Suivez nous sur

Intelligence générale artificielle

IA nouvelle génération : le saut d'OpenAI et Meta vers les machines à raisonner

mm
Le kit de préparation mis à jour on

OpenAI et Meta, pionniers dans le domaine de l'IA générative, sont on approche du lancement de leur prochaine génération d’intelligence artificielle (IA). Cette nouvelle vague d’IA devrait améliorer les capacités de raisonnement et de planification, marquant des avancées significatives vers le développement de intelligence générale artificielle. Cet article explore ces innovations à venir et l’avenir potentiel qu’elles annoncent.

Ouvrir la voie à l’intelligence générale artificielle

Au cours des dernières années, OpenAI et Meta ont fait des progrès significatifs dans l'avancement modèles d'IA de base, éléments de base essentiels pour les applications d’IA. Ces progrès découlent d’une stratégie de formation générative de l’IA où les modèles apprennent à prédire les mots et les pixels manquants. Bien que cette méthode ait permis à l’IA générative de produire des résultats d’une fluidité impressionnante, elle ne parvient pas à fournir une compréhension contextuelle approfondie ou de solides compétences en résolution de problèmes qui nécessitent du bon sens et une planification stratégique. Par conséquent, lorsqu’ils s’attaquent à des tâches complexes ou nécessitent une compréhension nuancée, ces modèles d’IA de base ne parviennent souvent pas à produire des réponses précises. Cette limitation met en évidence la nécessité de progresser davantage vers le développement de l’intelligence artificielle générale (AGI).

En outre, la quête de l’AGI vise à développer des systèmes d’IA qui correspondent à l’efficacité de l’apprentissage, à l’adaptabilité et aux capacités d’application observées chez les humains et les animaux. La véritable AGI impliquerait des systèmes capables de traiter intuitivement un minimum de données, de s'adapter rapidement à de nouveaux scénarios et de transférer des connaissances à travers diverses situations – des compétences qui découlent d'une compréhension innée des complexités du monde. Pour qu’AGI soit efficace, des capacités avancées de raisonnement et de planification sont essentielles, lui permettant d’exécuter des tâches interconnectées et de prévoir les résultats de ses actions. Cette progression de l’IA vise à combler les lacunes actuelles en cultivant une forme d’intelligence plus profonde et plus contextuelle, capable de gérer la complexité des défis du monde réel.

Vers un modèle de raisonnement et de planification robuste pour l'AGI

Méthodologies traditionnelles pour inculquer des capacités de raisonnement et de planification à l'IA, telles que méthodes symboliques et apprentissage par renforcement, rencontrent des difficultés importantes. Les méthodes symboliques nécessitent la conversion de problèmes naturellement exprimés en représentations symboliques structurées – un processus qui nécessite une expertise humaine importante et est très sensible aux erreurs, où même de légères inexactitudes peuvent conduire à des dysfonctionnements majeurs. L’apprentissage par renforcement (RL), quant à lui, nécessite souvent des interactions approfondies avec l’environnement pour développer des stratégies efficaces, une approche qui peut s’avérer peu pratique ou d’un coût prohibitif lorsque l’acquisition de données est lente ou coûteuse.

Pour surmonter ces obstacles, les progrès récents se sont concentrés sur l’amélioration des modèles fondamentaux d’IA avec des capacités avancées de raisonnement et de planification. Ceci est généralement réalisé en incorporant des exemples de tâches de raisonnement et de planification directement dans le contexte d'entrée des modèles lors de l'inférence, en utilisant une méthode connue sous le nom de apprentissage en contexte. Bien que cette approche ait montré son potentiel, elle ne fonctionne généralement bien que dans des scénarios simples et directs et se heurte à des difficultés pour transférer ces capacités entre divers domaines, une condition fondamentale pour parvenir à l’intelligence artificielle générale (AGI). Ces limites soulignent la nécessité de développer des modèles d’IA fondamentaux capables de répondre à un plus large éventail de défis complexes et diversifiés du monde réel, faisant ainsi progresser la poursuite de l’AGI.

Les nouvelles frontières de Meta et OpenAI en matière de raisonnement et de planification

Yann LeCun, scientifique en chef de l'IA chez Meta, a régulièrement a souligné que les limites des capacités de raisonnement et de planification de l'IA générative sont en grande partie dues à la nature simpliste des méthodologies de formation actuelles. Il soutient que ces méthodes traditionnelles se concentrent principalement sur la prédiction du prochain mot ou pixel, plutôt que sur le développement de compétences en matière de réflexion stratégique et de planification. LeCun souligne la nécessité de techniques de formation plus avancées qui encouragent l’IA à évaluer les solutions possibles, à formuler des plans d’action et à comprendre les implications de ses choix. Il a révélé que Meta travaillait activement sur ces stratégies sophistiquées pour permettre aux systèmes d'IA de gérer de manière indépendante des tâches complexes, telles que l'orchestration de chaque élément d'un voyage d'un bureau à Paris à un autre à New York, y compris le trajet jusqu'à l'aéroport.

