


L'intelligence artificielle est-elle sur le point de bouleverser le secteur de l'édition du livre ?
L'analyste de l'édition électronique Thad McIlroy a récemment publié un commentaire dans Publishers Weekly, estimant que la dernière génération d'intelligence artificielle subit un changement révolutionnaire. Dans un avenir proche, chaque étape du secteur de l’édition de livres pourra être automatisée grâce à l’intelligence artificielle générative. Bientôt, l’industrie de l’édition de livres telle que nous la connaissons sera obsolète.
Écran du documentaire Horizon : The Hunt for AI (2012).
ChatGPT Les progrès rapides de l'intelligence artificielle générative ont rappelé à McIlroy les changements qu'a connu le domaine de l'édition imprimée. En 1985, lorsque les ordinateurs Macintosh, les imprimantes laser et les logiciels de publication assistée par ordinateur sont apparus, les résultats de l'utilisation de ces applications pour l'édition de livres n'étaient pas idéaux. Les bords des polices n'étaient pas suffisamment lisses et l'espacement entre les caractères était irrégulier. À cette époque, de nombreux acteurs du secteur de l’édition remettaient en question ces « nouvelles technologies », tout comme nombreux sont ceux qui s’interrogent aujourd’hui sur l’impact de l’intelligence artificielle sur le secteur de l’édition.
Écran du court métrage documentaire de la fin du XIXe siècle "Intérieur d'une imprimerie" (1899).
En 1988, lorsque l'ordinateur Macintosh (Macintosh) a été connecté à Linotype (logiciel de publication assistée par ordinateur), la qualité de la publication s'est considérablement améliorée. Mais la plupart des traditionalistes croient encore que la couleur de la police n’est pas assez bonne et que ce défaut de qualité sera perçu et rejeté par les lecteurs. Un groupe de concepteurs a même réorienté son travail pour se concentrer sur des polices spécifiques, le crénage, l'espacement des lignes et la conception des pages imprimées. Cela ne veut pas dire que leur travail est sans importance, mais aujourd'hui le public est conscient qu'un concept de mesure de la production de publications est « suffisant » : faire en sorte que la grande majorité des lecteurs apprécient pleinement ce qu'ils voient et lisent dans les livres qu'ils achètent. satisfait du contenu.
Cette norme « assez bonne » peut également être appliquée à l'intelligence artificielle générative. GPT-4 n'est pas encore capable d'éditer des copies professionnelles comme l'exigent les éditeurs de livres, mais nous verrons cette capacité bientôt. Même si les livres édités avec l'IA générative peuvent toujours paraître « meilleurs » aux yeux des éditeurs avertis, des différences tactiles aussi subtiles que les professionnels peuvent discerner n'aideront pas les éditeurs à vendre plus de livres, car, comme mentionné ci-dessus, ils sont « assez bons ».
"GPT est-il capable d'écrire et de publier des livres ?" C'est la réponse générée par ChatGPT à cette question. Image de Publishers Weekly.
Ensuite, McElroy analyse les changements que l'intelligence artificielle générative apportera au domaine de l'édition de livres sous de multiples aspects tels que la sélection des sujets, l'édition, l'impression et le marketing. Premièrement, l’IA générative deviendra la sainte patronne de la ferraille. Sa capacité à évaluer les expressions grammaticales et logiques permet une première évaluation du niveau d'un livre. Il ne sera peut-être pas capable de repérer les grands chefs-d’œuvre, mais il saura distinguer le bon du mauvais. Il est vrai que certains manuscrits de livres sont rejetés par 100 éditeurs mais deviennent des best-sellers inattendus. Ce phénomène se produit de temps en temps. L'IA générative peut également commettre de telles erreurs, mais n'oubliez pas les 100 éditeurs qui prétendent être bien formés. les professionnels sont également absents.
