Que partagent tous les êtres intelligents ?Selon Yann LeCun, le chef scientifique de l’IA chez Meta, il existe quatre traits essentiels. Lors du sommet AI Action à Paris plus tôt cette année, des dirigeants politiques et des experts en IA se sont réunis pour discuter du développement de l’IA. Pendant l’événement, LeCun a transmis sa définition fondamentale de l’intelligence au responsable IA d’IBM, Anthony Annunziata. « Il y a quatre caractéristiques essentielles du comportement intelligent que chaque animal — ou animal relativement intelligent — et certainement les humains possèdent », a-t-il expliqué. « Ce sont la compréhension du monde physique, la mémoire persistante, la capacité de raisonner et la capacité de planifier, notamment des actions complexes à travers une planification hiérarchique. » LeCun a souligné que l’IA, en particulier les grands modèles de langage, n’a pas encore atteint ce niveau et que l’intégration de ces capacités nécessiterait un changement dans leurs méthodes d’entraînement. Cela explique pourquoi de nombreuses grandes entreprises technologiques ajoutent actuellement de nouvelles capacités à des modèles existants, en compétition pour dominer le domaine de l’IA. « Pour comprendre le monde physique, vous entraînez un système de vision séparé, puis vous le connectez au grand modèle de langage. Pour la mémoire, vous utilisez la génération augmentée par récupération (RAG), ajoutez une mémoire associative ou simplement agrandissez le modèle », a-t-il expliqué.

(RAG est une technique développée chez Meta pour améliorer les grands modèles de langage en intégrant des sources de connaissances externes. ) Néanmoins, LeCun considère tous ces efforts comme de simples « astuces ». Il a à plusieurs reprises évoqué une approche alternative appelée modèles basés sur le monde, qui sont entraînés sur des scénarios réels et démontrent des capacités cognitives supérieures à la simple reconnaissance de motifs. Lors de sa conversation avec Annunziata, il a approfondi ce concept. « Vous commencez avec une idée de l’état du monde à un moment précis T, vous imaginez une action, puis le modèle du monde prédit comment l’état du monde changera en réponse à cette action », a-t-il expliqué. Cependant, puisque le monde évolue à travers d’innombrables possibilités imprévisibles, la seule façon réalisable d’entraîner de tels modèles est par abstraction. Meta explore déjà ce concept avec V-JEPA, un modèle publié en février. Il est décrit comme un modèle non génératif qui apprend en prédisant des segments manquants ou masqués dans des vidéos. « L’idée fondamentale est que vous ne prédisez pas directement au niveau des pixels. Au lieu de cela, vous entraînez un système à fonctionner sur une représentation abstraite de la vidéo, lui permettant de faire des prédictions dans cette abstraction. Idéalement, cette représentation filtre les détails imprévisibles », a expliqué LeCun. Cette approche reflète la manière dont les chimistes ont établi une hiérarchie fondamentale pour les éléments constitutifs de la matière. « Nous avons créé des abstractions : des particules, puis des atomes, ensuite des molécules, et enfin des matériaux », a-t-il déclaré. « Chaque couche supérieure filtre une grande partie des informations non pertinentes des couches inférieures, en fonction de la tâche. » En résumé, ce que cela signifie, c’est que nous comprenons le monde physique en construisant des hiérarchies, ce qui est fondamental pour l’intelligence.