Algorithme multicritère avec des Intelligences Artificielles

Utilisation d’un algorithme multicritère avec des intelligences artificielles comme ChatGPT !

On vous donne quelques informations dans cet article.

Qu’est-ce qu’un « algorithme multicritère » ?

Evidemment, nous parlons ici des technologies utilisées pour prendre des décisions en tenant compte de plusieurs critères simultanément.

Par conséquent, ils peuvent être utilisés dans de nombreux domaines, et notamment l’intelligence artificielle, pour aider à résoudre des problèmes complexes.

Avec ChatGPT, un alogorithme multicritère peut être appliqué dans plusieurs contextes.

Par exemple, vous souhaitez entraîner un modèle d’IA pour prendre des décisions en tenant compte de plusieurs critères. Cet algorithme permet d’évaluer et de comparer les différentes options disponibles.

Dans le cas de ChatGPT, l’utilisation d’algorithme multicritère peut être utile pour améliorer la génération de réponses en tenant compte de plusieurs objectifs simultanément.

Vous pourriez vouloir que les réponses générées soient à la fois pertinentes, cohérentes et politiquement correctes.

Evaluer et Classer les objets

De plus, cet algorithme peut être utilisé pour évaluer et classer les réponses générées en fonction de ces critères, et par conséquent de sélectionner la réponse la plus appropriée à afficher.

Il est important de noter que l’implémentation spécifique des algorithmes multicritères avec ChatGPT dépendra des détails techniques ainsi que des objectifs spécifiques que vous souhaitez atteindre.

Les techniques courantes d’optimisation multicritère incluent l’utilisation de méthodes de pondération. Mais également de méthodes basées sur des approches de dominance. Ou encore de méthodes basées sur des approches de programmation mathématique.

Un cas d’utilisation intéressant avec l’utilisation d’un algorithme multicritère

Analyse de la demande, lorsque vous recevez une demande via un formulaire, vous pouvez utiliser ChatGPT pour analyser la demande et extraire les mots clés qui la composent.

Des informations complémentaires dans le prompt avec la demande peuvent être utile. Ce qui permet à ChatGPT de mieux comprendre le contexte.

Pour des Base de données, en effet, vous devez disposer d’une base de données relatives aux informations  détaillées des éléments recherchés.

Ainsi, chaque élément que nous allons appeler : « Item »  doit être associé à des mots clés pertinents qui correspondent à des éléments dédiés les concernant.

Mots-clés et critères

Ou encore, la comparaison des mots clés : Une fois que vous avez extrait les mots clés de la demande et que vous avez accès à la base d’ « Items ». Vous pouvez utiliser un algorithme multicritère pour comparer les mots clés de la demande avec les mots clés associés aux « Items ».

Cela peut inclure des critères tels que la correspondance des mots clés ou d’autres critères spécifiques que vous pouvez définir.

On attribue une pondération aux différents critères en fonction de leur importance relative. Par exemple, la correspondance des mots clés exacts peut être considérée comme plus importante.

Ainsi l’algorithme peut ainsi évaluer chaque Item en fonction de ces critères et générer une liste de Items « idéaux » qui correspondent le mieux à la recherche initiée.

L’Affichage des résultats. En effet, vous pouvez afficher les Items qui correspondent le mieux à la requête. Les résultats peuvent être triés en fonction de leur pertinence, en utilisant les scores ou les classements calculés par l’algorithme.

Il est important de noter que cette mise en œuvre spécifique de l’algorithme dépendra des besoins et des contraintes spécifiques de votre application.

Bien garder en tête également des éléments à prendre en compte tels que la confidentialité des données des utilisateurs et la protection de la vie privée lors de la manipulation d’éventuelles informations personnelles.

Les techniques de recherche avancée !

Pour la recherche d’items dans la base de données, il est recommandé d’utiliser des techniques de recherches avancées pour filtrer les Items qui incluent les mots clés ou qui présentent des correspondances approximatives.

