❌

Vue lecture

↗️

NVIDIA is full of shit - Sebin's Blog

✇Liens en vrac de sebsauvage
Une critique très remontée contre NVidia.
(Choix de technologies tape-à-l'oeil (DLSS4) sans réelle remontée des performances, raréfaction artificielle lors de mises en vente pour faire monter les prix, marché utilisateurs snobé pour tout investir dans l'IA et les datacenters, pilotes de mauvaise qualité, coeurs GPU livrés des unités de calcul manquantes, électronique mal conçue qui fait fondre les connecteurs, technologies fermées (DLSS/CUDA/NVenc/GSync) là où toute la concurrence faire des technologie ouvertes (AMD/Intel), etc.)

Et on pourrait à ajouter à tout ça le fait qu'ils ne font pas vraiment d'efforts pour Linux (et aucune ouverture du code de leurs pilotes, contrairement à son concurrent AMD).
(Et j'avoue que je trouve l'antialiasing TAA absolument dégeulasse.)
(Permalink)
  •  
  • ↗️
↗️

Stop Killing Games : la pétition atteint le million de signatures, et maintenant ? - Next

✇Liens en vrac de sebsauvage
\o/

« Reste une inconnue : les éditeurs de jeu vidéo tiendront-ils compte de cet élan de mobilisation avant même une éventuelle réponse législative ou réglementaire en adaptant leurs pratiques ? »
Probablement que non. Et je pense qu'on va se passer de leur avis. Alors je peux vous dire que j'ai fait mon choix : J'archive les jeux vidéos (dé-DRMisés).
(Permalink)
  •  
  • ↗️
↗️

AI models just don't understand what they're talking about • The Register

✇Liens en vrac de sebsauvage
Un rappel que si les IA (LLM) pondent des phrases, ce sont juste des suites statistiques de mots dont elles n'ont pas la moindre compréhension. Quand elles donnent la bonne réponse, c'est une pure chance statistiques (dépendant des données d'entraînement) sans la moindre compréhension du problème.
Le soucis est qu'elles donnent l'*illusion* qu'elles comprennent le problème. Ces chercheurs appellent cela la "compréhension potemkine", c'est à dire une compréhension de façade, ce qui fausse tous les tests d'IA.
Ils ont mis en place leurs propres tests : « Un test axé sur les techniques littéraires, la théorie des jeux et les biais psychologiques a révélé que, bien que les modèles évalués puissent identifier des concepts la plupart du temps (94,2 %), ils échouaient fréquemment lorsqu'on leur demandait de classer des instances de concepts (un taux d'échec moyen de 55 %), de générer des exemples (40 %) et de modifier des instances de concepts (40 %). »

(Pour la ref "potemkine" : https://fr.wikipedia.org/wiki/Village_Potemkine)
(Permalink)
  •  
  • ↗️
↗️

Writing Code Was Never The Bottleneck - ordep.dev

✇Liens en vrac de sebsauvage
Je suis d'accord avec cet article.
Les LLM veulent écrire du code à notre place, comme si c'était l'écriture du code qui était le goulot d'étranglement alors que n'importe qui avec un peu d'expérience sait que ce n'est absolument pas le cas.
Il y a les réunions avec les utilisateurs et donneurs d'ordre, la rédaction de spécifications fonctionnelles, techniques, l'architecture, les modèles de données, les interfaces à concevoir, l'écriture des tests, le déroulement des tests (unitaires, d'intégration, fonctionnels), la rédaction de documentations (techniques et fonctionnelles), la rédaction des docs utilisateur, l'injection de référentiels, la reprise de données, la mise en prod, les retex, les réunions avec le client...
L'écriture du code lui-même n'est qu'une portion congrue du développement.

Mais le narratif des boîtes qui vendent de l'IA, c'est démultiplier la productivité juste en pissant du code avec des IAs. 🤷‍♂️

(copies de l'article : https://archive.is/gSx0K et https://web.archive.org/web/20250701153243/https://ordep.dev/posts/writing-code-was-never-the-bottleneck)
(Permalink)
  •  
  • ↗️