Ai-Driven Learning 🧠⚡🤖

L'apprentissage piloté par l'IA.

Je me souviens que j'ai toujours eu à apprendre chapitre après chapitre, peu importe le domaine, géographie, histoire, mathématique et surtout informatique, mon domaine principal, je ne me posait pas souvent la question j'étais très gourmand il fallait que je gobe tout que je teste tout, ainsi j'ai appris le C++ par exemple pour créer des jeux videos et parce que ça me plaisait mais sauf que je n'ai jamais crée de jeux avec le C++, j'ai également de cette manière englouti des videos de cours de programmation pour des Framework que je n'ai jamais utilisé, suivi des parcourts entiers qui jusqu'à présent ne m'ont servi à rien, je ne dit pas que je regrette d'avoir utiliser cette approche pour apprendre tout ce que sais aujourd'hui, je dit que c'est une méthode vieille, longue, fastidueuse et inadapté dans un monde à l'ère des IA.

Cette méthode d'apprentissage linéaire est à bannir. Si l'apprentissage était une fonction, elle ne serait certainement pas une fonction affine. 

Au lieu de bouffer des chapitres après chapitres au risque d'au final n'utiliser que quelques pour cent de tout ce qu'on a appris pour résoudre un problème, on ferait mieux d'utiliser une méthode d'apprentissage plus moderne grâce à l'intelligence artificielle.

Classic Learning : on transporte tout sur soi en vue d'un éventuel danger

Ai-Driven Learning : on apprend que le strict nécessaire pour une situation bien précise

Dans l'Ai-Driven Learning on n'apprend que le nécessaire pour comprendre un concept

Au lieu de faire :

Chapitre 1 → Chapitre 2 → Chapitre 3 → ... → Application

On fait:

Problème ou concept → Décomposer toutes les connaissances nécessaires → Les apprendre au moment où elles deviennent indispensables → Résoudre le problème.

C'est une approche guidée par la demande plutôt que guidée par le programme.

Prenons un exemple, tu tombes sur la formule :

e^iπ+1=0

Au lieu de te dire : "Commence par le chapitre sur les nombres complexes", une IA pourrait construire automatiquement un graphe de dépendances :

• Qu'est-ce que (e) ?

  • limites

  • suites

  • exponentielle

• Qu'est-ce que (i) ?

  • nombres complexes

  • polynômes

  • racines de nombres négatifs

• Pourquoi peut-on élever un nombre à une puissance complexe ?

  • séries de Taylor

  • analyse complexe

• Pourquoi (\pi) intervient-il ?

  • cercle trigonométrique

  • sinus

  • cosinus

• Pourquoi cette identité est-elle vraie ?

  • formule d'Euler

Chaque fois que tu comprends un nœud, tu remontes vers le concept principal jusqu'à le maîtriser complètement.

C'est exactement comme un GPS qui calcule le chemin minimal vers une destination.

Cette idée est applicable à presque tous les domaines. En informatique, par exemple, si tu veux comprendre comment fonctionne Docker, et que tu n'as jamais fait de Docker dans ta vie, une IA pourrait dire :

Tu dois comprendre :

• les processus ;

• les systèmes Linux ;

• les namespaces ;

• les cgroups ;

• les systèmes de fichiers ;

• les images ;

• les réseaux ;

• les volumes.

Tu n'apprends rien d'autre. Seulement ce qui est nécessaire pour comprendre Docker.

Maintenant imagine que tu veuille apprendre les intégrales par exemple

Intégrales
     │
     ├──── Limites
     │
     ├──── Dérivées
     │
     └──── Continuité

L'IA cherche automatiquement le plus petit sous-graphe reliant ton objectif à ce que tu sais déjà. Tu n'auras plus qu'à suivre ces cours pour saisir entièrement la notion d'intégrale.

Deux personnes qui veulent apprendre la même chose n'auraient donc pas le même parcours.

Le principe de l'Ai-Driven Learning est simple :

1. Tu choisis un objectif précis ("Je veux comprendre les transformées de Fourier.").

2. L'IA construit le graphe complet des prérequis, et des cours complets

3. Elle identifie ceux que tu maîtrises déjà.

4. Elle te fait apprendre uniquement les connaissances manquantes.

5. Le parcours est recalculé après chaque nouvelle compétence.

Je pense que ce type d'apprentissage deviendra de plus en plus courant avec les modèles d'IA si ce n'est pas déjà le cas, car il est beaucoup plus proche de la manière dont les chercheurs, les ingénieurs et les développeurs apprennent réellement : ils partent d'un problème concret et acquièrent les connaissances nécessaires au fur et à mesure, plutôt que de suivre un manuel de la première à la dernière page.