Fini les LLM, vive l’IA physique
Le boss de Meta, Yan Lakhan, annonce son désintérêt pour les LLM et ouvre la voie à des approches basées sur la compréhension du monde physique. Il défend l’utilisation de modèles prédictifs dans un espace de représentation abstraite pour rapprocher l’IA du raisonnement humain. L’analyse met en avant le besoin urgent d’architectures capables de mémoire persistante et de planification.
Points clés
- Le boss de Meta, Yan Lakhan, exprime son désintérêt pour les LLM.
- Il critique la limite des systèmes actuels qui se basent uniquement sur la prédiction de tokens.
- Il met en lumière l’importance de comprendre le monde physique pour atteindre une véritable intelligence artificielle.
- L’accent est mis sur la nécessité d’architectures dotées d’une mémoire persistante et de capacités de raisonnement.
- Le concept de world models est évoqué pour expliquer comment les humains appréhendent le monde.
- La discussion souligne que les modèles actuels reposent sur environ 30 trillions de tokens, soit près de 10^14 octets de données.
- Une comparaison est faite entre la compréhension visuelle (2 Mo/s de données) et l’apprentissage textuel.
- Yan Lakhan prône une architecture alternative, le VJEPA, qui opère sur des représentations abstraites.
- Le modèle VJEPA détecte la faisabilité physique d’un vidéo en mesurant l’erreur de prédiction.
- La distinction entre « système one » (réactif) et « système two » (raisonnement approfondi) est abordée.
À retenir
Pour les non-experts, il semble judicieux de chercher une IA qui réfléchit plutôt que de se contenter de coller des tokens entre eux. Mieux vaut opter pour des systèmes capables de comprendre le monde réel, même si cela demande un peu plus d’effort intellectuel – promis, ce n’est pas une théorie de physique quantique à suivre au quotidien !
Sources
Quiz sur la vidéo: 5 questions
