<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Acquisition du langage on AutoIA</title>
    <link>https://autoia.net/tags/acquisition-du-langage/</link>
    <description>Recent content in Acquisition du langage on AutoIA</description>
    <generator>Hugo -- gohugo.io</generator>
    <language>fr</language>
    <lastBuildDate>Sun, 30 Aug 2026 12:25:59 +0100</lastBuildDate>
    <atom:link href="https://autoia.net/tags/acquisition-du-langage/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Un chercheur de Stanford affirme qu&#39;il faudrait brûler une forêt pour qu&#39;une intelligence artificielle apprenne autant qu&#39;un bébé</title>
      <link>https://autoia.net/posts/ia/un-chercheur-de-stanford-affirme-qu-il-faudrait-bruler-une-foret-pour-qu-une-intelligence-artificielle-apprenne-autant-qu-un-bebe/</link>
      <pubDate>Sun, 30 Aug 2026 12:25:59 +0100</pubDate>
      <guid>https://autoia.net/posts/ia/un-chercheur-de-stanford-affirme-qu-il-faudrait-bruler-une-foret-pour-qu-une-intelligence-artificielle-apprenne-autant-qu-un-bebe/</guid>
      <description>Un enfant produit des phrases correctes après dix millions de mots entendus, quand Llama 3.1 en a ingéré quinze mille milliards sous forme de tokens. Michael C. Frank, à Stanford, résume l&amp;rsquo;écart par une image: brûler une forêt, puis racler tout le savoir humain. Le fossé énergétique est plus large encore, quarante-huit heures de processeur pour le modèle de référence BabyLM contre 39,3 millions pour Llama 3.1, quand un cerveau de nourrisson apprend sur une vingtaine de watts. Quatre années de compétition ont éliminé l&amp;rsquo;ordre des données et la qualité de la parole adressée à l&amp;rsquo;enfant, sans expliquer l&amp;rsquo;avantage. La quatrième édition ouvre une piste multilingue et se conclura à Budapest fin octobre.</description>
    </item>
  </channel>
</rss>
