Les récents modèles d’IA se révèlent étonnamment comparables aux humains dans leur capacité à générer des textes, des audios et des vidéos lorsque cela leur est demandé. Toutefois, ces algorithmes demeurent principalement confinés au monde numérique, sans s’immerger pleinement dans notre réalité tridimensionnelle. Prenons, par exemple, le défi majeur qu’implique le développement de véhicules autonomes sûrs et fiables. Bien que ces systèmes soient dotés d’intelligence artificielle, ils ont du mal à appréhender les lois de la physique et, de surcroît, ils souffrent souvent de « hallucinations », entraînant des erreurs difficilement explicables.
Cette année 2023 pourrait cependant marquer une avancée significative, permettant à l’IA de franchir la barrière du numérique pour s’ancrer dans notre quotidien. L’élargissement de l’IA au-delà de ses frontières numériques requiert une adaptation de la façon dont les machines pensent, en combinant l’intelligence numérique de l’IA avec la maitrise mécanique de la robotique. J’appelle cela « l’intelligence physique », une nouvelle forme de machine intelligente capable de comprendre des environnements dynamiques, de faire face à l’imprévisibilité, et de prendre des décisions en temps réel. Contrairement aux modèles d’IA traditionnels, l’intelligence physique est fondée sur des principes physiques, s’attachant à comprendre les fondements du monde réel, comme la relation de cause à effet.
Ces caractéristiques permettent aux modèles d’intelligence physique d’interagir et de s’adapter à divers environnements. Dans mon groupe de recherche au MIT, nous développons des modèles d’intelligence physique que nous appelons des réseaux liquides. Lors d’une expérience, par exemple, nous avons formé deux drones—l’un fonctionnant sur un modèle d’IA classique et l’autre sur un réseau liquide—pour localiser des objets en forêt durant l’été, en utilisant les données fournies par des pilotes humains. Bien que les deux drones aient exécuté leurs tâches de manière identique lorsqu’ils were orientés vers des missions pour lesquelles ils avaient été entraînés, seul le drone à réseau liquide a réussi à repérer les objets dans des circonstances différentes, comme pendant l’hiver ou dans un cadre urbain. Cette expérience a démontré que, contrairement aux systèmes d’IA traditionnels qui cessent d’évoluer après leur phase d’entraînement initiale, les réseaux liquides continuent d’apprendre et de s’adapter à partir de leur expérience, de manière semblable aux humains.
L’intelligence physique est également capable d’interpréter et d’exécuter physiquement des commandes complexes venant de textes ou d’images, comblant ainsi le fossé entre des instructions numériques et leur exécution dans le monde réel. Dans mon laboratoire, par exemple, nous avons mis au point un système d’intelligence physique capable, en moins d’une minute, de concevoir de façon itérative et d’imprimer en 3D de petits robots à partir d’éléments tels que “robot capable d’avancer” ou “robot capable de saisir des objets”.
D’autres laboratoires réalisent aussi des avancées significatives. La start-up de robotique Covariant, fondée par le chercheur de l’UC-Berkeley Pieter Abbeel, développe des chatbots similaires à ChatGPT, capables de contrôler des bras robotiques sur demande. Ils ont déjà levé plus de 222 millions de dollars pour développer et déployer des robots de tri dans des entrepôts à l’échelle mondiale. De plus, une équipe de l’Université Carnegie Mellon a récemment démontré qu’un robot, doté d’une seule caméra et d’une actuation imprécise, peut réaliser des mouvements de parkour dynamiques et complexes—y compris sauter sur des obstacles deux fois plus hauts que lui et traverser des espaces deux fois plus longs—en utilisant un unique réseau de neurones entraîné par apprentissage par renforcement.
Si 2023 était l’année dédiée à la transformation texte-image et 2024 celle dédiée à la transformation texte-vidéo, alors 2025 pourrait bien donner naissance à l’ère de l’intelligence physique, avec une nouvelle génération d’appareils—non seulement des robots, mais aussi des infrastructures telles que des réseaux électriques ou des maisons intelligentes—capables d’interpréter nos demandes et d’exécuter des tâches dans le monde réel.
Points à retenir
- Les modèles d’IA comme ceux développés au MIT utilisent l’intelligence physique pour s’adapter à des situations variées.
- Les réseaux liquides, une innovation, permettent à des machines de continuer à apprendre après leur phase d’entraînement initiale.
- Des équipes de recherche exploitent les nouvelles générations de robots pour réaliser des tâches complexes, allant du tri en entrepôts aux mouvements de parkour.
En somme, l’évolution de l’IA vers une intelligence physique soulève des enjeux tant techniques qu’éthiques importants pour la société. La capacité des machines à interagir avec le monde réel ouvre de nouvelles perspectives, mais questionne également notre responsabilité quant à leur utilisation et leur intégration dans nos vies quotidiennes. Quelles vont être les implications de ces avancées sur nos emplois et nos interactions humaines ?
L’émergence de l’intelligence physique me fascine. C’est comme si les machines commençaient à rêver, à s’imprégner de notre monde. Quelles histoires vont-elles nous raconter ?