Je suis incapable de répondre aux questions que tu poses à ChatGPT, mais plus je joue avec en matière de programmation, et moins je crains de devoir lui céder mon boulot un joue, il est vrai. Ca reste impressionnant, mais ça a ses limites, et assez tôt.
Pooteen président !Shermann a écrit :It's a jungle out there : 978-2412019689
War Again a écrit : ↑28 avr. 2023, 08:22Je suis incapable de répondre aux questions que tu poses à ChatGPT, mais plus je joue avec en matière de programmation, et moins je crains de devoir lui céder mon boulot un joue, il est vrai. Ca reste impressionnant, mais ça a ses limites, et assez tôt.
Il faudrait tout de même que l'âge légal de départ à la retraite ne recule pas trop d'ici à 20-25 ans, sinon je vais vraiment finir par céder mon job à une IA. :/
Peux-tu me donner un exemple commenté d'utilisation de Sélénium dans ce contexte ?Pour obtenir et analyser une page web complexe utilisant beaucoup de JavaScript pour s'afficher à l'écran avec Python, vous pouvez utiliser une bibliothèque telle que Selenium.
Selenium est une bibliothèque Python qui permet d'automatiser les actions du navigateur web, comme cliquer sur des boutons et remplir des formulaires. Il peut également être utilisé pour extraire des données de pages web générées dynamiquement avec JavaScript.
Voici les étapes pour utiliser Selenium pour extraire des données d'une page web avec beaucoup de JavaScript :
Installer Selenium : Vous pouvez l'installer via pip en exécutant la commande pip install selenium dans votre terminal.
Télécharger un driver pour votre navigateur : Selenium a besoin d'un driver pour contrôler le navigateur. Vous pouvez télécharger les drivers les plus populaires pour Chrome, Firefox, etc. depuis le site officiel de Selenium.
Importer les modules nécessaires : Vous devez importer les modules de Selenium dans votre script Python.
Ouvrir une instance du navigateur : Vous pouvez utiliser la classe webdriver de Selenium pour ouvrir une instance du navigateur.
Charger la page web : Utilisez la méthode get de la classe webdriver pour charger la page web que vous voulez analyser.
Attendre que la page se charge complètement : Vous pouvez attendre que la page se charge complètement en utilisant des méthodes de la classe webdriver, telles que implicitly_wait ou WebDriverWait.
Interagir avec la page web : Vous pouvez interagir avec la page web en utilisant des méthodes de la classe webdriver, telles que find_element_by_* pour trouver un élément de la page, ou execute_script pour exécuter du JavaScript personnalisé.
Extraire les données : Utilisez les méthodes de la classe webdriver pour extraire les données que vous souhaitez analyser.
Fermer le navigateur : Utilisez la méthode close de la classe webdriver pour fermer l'instance du navigateur.
Il convient de noter que l'utilisation de Selenium pour extraire des données de pages web peut être limitée par les politiques du site web et les lois sur la protection de la vie privée. Par conséquent, il est important de vérifier les politiques du site web et de respecter toutes les restrictions imposées par le site.
Bien sûr ! Voici un exemple commenté d'utilisation de Selenium pour extraire des données d'une page web complexe qui utilise beaucoup de JavaScript pour s'afficher à l'écran :
python
Copy code
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
# Créer une instance du navigateur
driver = webdriver.Chrome('chemin/vers/le/driver/chromedriver.exe')
# Charger la page web
driver.get('https://www.example.com/')
# Attendre que la page se charge complètement
wait = WebDriverWait(driver, 10)
wait.until(EC.visibility_of_element_located((By.XPATH, '//*[@id="content"]')))
# Interagir avec la page web
button = driver.find_element(By.XPATH, '//*[@id="my-button"]')
button.click()
# Attendre que la page se charge complètement à nouveau après le clic
wait.until(EC.visibility_of_element_located((By.XPATH, '//*[@id="result"]')))
# Extraire les données
result = driver.find_element(By.XPATH, '//*[@id="result"]')
print(result.text)
# Fermer le navigateur
driver.close()
Dans cet exemple, nous avons utilisé le navigateur Chrome et le driver Chrome fourni par Selenium pour contrôler le navigateur.
Nous avons chargé la page web en utilisant la méthode get de la classe webdriver. Nous avons ensuite attendu que la page se charge complètement en utilisant la classe WebDriverWait de Selenium avec la méthode until pour attendre que l'élément #content soit visible sur la page.
Nous avons ensuite interagi avec la page en cliquant sur un bouton #my-button. Nous avons à nouveau attendu que la page se charge complètement après le clic en utilisant la méthode until avec l'élément #result.
Enfin, nous avons extrait les données de la page en utilisant la méthode text de l'élément #result, puis nous avons fermé le navigateur en utilisant la méthode close de la classe webdriver.
