Pourquoi Les Modèles D’ia Les Plus Avancés Sont-ils En Difficulté Dans Le Monde Réel ?

Pourquoi les modèles d’IA les plus avancés sont-ils à la traîne par rapport aux bébés d’un an en termes d’efficacité d’apprentissage ? Voici les points saillants de la recherche. Les modèles d'IA les plus avancés d'aujourd'hui sont à la traîne par rapport aux bébés d'un an en termes d'efficacité d'apprentissage, malgré l'utilisation de milliers de puces hautes performances et d'ensembles de données massifs.

Les chercheurs affirment que la principale raison de cette situation est que l’architecture d’apprentissage utilisée par le cerveau du bébé pour donner un sens au monde est complètement différente des systèmes existants. Les bébés peuvent reconnaître un nouvel objet après l’avoir vu une ou deux fois seulement et peuvent rapidement comprendre leur environnement grâce à des observations à court terme. En revanche, les modèles d’intelligence artificielle nécessitent beaucoup plus de données et d’énergie pour atteindre des capacités similaires.

Les chercheurs de Meta, de l'Université de Stanford, de l'Université de Tokyo et de l'Ecole Normale Supérieure ont développé un nouveau système d'évaluation appelé EgoBabyVLM Challenge pour analyser cette différence. Dans ce système, des modèles d'intelligence artificielle capables de traiter des données visuelles et textuelles sont invités à analyser environ un millier d'heures d'images réelles enregistrées par des caméras fixées sur la tête des bébés. Les résultats montrent que même les modèles les plus avancés ne peuvent pas fonctionner comme prévu lorsqu’ils sont confrontés à des images réelles complexes plutôt qu’à des ensembles de données propres.

Les experts affirment que les mécanismes cognitifs qui permettent aux bébés d’apprendre rapidement à partir d’une petite quantité d’informations offrent des indices importants pour développer à l’avenir des systèmes d’intelligence artificielle plus efficaces. Le spécialiste des sciences cognitives Michael Frank de l'Université de Stanford souligne que le processus d'apprentissage des bébés ne se limite pas aux mots. Les bébés écoutent leurs parents parler d'objets qui ne se trouvent pas dans leur champ de vision, suivent des signaux sociaux tels que la direction du regard et les mouvements des mains, et donnent un sens au monde en combinant des expériences sensorielles telles que le toucher, la vue et l'ouïe.

Le projet BabyLM, développé en 2023, a donné des résultats positifs dans l'apprentissage de la syntaxe du langage en entraînant l'intelligence artificielle avec autant de données auxquelles un enfant est exposé. Cependant, les chercheurs notent que le même succès ne peut pas être reproduit dans la compréhension du monde physique. Joshua Tenenbaum du MIT déclare que même si les modèles actuels parviennent à capturer des modèles dans les données, ils ne peuvent pas développer des compétences telles que l'intelligence collective, les relations sociales et le raisonnement physique de la même manière qu'un bébé les acquiert.

Les chercheurs pensent que comprendre comment les bébés acquièrent les compétences cognitives globales qu’ils acquièrent à l’âge de deux ans constitue un seuil critique pour les futures technologies d’IA. Michael Frank de Stanford et son équipe travaillent sur un nouveau type de modèle qui permet de mieux apprendre la causalité et les relations visuelles et temporelles. Il est prévu que cette approche, capable de saisir plus efficacement la dynamique des objets, puisse contribuer au développement de systèmes d’intelligence artificielle qui apprennent plus rapidement dans des domaines tels que la physique et les relations sociales.

Quand pensez-vous que les systèmes d’intelligence artificielle pourront atteindre cette capacité naturelle d’apprentissage et de raisonnement que possèdent les bébés ? Votre commentaire a été envoyé, il sera publié après approbation.