Du point de vue de la production et de l'impression, la plupart de la production actuelle de livres imprimés et numériques a été entièrement automatisée ou semi-automatisée. L'intelligence artificielle comblera certaines des parties manquantes, mais l'inefficacité du processus de production est principalement due au fait que l'intelligence artificielle comblera certaines des parties manquantes. le secteur de l'édition est toujours contraint. Degré élevé d'intervention manuelle. Il s’agit d’une conviction inébranlable partagée par de nombreux acteurs du secteur de l’édition, qui estiment que la valeur de l’intervention humaine l’emporte sur les gains de productivité liés à l’automatisation.
Du point de vue des canaux de distribution, la transformation éditoriale provoquée par l'intelligence artificielle tentera de briser la position des détaillants en ligne comme Amazon dans l'écosystème de distribution. Pour les nouveaux auteurs, Amazon reste une porte d’entrée, mais pour les éditeurs établis, Amazon est devenu un locataire exorbitant qu’ils peuvent à peine se permettre. Les auteurs auto-édités ont prouvé que l’intelligence artificielle peut aider les auteurs auto-édités à mieux se connecter directement avec les lecteurs. Il a été prouvé que plus un écrivain est proche de ses lecteurs, plus il gagnera de fans et plus il vendra de livres. En outre, le marketing est peut-être l'aspect le plus puissant de l'intelligence artificielle dans l'édition de livres : il fournit des conditions de marché puissantes en temps réel, comprend les livres qui sont en concurrence pour les ventes et les opportunités manquées, aide les écrivains à trouver leur lectorat idéal et offre aux lecteurs le parfait prochaine étape. Cette lecture montre que ce sont là les spécialités de l’intelligence artificielle.
Thad McIlroy, analyste et auteur en matière d'édition électronique, dirige le site Web « The Future of Publishing » et est l'un des partenaires fondateurs de Publishing Technology Partners. Image de Publishers Weekly.
L'industrie du divertissement autour de l'édition de livres sera également touchée à une échelle similaire à celle de l'industrie de l'édition. Selon McIlroy, des recherches ont montré que de plus en plus d'adultes passent leur temps libre à jouer et à regarder des vidéos en ligne. Le livre électronique amélioré n'a jamais décollé, mais l'adaptation du livre audio s'est vendue au-delà des attentes les plus optimistes. À une époque où le cinéma et les jeux vidéo sont étroitement intégrés et où l’édition de livres reste en marge, l’arrivée de l’intelligence artificielle pourrait changer la donne, transformant le livre en un média générateur de revenus comme jamais auparavant.
Lorsque nous discutons des opportunités présentées par l’intelligence artificielle, il est inévitable de peser les risques qui y sont associés. McIlroy soutient avec optimisme dans l'article que nous devons creuser un profond fossé entre les opportunités et le danger, car ce n'est qu'après avoir pleinement apprécié les opportunités offertes par une nouvelle technologie que l'on peut comprendre les dangers qui l'entourent. Est-ce exact ? Peut-être ne peut-on qu’attendre une réponse.
Il n'y a pas si longtemps, un grand nombre d'experts renommés en intelligence artificielle et de géants de l'industrie ont publié une déclaration commune préconisant la suspension de la recherche et du développement d'intelligence artificielle telle que « GPT-4 » (le modèle de langage du chatbot ChatGPT), et a appelé le public à se méfier des risques énormes d'une utilisation inappropriée de l'intelligence artificielle. Quelques pays et régions ont également commencé à restreindre l'utilisation de l'intelligence artificielle générative, ce qui jette sans aucun doute une ombre sur le développement de l'intelligence artificielle. On peut imaginer l’impact que l’intelligence artificielle aura sur le secteur de l’édition. Avec le développement rapide de l’intelligence artificielle, de telles discussions ne font que commencer.
Remarque : l'image de couverture provient d'une image fixe de "The Bookshop" (2017).
Référence :
(1) L’IA est sur le point de bouleverser l’édition de livres
https://www.publishersweekly.com/pw/print/20230605/92471-ai-is-about-to-turn-book-publishing-upside-down.html
Compilé/Li Yongbo
Editeur/Luo Dong
Relecture/Liu Baoqing
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

Selon les informations de ce site le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S
