La clé résidera dans la façon dont on définit une AGI et la façon de vérifier le bon fonctionnement de cette IA
Il est certain que pour presque tous, parler de l’IA nous semble encore être quelque chose d’un futur très lointain, du moins si nous mentionnons l’intelligence artificielle générale (AGI) comme cette machine qui peut penser et se débrouiller comme le ferait un être humain. Rien de plus éloigné de la réalité, en tout cas, car l’IA est une réalité du présent ou du moins elle le sera à court terme.
Ce fut d’abord Zuckerberg qui mentionna que Meta atteindrait l’AGI tôt ou tard, sans donner de délais, tandis qu’OpenAI parlait de la Superintelligence Artificielle pour lui laisser le champ libre, à Jensen Huang, PDG de Nvidia, qui vient de se lancer dans une entrevue qu’ils analysaient sur TechCrunch, et où il nous a laissé « le titre » :
Si nous spécifions que l’AGI est quelque chose de très concret, comme un ensemble de tests dans lesquels un programme informatique peut fonctionner très bien (peut-être 8% mieux que la plupart des gens), je pense que nous y arriverons dans environ 5 ans.
La clé selon Jensen Huang, PDG de Nvidia, résidera dans la façon dont on définit une AGI
A ce stade, nous savons tous à quoi servent les IA actuelles, puisqu’elles sont capables d’effectuer des tâches spécifiques avec précision, telles que détecter des erreurs, analyser des images ou les créer, résumer des textes et des nouvelles, créer du code ou effectuer des actions similaires multiples, toujours avec un entraînement externe aussi complet que possible.
Cependant, une intelligence artificielle générale devrait être capable de réaliser de multiples tâches à des niveaux humains, voire supérieurs, se rétroalimenter et même apprendre sans avoir besoin d’un entraînement externe. Il existe de nombreuses questions existentielles à ce sujet, cela a été discuté à l’infini et nous avons vu des dizaines de films de science-fiction nous parler de machines qui prennent le contrôle, et il est vrai que l’imprévisibilité de ces AGI suscite des doutes même chez des experts comme Sam Altman.
Ces intelligences artificielles générales sont celles qui vont changer le paradigme, le monde tel que nous le connaissons, donc nous sommes tous dans l’attente d’une date pour leur arrivée que personne dans l’industrie technologique ne veut nous donner, mais que le PDG de Nvidia a prévu dans environ 5 ans, confirmant que ce délai sera bien sûr marqué par la façon dont l’AGI sera spécifiquement définie.
Jensen Huang dit que lorsque nous conduisons jusqu’à un endroit comme le Centre des Congrès de San José, où se tiendra l’événement GTC cette année, nous saurons généralement que nous sommes arrivés lorsque nous verrons les panneaux indiquant l’événement GTC. C’est un point crucial de savoir comment mesurer que nous sommes arrivés, tout comme il sera important de définir comment évaluer les résultats de l’AGI.
Pour le PDG de Nvidia, les tests pourraient être réussir un test de droit, faire des exercices de logique ou fournir avec précision un test de médecine précédent, mais nous devons être clairs et spécifiques sur ce que signifie une AGI et ce que nous attendons qu’elle puisse faire pour évaluer si elle est parvenue là ou non.
L’Intelligence Artificielle Générale pourrait arriver beaucoup plus tôt que prévu
Les hallucinations des IA actuelles sont faciles à résoudre
De plus, peut-être parce qu’il s’était déjà plongé dans le sujet, Jensen Huang a également voulu répondre à la question de comment résoudre les hallucinations de l’IA actuelle et la tendance de certains chatbots à inventer des réponses qui semblent très crédibles, mais qui ne sont pas basées sur des faits et ne sont pas vraies.
Le PDG de Nvidia dit que cela est plus facile à résoudre qu’il n’y paraît, et il suffirait simplement de s’assurer que les réponses sont bien étayées par des recherches. En réalité, il nous donne la clé, car il dit qu’il suffirait de « ajouter une règle : pour chaque réponse, nous devons chercher la réponse ».
Huang dit que cette pratique de « génération de récupération augmentée » résoudrait le problème, car l’approche est similaire à celle de l’alphabétisation de base : examiner la source et le contexte. Avant de répondre, l’IA devrait comparer les faits provenant de la source avec des vérités connues, et si la réponse était inexacte, elle devrait rejeter la source et en chercher une autre.
Il ne s’agit pas seulement de répondre, mais d’investiguer pour déterminer quelle réponse est la meilleure avant de l’offrir. Même les générateurs de texte devraient avoir la possibilité de répondre « je ne sais pas » ou « je ne peux pas parvenir à un consensus sur quelle serait la réponse correcte ».