Voies de Développement Futur de l'Intelligence Artificielle Générale
L'avenir de l'intelligence artificielle générale (IAG) est façonné par deux chemins technologiques principaux. Le premier consiste à poursuivre l'approche des grands modèles, qui exploitent une puissance de calcul accrue pour élargir l'échelle et les capacités de ces modèles, permettant une intégration plus profonde dans divers secteurs. Le second chemin implique l'exploration de technologies émergentes telles que l'apprentissage par renforcement, le calcul des connaissances, le raisonnement symbolique et l'informatique inspirée du cerveau.
Lors de la Conférence d'Innovation Technologique Industrielle 2024 à Shanghai, Qiao Yu, directeur adjoint du Laboratoire d'Intelligence Artificielle de Shanghai, a souligné que l'IA est actuellement à une phase de transition cruciale, passant de l'intelligence spécialisée à l'intelligence générale. Il a noté qu’avec l’avènement de l'apprentissage profond en 2010, le paysage de l'IA a connu plusieurs transformations. Initialement, l'accent était mis sur le développement de modèles petits et spécialisés pour répondre à des besoins applicatifs spécifiques, mais le domaine a radicalement évolué avec l'introduction de grands modèles propulsés par les Transformers, les big data et l'apprentissage auto-supervisé d'ici 2020, permettant aux agents d'IA de s'attaquer à une variété de tâches.
La montée en puissance des grands modèles, notamment sous l'égide d'OpenAI, a conduit à une recherche et développement industrielle centralisée, résultant en des innovations majeures telles que ChatGPT et GPT-4. En regardant vers l'avenir, les avancées futures dépendront non pas de succès isolés, mais d'une innovation collaborative à travers divers domaines, y compris les puces, l'infrastructure internet, les cadres, les données, les modèles, l'évaluation et le déploiement, pour atteindre une optimisation complète.
Qiao a souligné que bien que l'augmentation des modèles puisse offrir certains avantages, elle pose également des défis tels que l'efficacité, la fiabilité et la sécurité. Pour relever ces défis, il sera nécessaire d'explorer des méthodes de raisonnement basées sur la connaissance et les symboles, qui peuvent offrir une meilleure interprétabilité et améliorer la sécurité.
L'innovation future dépendra de plus en plus d'une approche systématique et multifacette. Grâce à la riche dynamique B2B de Shanghai dans les domaines de la finance, du développement urbain et de la fabrication, Qiao a plaidé pour une collaboration avec des entreprises leaders afin de développer des modèles spécialisés dans des domaines verticaux. Cette stratégie vise à accélérer la création d'un écosystème ouvert et d'un cadre d'évaluation éthique, favorisant un développement sain et des applications standardisées.
L'avenir de l'intelligence artificielle générale nécessite non seulement des innovations technologiques, mais également une attention particulière à l'optimisation de l'écosystème environnemental pour relever les défis multi-facettes que nous rencontrons aujourd'hui.
Classement
