L'intelligence artificielle générative comprend des modèles qui approximativement les distributions de données et peuvent générer de nouveaux points de données plausibles.
Les méthodes centrales incluent les réseaux antagonistes génératifs (GAN), les autoencodeurs variationnels (VAE) et les modèles autorégressifs comme GPT.
Ces modèles apprennent en optimisant des fonctions de perte visant à ne pas distinguer les données générées des données d'entraînement réelles.
L'IA générative a des applications importantes dans la synthèse d'images, le traitement du langage naturel et la simulation de systèmes complexes.
Définition :
« L'intelligence artificielle générative désigne des systèmes capables de générer de nouveaux contenus en apprenant les motifs sous-jacents d'un ensemble de données donné, produisant des sorties qui ressemblent à la distribution originale des données. »
Source :
Goodfellow et al. – Generative Adversarial Nets, 2014 ; ainsi que des articles de synthèse récents sur l'IA générative.