Quelques Approches :

• La Correspondance exacte : Vous pouvez utiliser une correspondance exacte pour filtrer les Items qui incluent exactement les mots clés. Cela garantit que les items sélectionnés correspondent directement aux mots clés spécifiés. Néanmoins, cela peut être trop restrictif et exclure des profils pertinents qui pourraient utiliser des termes similaires ou synonymes.

• Le Stemming et la lemmatisation : permet de normaliser les mots clés et les mots contenus dans les Items. Le stemming consiste à réduire les mots à leur forme racine, tandis que la lemmatisation vise à obtenir le lemme, c’est-à-dire la forme canonique d’un mot.  Cela vous permet de rechercher des variantes de mots qui partagent une racine commune, ce qui peut aider à élargir la correspondance entre les mots clés et les Items.

• Correspondance floue (fuzziness) : permet de tenir compte des correspondances approximatives. Par exemple, l’algorithme de correspondance floue permet de mesurer la similarité entre deux chaînes de caractères. Il compte le nombre minimal d’opérations nécessaires (insertions, suppressions ou substitutions) pour les transformer l’une en l’autre. Cela peut être utile pour trouver des profils qui présentent des variations orthographiques ou des fautes de frappe dans les mots clés.

• Recherche par similarité de texte : Vous pouvez également utiliser des techniques de recherche par similarité de texte.  La recherche vectorielle ou l’utilisation d’index inversés, sont des exemples, pour trouver des Items qui sont similaires aux mots clés de votre requêtes.

Ces techniques utilisent des mesures de similarité pour comparer les vecteurs de représentation des mots clés et des Items et renvoient ceux les plus similaires.

De plus, il est important de souligner que vous pouvez combiner ces techniques et les adapter en fonction de vos besoins spécifiques.

Par exemple, vous pouvez utiliser une correspondance exacte pour les mots clés importants, tandis que vous utilisez des techniques de stemming, de lemmatisation et de correspondance floue pour les mots clés moins stricts.

ChatGPT peut  vous aider à étoffer votre liste de mots-clés pour mieux cerner votre requête. Au lieu de se limiter uniquement aux mots clés. Cela peut être particulièrement utile lorsque votre requête est floue ou incomplète.

Voici comment procéder :

Collecte des informations : Lorsque vous soumettez une requête à ChatGPT, vous pouvez fournir des informations descriptives. Celles-ci aideront ChatGPT à mieux comprendre le contexte.

Analyse sémantique : En effet, en utilisant les informations fournies, ChatGPT peut effectuer une analyse sémantique pour extraire les termes pertinents qui décrivent l’objet en relation avec la requête.

Cela permet de créer des listes plus riches et représentatives que vous pouvez utiliser pour la recherche.

Plutôt que de se concentrer uniquement sur les mots clés spécifiques, vous pouvez ainsi rechercher des correspondances entre les termes de ces listes provenant de votre base de données et élargir la portée de la recherche.

Il est important de noter que c’est un domaine complexe et en constante évolution. Notamment avec l’utilisation de modèles de langage pré-entraînés comme ChatGPT qui peuvent être « finetunés » pour des tâches spécifiques.

En conclusion,

L’utilisation d’algorithmes multicritères avec des intelligences artificielles comme ChatGPT peut être bénéfique pour améliorer la prise de décision. La génération de réponses. En tenant compte de plusieurs critères simultanément. 

En utilisant ChatGPT pour effectuer une analyse des informations fournies dans la requête. 

Ainsi, vous pouvez obtenir des informations complémentaires. Pour mieux cerner celle-ci et rechercher des correspondances avec les items de votre base de données. Cela permet de trouver ceux pertinents même si votre requête est flou ou incomplète.

Toutefois, une approche spécifique dépendra des objectifs et des contraintes dédiés de votre application

Crédit photo : unsplash Mariia Shalabaieva & Mojahid Mottakin

–> Back to News