Source : [[The Alignment Problem]] MOC : [[INTELLIGENCE ARTIFICIELLE]] Auteur : [[Brian Christian]] Date : 2025-01-28 *** Pas d'optimization du modèle mais à la place des pondérations aléatoires ou égales. Ce type de modèles performe souvent mieux que des modèles optimisés. Car il saura mieux s'adapter à différents contextes, en plus de proposer un meilleur niveau d'abstraction (se base sur des principes high level pour les prédictions). Enfin, ce type de modèle permet de pallier les écarts de mesures. C'est particulièrement pratique pour le end-user, car la simplicité permet la transparence.