Source article: Potentially Viable Paths to True AGI | by SingularityNet | SingularityNET
Translation by: FranklynStein
Dework task link: https://app.dework.xyz/singularitynet-ambas/test-38287?taskId=a8f620fc-8271-429d-a065-f40e703b4fbb
Community review: Please leave comments below about translation quality or like this post if it is well translated
Des chemins potentiellement viables vers une véritable IA générale (AGI)
Au cours des dernières années, une grande partie des discussions autour de l’intelligence artificielle générale (AGI) a été dominée par l’ascension fulgurante de la popularité des grands modèles de langage (LLMs) et d’autres formes de réseaux neuronaux profonds (DNNs).
De l’aide dans nos tâches quotidiennes à la création d’œuvres artistiques remarquables, ces modèles se sont illustrés dans une variété de domaines, suscitant l’admiration d’utilisateurs à travers le monde. Cela dit, il existe un problème majeur concernant leur rôle dans le débat autour de l’AGI : ils échouent sur un point essentiel, celui de l’intelligence générale véritable.
En 2022, le Dr Ben Goertzel, PDG de SingularityNET et de l’Artificial Superintelligence Alliance, a exploré dans l’un de ses blogs intitulé “Trois chemins viables vers une véritable AGI”
l’idée que les systèmes d’apprentissage profond pourraient ne pas suffire à atteindre l’AGI dans sa forme la plus complète.
Dans cet article, le Dr Goertzel décrit trois chemins potentiellement viables pour parvenir à une véritable AGI, chacun représentant une approche différente pour relever le défi colossal de reproduire une intelligence comparable à celle des humains.
Aujourd’hui, nous allons plonger dans ces trois approches : l’approche au niveau de la cognition, l’approche au niveau du cerveau et l’approche au niveau de la chimie. Chacune offre une perspective unique sur la manière dont nous pourrions atteindre l’AGI et sur ce qui pourrait se profiler au-delà du paysage actuel de l’IA.
- L’Approche Cognitionnelle pour l’AGI : Les Systèmes Hybrides Neuro-Symboliques
Le premier chemin mis en avant par le Dr Ben Goertzel, et celui qui suscite le plus son enthousiasme personnel, est l’approche cognitionnelle. Cette méthode repose sur la combinaison de diverses techniques d’intelligence artificielle, notamment les réseaux neuronaux, le raisonnement symbolique, la programmation probabiliste et l’apprentissage évolutif, dans un cadre unifié.
Au cœur de cette approche se trouve OpenCog Hyperon, un projet dirigé par le Dr Goertzel et son équipe de chercheurs et ingénieurs, dont la version Alpha a été lancée plus tôt cette année.
Hyperon n’est pas un simple système basé sur des réseaux neuronaux. Il s’agit d’un cadre hybride neuro-symbolique qui vise à modéliser la cognition humaine en intégrant plusieurs paradigmes de l’IA. Selon le Dr Goertzel, les réseaux neuronaux profonds ne suffisent pas à atteindre l’AGI en raison de leur capacité limitée à généraliser, innover et abstraire au-delà de tâches spécifiques et étroites.
Le Dr Goertzel explique :
“La limite absolue que ces réseaux profonds, ou toute méthode vaguement similaire, pourraient espérer atteindre se résumerait à des systèmes que je qualifierais de ‘quasi-AGI fermés’. Ces systèmes pourraient imiter de nombreux comportements humains, mais […] seraient incapables de résoudre des problèmes scientifiques et d’ingénierie complexes non résolus, ou de procéder à l’auto-modification et à l’auto-amélioration nécessaires pour servir de graines d’IA et lancer une Singularité.”
Cette critique des réseaux neuronaux profonds met en lumière leurs limites fondamentales, notamment leur incapacité à s’auto-organiser ou à générer de la créativité.
Hyperon comble ces lacunes en intégrant le raisonnement symbolique, les algorithmes évolutifs et une inférence probabiliste avancée, le tout fonctionnant dans un système basé sur un métagraphe appelé Atomspace. Cette architecture permet des processus de raisonnement et d’apprentissage flexibles et évolutifs, s’inspirant de la psychologie cognitive humaine.
Le Dr Goertzel et son équipe estiment que Hyperon représente une étape cruciale vers l’AGI. Le système est conçu pour émuler des fonctions cognitives clés telles que la mémoire, l’attention et le raisonnement, grâce à un ensemble d’algorithmes d’IA avancés optimisés pour interagir au sein d’un cadre commun. Cette approche hybride réunit les forces de différents paradigmes de l’IA tout en surmontant leurs faiblesses individuelles.
