Toutes les entreprises d’IA promettent que l’AGI arrivera très bientôt. Le problème est que le chatppt n’est pas le chemin

En décembre 2022, Chatgpt nous a tous laissé. Cependant, deux ans et demi plus tard, nous avons un problème: il ne semble pas qu’après tout ce temps, je peux aller beaucoup plus. Il s’est amélioré, oui, mais en attendant, nous nous éloignons de la grande promesse de l’IA, qui n’est autre que d’aller au-delà et que quelqu’un parvient à atteindre ce qui est connu sous le nom d’intelligence artificielle générale. Et il semble clair que ce chemin, celui de Chatgpt, n’est pas bon pour l’obtenir.

Promesses, promesses. Il y a quelques mois, Sam Altman a appelé le président des États-Unis, Donald Trump, et lui a dit que l’AGI arriverait devant son mandat. C’est un message qui se répète depuis des mois, bien qu’il ait ensuite parlé de « quelques milliers de jours ». Dario Amodei, PDG d’Anthropic, estime qu’il pourrait arriver auparavant, en 2026. Elon Musk – celui qui a promis qu’il aurait une Tesla totalement autonome en 2016 – il a accepté et a souligné 2026 comme l’année au cours de laquelle nous aurons un AGI. Tous sont des hypeptimistes pour une raison simple.

Argent. Comme Altman, tous ceux qui défendent la montée et le développement de l’IA et l’arrivée imminente de l’AGI le font pour collecter de plus en plus d’argent pour leurs entreprises. Nous savons que le développement, la formation et la gestion des modèles d’IA coûtent des fortunes réelles, mais les progrès dans ce domaine semblent ralentir.

Doutes avec l’escalade. Il y en a beaucoup qui croient que la stratégie actuelle de l’escalade des modèles – donnez plus de GPU et obtenez plus de données pour les former – ne compense plus autant qu’auparavant. Les dernières versions des grands modèles fondamentaux dépassent leurs prédécesseurs, oui, mais pas de manière frappante. C’est comme si nous avions touché le toit.

Ce n’est pas le chemin. Et pendant des mois, les voix des experts ont commencé à être entendues, indiquant clairement que d’autres solutions doivent être recherchées. Nick Frosst, étudiant à Geoffrey Hinton et fondateur de Cohere, est clair que la technologie actuelle ne suffit pas pour atteindre un AGI. Ce que fait l’IA génératrice, c’est « prédire le prochain mot le plus probable », mais c’est très différent de la façon dont les humains pensent.

LeCun pense que nous prendrons beaucoup de temps pour réaliser un AGI. Les personnalités respectées dans le monde de l’IA comme Yann LeCun, chef de la division de l’IA dans la ligne d’arrivée, sont claires. Des modèles comme Chatgpt ne pourront pas correspondre à l’intelligence humaine. Il garantit également que la réalisation d’un niveau humain ne prendra beaucoup de temps: rien de « quelques milliers de jours » comme Altman l’a dit.

Et SUTSKEVER coïncide. Ce co-fondateur Openai est également sceptique avec le potentiel de l’IA générative, qu’il améliore à peine. Sa nouvelle startup, Safe Superintelligence, vise à créer une superintelligence de sécurité « nucléaire », bien que pour l’instant il n’y ait eu aucun détail sur la stratégie qu’ils suivent pour y parvenir. Ce n’est pas bien sûr celui qui a suivi lorsqu’il a aidé à créer un chatppt. Une récente enquête auprès d’une association académique d’experts dans ce domaine pensait la même chose: les trois quarts de ceux qui ont répondu ne croient pas que les méthodes actuelles servent à développer un AGI.

L’IA générative n’est pas un miracle. Comme ils le soulignent dans le New York Times, ce que les chatbots comme Chatgpt ou d’autres développements dans ce domaine sont de faire une chose, « mais ils ne sont pas nécessairement meilleurs que les humains chez les autres. » Selon lui, il y a une certaine tentation de considérer ces chatbots comme quelque chose de magique, mais « ces systèmes ne sont pas un miracle. Ce sont des gadgets très impressionnants ».

Chatgpt ne défie pas ce qu’il sait. Thomas Wolf, co-fondateur et directeur des sciences de Hugging Face, est clair que l’IA génératrice est très bonne, mais est loin de nous emmener dans un AGI. Ce que nous avons, a-t-il expliqué il y a quelques semaines, c’est comme « un pays plein de gens qui nous disent oui à tout ». Chatgpt ne nous défie pas, mais il ne conteste pas non plus ce qu’il sait. « Nous avons besoin d’un système capable de se demander des choses que personne n’avait pensé ou que personne n’avait osé demander », a-t-il déclaré.

De nombreux défis à venir. Parmi les différences entre l’IA et l’intelligence humaine, c’est que ce dernier est lié au monde physique: une partie de notre intelligence est de savoir quand tourner le toast, par exemple. Il y a des progrès dans la robotique et les capteurs qui peuvent aider à résoudre de tels problèmes, mais c’est un bon exemple de la façon dont il y a encore de nombreux défis à surmonter pour réaliser cette intelligence artificielle générale qui est censée correspondre (ou surmonter) à l’intelligence humaine dans toutes les disciplines.

Et l’IAS cette raison? Les entreprises génératrices d’IA ont trouvé un petit répit avec les modes de raisonnement de leurs chatbots. Ici, nous trouvons une avancée singulière qui permet à l’IA de répondre plus précisément et plus précisément grâce à « penser » leurs réponses et à suivre un processus de « raisonnement » qui essaie d’imiter l’humain.

Cependant, cela ne semble pas nous amener à un AGI, et encore une fois, ces modes de raisonnement sont plutôt un moyen d’essayer que les réponses soient quelque chose de mieux et ne voient pas les « hallucinations » par les chatbots. Malgré tout, Chatgpt et ses rivaux continuent de faire des erreurs dans ce reste et le reste des voies.

Chances. À l’horizon, certaines possibilités apparaissent. L’approche actuelle basée sur les réseaux de neurones accompagne l’approche des systèmes symboliques (basés sur des règles) qui peuvent aider à fournir des éléments tels que le raisonnement déductif ou la gestion des connaissances abstraites aux modèles actuels. Il fonctionne également sur la formation de modèles avec des environnements virtuels physiquement précis et dans les systèmes dits de méta-apprentissage, qui permettent de former de nouveaux réseaux de neurones rapidement des tâches et avec un ensemble de données limité.

Mais les entreprises ont besoin de produits pour nous vendre. Ces approches du développement de nouvelles routes de recherche sont là, mais le problème est que les entreprises restent apparemment très axées sur l’IA génératrice et l’escalade. Ils continuent d’investir d’énormes sommes d’argent pour essayer d’améliorer leurs modèles actuels ou de les appliquer à de nouveaux problèmes. Par exemple, avec les agents de programmation frappants, tels que le curseur, la planche à voile ou le nouveau codex ouvert. Il est certainement intéressant de s’améliorer et c’est ce que les entreprises ont besoin pour nous convaincre que nous utilisons leurs plateformes d’IA et finissons par les payer. Mais cela distrait également ce qui devrait être le véritable objectif final: la réalisation d’un AGI que a priori semble être beaucoup plus loin que ce que nous disent Altman, Amodei ou Musk.

Dans Simseo | Le réseau social hypothétique d’Openai ne veut pas connecter les gens. Je veux que vos données forment votre IA