez obtenir un résultat qui semble OK, mais vous n’apprendrez probablement rien au-delà de l’interaction avec un chatbot, ce qui n’est pas un objectif de ce cours.

Pour ces raisons, l’utilisation d’agents d’IA, d’assistants et de chatbots est généralement découragée pour le développement du travail de cours, et elle n’est pas autorisée pour certaines tâches telles que la rédaction du rapport final.

La capacité de rédiger clairement un contenu technique et scientifique pour décrire des idées et des processus complexes est une compétence très importante à développer. La sortie tangible de l’écriture - un texte - peut être répliquée par un modèle linguistique, mais les processus cognitifs qui se déroulent pendant que nous écrivons et les compétences acquises pendant que nous apprenons à écrire ne peuvent pas être répliquées si nous externalisons le processus vers un outil automatique. En d’autres termes, apprendre à rédiger un contenu technique et scientifique nous apprend à mieux réfléchir. Pour ces raisons, la génération de texte n’est spécifiquement pas autorisée et vous devez écrire tout le contenu du rapport final.

De façon similaire aux avantages pédagogiques de l’écriture, la programmation joue un rôle fondamental dans l’apprentissage d’algorithmes et de méthodes complexes en informatique, et plus particulièrement en apprentissage automatique. Le processus consistant à écrire du code, à le relire et à le tester n’est pas seulement une compétence importante qui fait partie des objectifs du cours, mais il contribue également à approfondir et à consolider notre compréhension des méthodes utilisées.

Outre les raisons mentionnées ci-dessus, il est également important de mentionner que l’utilisation extensive d’outils basés sur l’IA présente des préoccupations environnementales et éthiques. La prolifération des outils basés sur l’IA et leur déploiement généralisé ont déclenché la construction et l’extension de grands centres de données. Ces centres de données nécessitent une utilisation intensive de matières premières et consomment de grandes quantités d’eau et d’électricité, ce qui entraîne des impacts environnementaux qui suscitent de graves préoccupations dans le contexte actuel de crise climatique. De plus, tant le développement que l’utilisation des grands systèmes d’IA ont été associés à de multiples préoccupations éthiques, notamment la discrimination de certains groupes, l’augmentation des inégalités dues à l’appropriation des ressources et à l’accumulation de richesses, la violation du droit d’auteur et la propagation des mal- et la désinformation, parmi de nombreux autres problèmes.

Bibliographie