Le responsable de l’IA chez Meta critique la quête de l’intelligence humaine.

Yann LeCun, le directeur scientifique de l’IA chez Meta, a exprimé des réserves mercredi (8 janvier) concernant les définitions actuelles de l’intelligence générale artificielle (AGI). Selon lui, il ne suffira pas d’augmenter la taille des modèles de langage basés sur du texte pour atteindre cet objectif.

Lors d’une discussion informelle au CES à Las Vegas, le Français, lauréat du prix Turing — souvent considéré comme le prix Nobel de l’informatique — a contesté l’affirmation de Sam Altman, CEO d’OpenAI, qui avait récemment déclaré que ses équipes savaient déjà comment construire l’AGI et se projetaient vers une superintelligence.

LeCun a précisé que les modèles de langage de grande taille (LLMs) ne peuvent pas atteindre l’AGI, préférant le terme « intelligence au niveau humain ». Il a déclaré : « Il est absolument impossible que les LLMs autoregressifs, tels que nous les connaissons aujourd’hui, atteignent l’intelligence humaine. Cela ne se produira tout simplement pas. »

Ces modèles sont conçus pour analyser toutes les possibilités de texte afin de compléter une phrase et opter pour la meilleure option. En revanche, le cerveau humain ne se limite pas à analyser du texte, mais traite une multitude de modalités. En outre, les systèmes d’IA actuels consistent principalement en une “IA étroite”, capables d’exécuter des tâches spécifiques avec une grande efficacité, comme jouer aux échecs ou réaliser des diagnostics médicaux. Mais en s’écartant de ces tâches, ils échouent souvent.

« Les chercheurs en IA commettent régulièrement cette erreur en disant : ‘Nous avons maintenant des systèmes capables de nous battre aux échecs, alors ils deviendront bientôt aussi intelligents que nous’ », a-t-il ajouté. « Nous avons maintenant des systèmes capables de conduire une voiture dans le désert. Dans peu de temps, nous aurons des voitures autonomes au niveau 5. Or, 13 ans plus tard, nous n’y sommes toujours pas. »

« En rassemblant tous ces systèmes, nous aurons des dispositifs capables d’accomplir de nombreuses choses, mais cela ne signifie pas qu’ils possèdent une intelligence humaine, ni qu’ils peuvent planifier, raisonner ou comprendre le monde physique. »

Bien que les systèmes d’IA soient efficaces pour des tâches cognitives, ils sont incapables d’accomplir des tâches physiques, comme la plomberie. « Nous n’allons pas avoir de plombiers automatisés de sitôt, » a-t-il précisé. « Cela nécessite une compréhension très approfondie du monde physique et la manipulation d’objets. »

« Ce n’est pas que nous ne puissions pas construire un robot, mais nous n’arrivons pas encore à les rendre suffisamment intelligents, » a-t-il ajouté. « En fait, nous ne sommes même pas proches de la compréhension du monde physique d’animaux comme les chats ou les chiens. »

Un autre point soulevé par LeCun est que les LLMs ont montré des progrès grâce à leur mise à l’échelle, entraînés sur des ensembles de données de plus en plus volumineux. Cependant, ce modèle atteint désormais un point de rendements décroissants. « L’échelle est en train de saturer, » a-t-il déclaré.

Bien que cette mise à l’échelle puisse encore améliorer les LLMs, cela reste « très coûteux », a-t-il ajouté, expliquant pourquoi OpenAI, malgré un abonnement à 200 dollars par mois pour ChatGPT Pro, « ne réalise pas de bénéfices avec cela. » (Altman a divulgué ce fait dans un post sur X, le 5 janvier.)

Des avancées pour la robotique

Cependant, LeCun entrevoit des progrès pour les robots alimentés par l’IA grâce à l’émergence de modèles mondiaux génératifs qui créent des environnements virtuels où les robots peuvent s’entraîner. Cela représente une option moins coûteuse et moins risquée pour les entreprises que de les faire s’entraîner dans le monde physique.

Le lundi 6 janvier, le PDG de Nvidia, Jensen Huang, a présenté Cosmos, une plateforme permettant de créer des mondes virtuels pour la robotique. En utilisant des indications textuelles, visuelles ou vidéo, les développeurs peuvent générer de vastes quantités de données synthétiques à utiliser pour former leurs systèmes d’IA physique, comme des robots et des véhicules autonomes.

Google DeepMind recrute une nouvelle équipe pour ses modèles génératifs de monde, tandis que l’initiative World Labs de la pionnière de l’IA Fei Fei Li a lancé avec un financement de 230 millions de dollars, soutenu par des figures emblématiques de la Silicon Valley, dont le prix Nobel Geoffrey Hinton et Marc Benioff, PDG de Salesforce.

Interrogé sur la date à laquelle il estime que le « moment ChatGPT » pour la robotique arrivera, LeCun a mentionné qu’avec l’arrivée de modèles mondiaux, cela pourrait se situer entre trois à cinq ans.

Cependant, LeCun voit des agents d’IA devenir courants, à mesure que les individus s’habitueront à interagir avec différents types d’assistants IA pour les aider dans leur travail. Il précise que ces derniers seraient des bots formés pour des tâches spécifiques, plutôt que de véritables assistants d’IA capables de réaliser des activités de manière autonome sans formation spécifique.