Une nouvelle façon d’apprendre les maths et le codage par les IA
Des chercheurs, quelque part entre la Chine et les États-Unis, sont en train d’avancer un peu plus vers une sorte d’intelligence générale avec une nouvelle méthode de raisonnement : l’Absolute Zero Reasoner.
Non. Soyons sérieux, puisque je ne crois pas à cette histoire d’AGI, mais, en revanche, ce que ces chercheurs sont en train de mettre au point peut être la voie vers des LLM beaucoup plus performantes pour les aider à être encore plus capable de résoudre des problèmes complexes.
Leur projet s’appelle The Absolute Zero Reasoner, et il s’agit d’un algorithme qui va aider une IA à améliorer elle même la façon dont elle raisonne et se teste.
La plupart des agents aujourd’hui développent ou résolvent des problèmes en imitant les humains., ce qui limite leur capacité à explorer un problème. En quelque sorte, ils finissent pas tourner en rond, car leur manière d’appréhender une question reste toujours la même, tant qu’ils n’ont pas de nouvelles bases de données sur lesquelles se nourrir et s’enrichir.
Absolute Zero Reasoner est une approche qui consiste à permettre à l’IA d’examiner elle même la façon dont elle tente de résoudre un problème, et ensuite d’essayer d’approfondir et de chercher d’autres manières de le faire dans une sorte d’auto-critique, en examinant ses propres erreurs.
D’après les premiers résultats, cette approche est beaucoup plus performante pour le développement d’application.
Xiamo et sa voiture autonome auto-apprenante et bavarde
On retrouve d’ailleurs une approche similaire chez Xiaomi et son projet MindDrive dont le but est d’aider les concepteurs à mieux comprendre comment réagit leur voiture autonome et comment ils peuvent corriger sa conception.
Le système, appelé VLA, est composé de « deux cerveaux », (deux IA). L’une prend des décisions en fonction de ce qu’elle voit sur la route et donne des ordres de pilotages à la voiture, au lieu des systèmes habituels qui ont été entraînés sur la copie de comportements humains. Le second cerveau surveille ce qui se passe et l’enregistre. Quand une erreur est commise, celui-ci peut non seulement essayer de corriger ce que fait le premier, mais il peut aussi l’expliquer en langage humain aux concepteurs de la voiture. C’est un moyen de rendre moins opaque le fonctionnement des IA.
Testé sur des benchmarks de l’industrie, cette nouvelle intelligence à deux cerveaux obtient des performances remarquables et améliore nettement la gestion des imprévus, comme, par exemple les pannes d’électricité des feux rouges, comme nous vous l’avions expliqué dans un article sur Waymo.
Bytedance Seed et le problème des lacets à nouer
Dans le même ordre d’idée, Bytedance Seed, le laboratoire d’IA da la maison mère de Tiktok, teste actuellement le même type d’algorithme pour tenter d’aider les robots à nouer leurs lacets. Nouer des lacets n’est peut-être pas un problème pour vous, mais il l’est pour une intelligence artificielle. Souvenez-nous vous de votre enfance. Combien aviez-vous mis de temps pour enfin satisfaire la maîtresse, soulagée de ne plus avoir le faire pour vous ?
Actuellement, c’est une tâche encore plus compliquée pour un robot, car il nécessite une extrême précision, beaucoup de délicatesse et de la persévérance. Pour la plupart des IA, c’est une épreuve, et la plupart échouent à faire cette opération qui nous parait si naturelle (Ce qui prouve qu’on a encore bien des années d’avance devant nous avant qu’ils ne se révoltent et nous détruisent. C’était bien d’ailleurs le sujet de notre enquête exclusive et incroyable au CES de Las Vegas).
Comment fonctionne GR-RL, ce système, inventé par les ingénieurs de Bytedance Seed ?
Tout d’abord, ils montrent au robot comment les humains font. C’est la partie classique de l’apprentissage. Puis, ils demandent à l’IA de créer des milliers de variantes dans la forme, la taille et la couleur de ce qu’ils voient pour améliorer leur base de connaissance. Puis, enfin, ils demandent au robot, fort de toutes ces connaissances, de nouer ses lacets, mais surtout, surtout, il lui demande de ne pas s’arrêter au premier échec, mais de refaire une autre tentative autrement, SANS IMITER LES HUMAINS, sans donc compter sur sa base de connaissance, mais en tentant de nouvelles solutions, « imaginées » par l’IA.
Un système d’auto-apprentissage qui permet d’atteindre un taux de 85% de réussite, là où la plupart des robots n’atteignent que 45%. Nous sommes sauvés : les robots vont donc pouvoir mettre des baskets à lacets pour s’habiller.
L’algorithme utilisé repose sur le modèle de langage Qwen, dont on n’a pas fini d’entendre parler, puisqu’il dépasse sans doute en tout les modèles américains ChatGPT ou Gemini. En tout cas, les chercheurs l’adorent, sans doute pour son approche open-source, sa petite taille et ses capacités agentiques hors du commun.
Voilà, maintenant, vous savez. Dans les labos se trament des projets inouis comme apprendre à conduire une voiture, nouer ses lacets ou coder sans raler. La fin de l’humanité est peut-être proche, mais, pour l’instant, elle est drôlement passionnante !
Laisser un commentaire