Cet exemple est juste un exemple générique, il conviendra d'adapter les sélecteurs en fonction de la page web à analyser.
https://www.lefigaro.fr/secteur/high-te ... a-20230919Onclusive, cette entreprise française qui licencie plus de 200 salariés pour les remplacer par une IA Par Emma Confrère
Sur 447 «personnes employées en France dans l'ensemble des entreprises d'Onclusive», 209 salariés devraient donc être licenciés et 8 postes vacants laissés sans remplacement. Si les salariés regrettent cette décision, la société de veille médiatique assure qu’elle obtiendra ainsi de meilleurs résultats pour ses clients. Après une entreprise indienne, au tour d’une société tricolore de remplacer une partie de ses salariés par une intelligence artificielle. La filiale française d’Onclusive, qui réalise de la veille médiatique pour des professionnels, compte ainsi supprimer un grand nombre de postes. Objectif présenté par le PDG, Rob Stone, dans un mail daté du 5 septembre et consulté par Libération : «Devenir plus agiles et plus compétitifs» avec «des nouvelles technologies - et nouveaux outils qui rationaliseront [les] opérations […] et amélioreront l'efficacité et la précision» de l'entreprise.
217 postes sont concernés sur les 447 «personnes employées en France dans l'ensemble des entreprises» du groupe. Dans le détail, 209 salariés devraient être licenciés, 8 postes vacants laissés sans remplacement et 23 «nouvelles fonctions seraient créées». «Nous introduisons de nouvelles technologies et de nouveaux outils qui offriront à nos clients un service plus rapide et plus fiable», a plaidé, de son côté, Matthew Piercy, le président «Reputational Intelligence France» d'Onclusive, vendredi dernier. Parmi ces clients figurent notamment «plusieurs entreprises du CAC 40, mais aussi l'État français», mentionne Libération.
En deux ans, l’entreprise, autrefois gérée par Kantar et vendue à l’investisseur Symphony Technology Group (STG) a réussi à se faire une place de choix dans la veille médiatique. «L’intelligence artificielle n’est qu’une partie de la modernisation significative que nous entreprenons sur de nouveaux systèmes et infrastructures obsolètes que nous avons hérités de nos entreprises fondatrices», précise Onclusive au Figaro.
Pour les salariés et les syndicats, c’est la douche froide. «C’est une mauvaise idée sociale, mais c’est aussi une mauvaise idée économique. Sur certaines tâches, la machine ne peut pas remplacer l’humain. Elle n’a pas sa pertinence, sa subtilité. L’être humain, lui, est capable de filtrer et d’affiner le flux d’information. Et puis, il a la connaissance et la relation avec le client, chose que n’aura jamais l’IA», confie un délégué FO à Libération.
De son côté, l’entreprise se défend et assure «que la mise en œuvre de ce projet n’a pas été décidée à la légère». Onclusive va ainsi organiser «dix réunions préparatoires avec les élus», «des experts assisteront le Comité social et économique» et «une entreprise spécialisée» va travailler pour «le reclassement» des salariés concernés. Pour l’heure, l’info-consultation, qui a débuté le 15 septembre, va durer trois mois. Les premiers départs s’effectueront ensuite en janvier et s’étaleront jusqu’en juin 2024.
https://github.com/saprmarks/geometry-of-truthLarge Language Models (LLMs) have impressive capabilities, but are also prone to outputting falsehoods. Recent work has developed techniques for inferring whether a LLM is telling the truth by training probes on the LLM's internal activations. However, this line of work is controversial, with some authors pointing out failures of these probes to generalize in basic ways, among other conceptual issues. In this work, we curate high-quality datasets of true/false statements and use them to study in detail the structure of LLM representations of truth, drawing on three lines of evidence: 1. Visualizations of LLM true/false statement representations, which reveal clear linear structure. 2. Transfer experiments in which probes trained on one dataset generalize to different datasets. 3. Causal evidence obtained by surgically intervening in a LLM's forward pass, causing it to treat false statements as true and vice versa. Overall, we present evidence that language models linearly represent the truth or falsehood of factual statements. We also introduce a novel technique, mass-mean probing, which generalizes better and is more causally implicated in model outputs than other probing techniques.
Je n'arrivais pas à la lire sur mon téléphone. Après visionnage le lipdub est pas mal, mais ce n'est pas (encore) la voix de l'intéressée.
Our empirical results show transformers demonstrate near-optimal unsupervised model selection capabilities, in their ability to first in-context identify different task families and in-context learn within them when the task families are well-represented in their pretraining data. However when presented with tasks or functions which are out-of-domain of their pretraining data, we demonstrate various failure modes of transformers and degradation of their generalization for even simple extrapolation tasks. Together our results highlight that the impressive ICL abilities of high-capacity sequence models may be more closely tied to the coverage of their pretraining data mixtures than inductive biases that create fundamental generalization capabilities.
.(3) sortir du modèle collectiviste étatique d'opportunité (4) remettre les compétences en avant €€ (5). anéantir les crabes, grillons , leur culture, logique et financement chose impossible car justement c'est eux qui sont a tête de l'UE. Par exemple comme en Argentine faire sauter notre collectivisme etatique semi public/prive mais c'est quasi impossible et des générations.sacrifiées.. 
Videos des présidents de 3 des 8 universités de l'ivy league : Haward, Ppen, MIT auquel faut rajouter Columbia, interrogés officiellement, statuent "ne pas voir de soucis quand on menace des juifs d'un nouveau génocide." Tout dépend de la situation"
