Un homme en sweat rouge avance à grands pas, à travers un paysage de gratte-ciel et de verdure. Autour de lui, une ville entière prise dans un immense maillage géométrique, comme si chaque rue, chaque arbre et chaque bâtiment étaient scannés par une machine qui chercherait à en comprendre les règles. “Le prochain cap de l’intelligence artificielle [IA]”, annonce New Scientist sur sa couverture datée du 8 août. L’hebdomadaire britannique consacre un long article aux “modèles du monde”, ces systèmes conçus pour apprendre par l’observation et simuler les conséquences d’une action réelle. Une piste qui agite aujourd’hui la recherche en intelligence artificielle.

À lire aussi : Intelligence artificielle. Le jour où nous n’aurons plus besoin d’apprendre

Car les grands modèles de langage ont une faiblesse. Ils peuvent raconter ce qui arrive lorsqu’un verre tombe d’une table, jusqu’à évoquer sa “trajectoire parabolique”, donne en exemple New Scientist. Mais aucun chatbot “n’a jamais fait tomber un verre, jeté des spaghettis contre un mur ou conduit un scooter dans un étang”. Nourris d’immenses quantités de textes, ces modèles apprennent à prédire la suite la plus probable d’une phrase, sans faire directement l’expérience de la réalité. Pour certains chercheurs, cette absence d’expérience du monde physique constitue une limite fondamentale.

Les modèles du monde tentent précisément de la dépasser. Ces systèmes apprennent par l’observation afin de se fabriquer une représentation de leur environnement et d’imaginer les conséquences d’une action avant de l’exécuter. “L’idée centrale est que l’intelligence consiste à construire dans notre esprit des modèles du monde afin de simuler des scénarios et d’éviter des erreurs dommageables”, résume Josh Tenenbaum, chercheur en IA au Massachusetts Institute of Technology.

Le chemin reste long

Cette capacité à imaginer l’après passionne notamment les spécialistes de la robotique. DeepMind, laboratoire de recherche en intelligence artificielle de Google, en donne déjà un aperçu avec Dreamer 4. Entraîné principalement avec le jeu Minecraft, cet agent d’intelligence artificielle “rêve” de différentes actions possibles avant de choisir la plus efficace, apprend un modèle interne de son environnement, puis ajuste son comportement. Il a ainsi réussi à apprendre seul comment récupérer des diamants, “une tâche complexe qui implique des milliers d’actions différentes”.

Tout ce qu’il faut savoir sur l’actualité de la Silicon Valley, vue par les médias américains

Cette newsletter est réservée à nos abonnés

Je m’abonne