Quiz : IA multimodale
Testez vos connaissances sur les systèmes d'IA multimodale.
30 questions - Cliquez sur chaque question pour révéler la réponse correcte.
Question 1
Qu'est-ce que l'IA multimodale ?
A) IA qui fonctionne sur plusieurs ordinateurs
B) IA qui traite plusieurs types de contenu (texte, image, audio)
C) IA avec plusieurs versions
D) IA qui parle plusieurs langues
Afficher la réponse
Réponse correcte : B
L'IA multimodale peut traiter et générer plusieurs types de contenu—texte, images, audio, vidéo—souvent en combinaison.
Question 2
Que signifie GPT-4V ?
A) GPT-4 Virtuel
B) GPT-4 Vision
C) GPT-4 Version
D) GPT-4 Voix
Afficher la réponse
Réponse correcte : B
GPT-4V fait référence à GPT-4 avec des capacités de vision—la capacité d'analyser et de comprendre les images.
Question 3
Quel modèle a la plus longue fenêtre de contexte pour les images ?
A) GPT-4
B) Claude 3
C) Gemini 1.5
D) LLaVA
Afficher la réponse
Réponse correcte : C
Gemini 1.5 a une fenêtre de contexte de plus d'un million de tokens, permettant le traitement de contenus visuels plus longs.
Question 4
À quoi sert CLIP ?
A) Traitement audio
B) Connecter texte et images
C) Édition vidéo
D) Génération de code
Afficher la réponse
Réponse correcte : B
CLIP (Contrastive Language-Image Pre-training) connecte le texte et les images, formant la base de nombreux systèmes multimodaux.
Question 5
Qu'est-ce que le Vision Transformer (ViT) ?
A) Une caméra
B) Appliquer l'architecture transformer aux images
C) Un codec vidéo
D) Un format d'image
Afficher la réponse
Réponse correcte : B
Le Vision Transformer applique l'architecture transformer aux images en les divisant en patchs traités comme des tokens de texte.
Questions 6-30
Question 6 : Que peuvent faire les modèles vision-langage ?
A) Seulement générer des images B) Analyser, décrire et raisonner sur les images C) Seulement texte D) Seulement audio
Réponse : B - Ils peuvent analyser, décrire et répondre à des questions sur les images.
Question 7 : Quelle est une bonne pratique pour les prompts d'image ?
A) Questions vagues B) Questions claires et spécifiques avec contexte C) Pas besoin de texte D) Seulement des mots uniques
Réponse : B - Des questions claires et spécifiques avec contexte produisent de meilleurs résultats.
Question 8 : Que ne peuvent pas faire de manière fiable les modèles de vision actuels ?
A) Décrire des images B) Identifier des individus spécifiques par le visage C) Lire un texte long D) Analyser des graphiques
Réponse : B - Pour des raisons de confidentialité/sécurité, les modèles ne reconnaîtront pas les individus par le visage.
Question 9 : Qu'est-ce que la compréhension intermodale ?
A) Comprendre des croix B) Connecter le sens à travers les types de contenu C) Entraînement croisé D) Croisement de fichiers
Réponse : B - Connecter et comprendre le sens à travers différentes modalités.
Question 10 : Quelle entreprise a créé les capacités de vision de Claude 3 ?
A) OpenAI B) Anthropic C) Google D) Meta
Réponse : B - Anthropic a créé Claude 3 avec des capacités de vision.
Question 11 : Qu'est-ce qu'un modèle multimodal unifié ?
A) Taille unique B) Modèle unique gérant plusieurs modalités C) Bases de données combinées D) Stockage partagé
Réponse : B - Un modèle unique capable de traiter plusieurs types de contenu.
Question 12 : Que fait Whisper ?
A) Générer des images B) Convertir l'audio en texte C) Créer des vidéos D) Écrire du code
Réponse : B - Whisper est le modèle de transcription audio d'OpenAI.
Question 13 : Qu'est-ce qui arrive à court terme dans l'IA multimodale ?
A) Seulement texte B) Compréhension vidéo en temps réel C) Seulement images D) Reconnaissance d'odeurs
Réponse : B - Analyse vidéo en temps réel et intégration audio-visuelle.
Question 14 : Quelle application d'accessibilité l'IA de vision permet-elle ?
A) Rendre les téléphones plus forts B) Décrire des images pour les malvoyants C) Écrans plus grands D) Connexions plus rapides
Réponse : B - Décrire automatiquement des images pour l'accessibilité.
Question 15 : Quelle combinaison d'entrée les modèles de vision peuvent-ils gérer ?