Pendant ce temps, OpenAI, réputé pour ses séries GPT et ChatGPT, a été sous les projecteurs pour son projet secret connu sous le nom de Q-étoile. Bien que les détails soient rares, le nom du projet fait allusion à une combinaison possible des algorithmes Q-learning et A-star, des outils importants dans l'apprentissage et la planification par renforcement. Cette initiative s'aligne sur les efforts continus d'OpenAI pour améliorer les capacités de raisonnement et de planification de ses modèles GPT. Des rapports récents du Financial Times, basé sur des discussions avec des dirigeants de Meta et d'OpenAI, souligne l'engagement commun de ces organisations à développer davantage des modèles d'IA performants dans ces domaines cognitifs cruciaux.

Effets transformateurs d'un raisonnement amélioré dans les systèmes d'IA

Alors qu’OpenAI et Meta continuent d’améliorer leurs modèles d’IA fondamentaux avec des capacités de raisonnement et de planification, ces développements sont sur le point d’élargir considérablement le potentiel des systèmes d’IA. De telles avancées pourraient conduire à des avancées majeures dans le domaine de l’intelligence artificielle, avec les améliorations potentielles suivantes :

  • Amélioration de la résolution de problèmes et de la prise de décision : Les systèmes d’IA dotés de capacités de raisonnement et de planification sont mieux équipés pour gérer des tâches complexes qui nécessitent une compréhension des actions et de leurs conséquences au fil du temps. Cela pourrait conduire à des progrès dans le gameplay stratégique, la planification logistique et les systèmes de prise de décision autonomes qui nécessitent une compréhension nuancée des causes et des effets.
  • Applicabilité accrue dans tous les domaines : En surmontant les contraintes de l’apprentissage spécifique à un domaine, ces modèles d’IA pourraient appliquer leurs compétences de raisonnement et de planification à divers domaines tels que la santé, la finance et l’urbanisme. Cette polyvalence permettrait à l’IA de relever efficacement des défis dans des environnements nettement différents de ceux dans lesquels elle a été initialement formée.
  • Dépendance réduite à l’égard des grands ensembles de données : L’évolution vers des modèles capables de raisonner et de planifier avec un minimum de données reflète la capacité humaine à apprendre rapidement à partir de quelques exemples. Cette réduction des besoins en données réduit à la fois la charge de calcul et les demandes en ressources des systèmes d’IA de formation, tout en augmentant leur vitesse d’adaptation aux nouvelles tâches.
  • Étapes vers l’intelligence générale artificielle (AGI) : Ces modèles fondamentaux de raisonnement et de planification nous rapprochent de la réalisation de l’AGI, où les machines pourraient un jour effectuer n’importe quelle tâche intellectuelle qu’un humain peut réaliser. Cette évolution des capacités de l'IA pourrait avoir des impacts sociétaux importants, suscitant de nouvelles discussions sur les considérations éthiques et pratiques des machines intelligentes dans nos vies.

Conclusion

OpenAI et Meta sont à l’avant-garde du développement de la prochaine génération d’IA, axée sur l’amélioration des capacités de raisonnement et de planification. Ces améliorations sont essentielles pour se rapprocher de l’intelligence générale artificielle (AGI), visant à équiper les systèmes d’IA pour gérer des tâches complexes qui nécessitent une compréhension approfondie du contexte plus large et des conséquences à long terme.

En affinant ces capacités, l’IA peut être appliquée plus largement dans divers domaines tels que la santé, la finance et l’urbanisme, réduisant ainsi la dépendance à l’égard de grands ensembles de données et améliorant l’adaptabilité. Ces progrès promettent non seulement d’étendre les applications pratiques de l’IA, mais nous rapprochent également d’un avenir où l’IA pourrait être aussi performante que les humains dans toutes les tâches intellectuelles, suscitant ainsi d’importantes conversations sur l’intégration de l’IA dans la vie quotidienne.

Le Dr Tehseen Zia est professeur agrégé titulaire à l'Université COMSATS d'Islamabad, titulaire d'un doctorat en IA de l'Université de technologie de Vienne, en Autriche. Spécialisé en intelligence artificielle, apprentissage automatique, science des données et vision par ordinateur, il a apporté d'importantes contributions avec des publications dans des revues scientifiques réputées. Le Dr Tehseen a également dirigé divers projets industriels en tant que chercheur principal et a servi à titre de consultant en IA.