Les Limites des Modèles de Langage Actuels
Les modèles de langage de grande taille (LLM) ont révolutionné notre interaction avec la technologie, mais il est crucial de ne pas surestimer leurs capacités. Contrairement à AlphaGo, qui a démontré une capacité de raisonnement plus avancée, les LLM actuels manquent d'une véritable capacité de raisonnement. Thore Graepel, chercheur en apprentissage machine, souligne que bien que ces systèmes puissent générer des réponses rapidement, ils ne possèdent pas la profondeur nécessaire pour des applications critiques comme la médecine et la recherche scientifique.
AlphaGo : Un Modèle de Référence
AlphaGo, célèbre pour sa victoire contre le champion de Go Lee Sedol à Séoul, est souvent cité comme un exemple de l'IA capable de raisonnement. Lee Sedol a décrit AlphaGo comme "basé sur le calcul de probabilité et que c'était simplement une machine". Cependant, cette machine a montré des capacités de prise de décision qui ont surpris même les experts.
Un Nouveau Paradigme de Raisonnement Machine
Graepel appelle à un nouveau paradigme de raisonnement machine, inspiré par l'architecture d'AlphaGo. Il propose que les systèmes d'IA devraient maintenir un état épistémique, permettant une progression dans la connaissance de manière auditable. Cela pourrait transformer des secteurs comme la médecine et la recherche scientifique, où la société a besoin de "mouvements créatifs dans la découverte de médicaments, les matériaux, le climat, le diagnostic".
Opportunités et Menaces
- Opportunités : Le développement de systèmes d'IA capables de raisonnement véritable pourrait transformer des secteurs critiques.
- Menaces : Les limites des modèles de langage actuels posent un risque de compréhension insuffisante du monde.