A) Seulement texte B) Image + questions textuelles C) Seulement images D) Seulement audio
Réponse : B - Les modèles de vision peuvent prendre des images et des questions textuelles ensemble.
Question 16 : Qu'est-ce que l'entraînement multimodal natif ?
A) Entraînement en extérieur B) Entraînement sur plusieurs modalités dès le départ C) Entraînement naturel D) Langue maternelle
Réponse : B - Entraîner le modèle sur plusieurs types de contenu simultanément.
Question 17 : Qu'est-ce qui améliore les résultats de l'IA de vision ?
A) Images floues B) Images claires avec des prompts spécifiques C) Pas de prompts D) Images très petites
Réponse : B - Des images claires et de qualité avec des prompts spécifiques fonctionnent le mieux.
Question 18 : Quel défi l'IA multimodale rencontre-t-elle ?
A) Trop facile B) Augmentation des besoins en calcul C) Pas d'applications D) Fonctionne uniquement hors ligne
Réponse : B - Le multimodal nécessite beaucoup plus de ressources de calcul.
Question 19 : Qu'est-ce que l'IA incarnée ?
A) IA avec un corps B) IA qui interagit avec le monde physique C) Puces intégrées D) IA de scan corporel
Réponse : B - IA qui peut raisonner et interagir avec le monde physique.
Question 20 : Quelle préoccupation sociétale accompagne l'IA multimodale ?
A) Trop rapide B) Deepfakes plus convaincants C) Trop précis D) Trop utile
Réponse : B - Le multimodal rend le contenu synthétique plus convaincant.
Question 21 : Qu'est-ce que LLaVA ?
A) Un volcan B) Un modèle vision-langage open-source C) Une entreprise D) Un format vidéo
Réponse : B - LLaVA est un modèle vision-langage open-source.
Question 22 : En quoi l'IA de vision peut-elle aider pour les documents ?
A) Seulement l'impression B) Comprendre les PDF avec texte et images C) Seulement le stockage D) Seulement la suppression
Réponse : B - Analyser des documents combinant texte, images, graphiques.
Question 23 : Que comprend la tokenisation d'image ?
A) Ajouter de l'argent B) Diviser les images en patchs pour le traitement C) Chiffrer D) Compresser
Réponse : B - Convertir les images en patchs pouvant être traités comme des tokens.
Question 24 : Quel cas d'utilisation d'entreprise bénéficie du multimodal ?
A) Seulement le courriel B) Analyse de réunion (vidéo + audio + documents) C) Seulement la saisie D) Seulement le classement
Réponse : B - Analyser les réunions à travers la vidéo, l'audio et les documents.
Question 25 : Que devriez-vous développer pour l'avenir multimodal ?
A) Seulement des compétences textuelles B) Pensée d'intégration et de prompt multi-modal C) Seulement des compétences en image D) Seulement audio
Réponse : B - Compétences en combinaison et en prompt à travers les modalités.
Question 26 : Que peut bien faire Claude 3 avec les images ?
A) Seulement générer B) Analyse détaillée des graphiques et diagrammes C) Seulement supprimer D) Seulement compresser
Réponse : B - Claude 3 excelle dans l'analyse détaillée de visuels complexes.
Question 27 : Quelle est une limitation pour les images de foule ?
A) Trop coloré B) Le comptage précis est difficile C) Trop lumineux D) Trop sombre
Réponse : B - Les modèles actuels ont du mal à compter les objets avec précision dans les foules.
Question 28 : Que comprend la compréhension 3D ?
A) Seulement des films 3D B) Raisonnement spatial et compréhension de modèles 3D C) Impression 3D D) Lunettes 3D
Réponse : B - Comprendre et raisonner sur l'espace et les modèles 3D.
Question 29 : Quelle application de santé émerge ?
A) Seulement la facturation B) Analyse de données patient multi-modale C) Seulement la planification D) Seulement les dossiers
Réponse : B - Analyser les données patient à travers plusieurs modalités.
Question 30 : Quel est le principal avantage de l'IA multimodale ?
A) Utilise moins d'énergie B) Interaction plus naturelle, semblable à celle des humains C) Seulement plus rapide D) Seulement moins cher
Réponse : B - Permet une interaction plus naturelle similaire à la communication humaine.
Résultats
| Score | Niveau |
|---|---|
| 27-30 | Excellent - Forte compréhension de l'IA multimodale |
| 21-26 | Bon - Une révision peut être utile |
| 15-20 | Moyen - Relisez les chapitres |
| Moins de 15 | Nécessite une révision complète |