- L’Approche au Niveau du Cerveau : Simulation Dynamique Non Linéaire à Grande Échelle
Si l’approche cognitionnelle se concentre sur l’imitation des processus de pensée humaine à travers une combinaison de paradigmes d’IA, l’approche au niveau du cerveau adopte une voie plus directe : simuler le cerveau lui-même.
Le Dr Ben Goertzel reconnaît la complexité d’une telle entreprise, mais il estime que la création d’un modèle dynamique non linéaire du cerveau pourrait représenter une autre voie vers l’AGI. Cette approche diffère radicalement des modèles de réseaux neuronaux actuels qui, comme il le souligne, ne sont “neuronaux” qu’au sens très large du terme.
S’inspirant de la neurosciences computationnelle, Goertzel préconise des méthodes de simulation cérébrale basées sur la théorie du chaos et les dynamiques non linéaires, visant à reproduire les interactions complexes des neurones à un niveau beaucoup plus détaillé. Il fait référence aux travaux d’Eugene Izhikevich sur les systèmes dynamiques, qui fournissent une base théorique à ce type de modèle.
Cependant, comme l’explique le Dr Goertzel, le principal obstacle de cette approche n’est pas un manque d’idées, mais l’énorme puissance de calcul nécessaire :
“Même la meilleure tentative que nous pourrions faire aujourd’hui pour simuler le cerveau avec nos connaissances actuelles ne serait pas SI précise — il y a tout simplement trop d’aspects du fonctionnement du cerveau que nous ignorons, et notre matériel informatique est beaucoup trop différent du système neural biologique.”
Malgré ces défis, il voit un potentiel prometteur dans cette voie. Une simulation à grande échelle du cerveau pourrait fournir des informations précieuses sur l’intelligence humaine en reproduisant les interactions entre différentes régions cérébrales et réseaux neuronaux. Bien que le Human Brain Project ait tenté quelque chose de similaire sans atteindre ses objectifs, Goertzel pense que, grâce à des simulations cérébrales fondées sur des dynamiques non linéaires et exécutées sur du matériel informatique avancé, nous pourrions encore parvenir à l’AGI.
Mais une autre question se pose : et si, au lieu de simuler directement le cerveau humain, nous commencions par simuler des organismes plus simples ? Comme il le suggère, reproduire les cerveaux d’animaux comme les cafards ou les abeilles pourrait constituer une étape intermédiaire plus réalisable.
Ces cerveaux plus simples, avec moins de neurones et de connexions, pourraient offrir des perspectives précieuses sur les principes des dynamiques neuronales. Ces connaissances pourraient ensuite être étendues à des systèmes plus complexes, jusqu’à atteindre l’intelligence humaine.
- L’Approche au Niveau Chimique : Chimie Artificielle et Systèmes Auto-Organisateurs
Le troisième chemin proposé par le Dr Ben Goertzel s’éloigne totalement de la modélisation neuronale pour se concentrer sur une approche AGI au niveau chimique. Cette approche, à la fois spéculative et fascinante, consiste à simuler des systèmes auto-organisateurs complexes au niveau chimique, dans le but d’amener des structures cérébrales émergentes à se former. En d’autres termes, au lieu de tenter d’imiter directement le cerveau ou la cognition, il s’agit de créer des systèmes chimiques artificiels reproduisant les processus fondamentaux de la vie et de l’intelligence.
L’intérêt du Dr Goertzel pour cette approche découle des enseignements de la science des systèmes complexes et de la théorie du chaos, qui suggèrent que l’intelligence pourrait émerger d’environnements hautement dynamiques et auto-organisateurs. Il cite les travaux de chercheurs comme Bruce Damer (Evogrid) et Walter Fontana (chimie algorithmique) comme sources potentielles d’inspiration. L’idée est qu’en exécutant des simulations à grande échelle de chimie artificielle, nous pourrions assister à l’émergence spontanée de structures cognitives semblables à celles que l’on trouve chez les organismes biologiques.
Bien que cette approche soit extrêmement spéculative et, comme le dit Goertzel, très “visionnaire”, elle reste profondément intrigante. Le défi principal réside dans la création d’un environnement informatique capable de prendre en charge des simulations massives et distribuées, ainsi que dans l’analyse des motifs qui en résultent, pour comprendre comment des comportements complexes émergent.
Goertzel reconnaît le caractère risqué de cette approche, mais il en perçoit également l’immense attrait philosophique : tenter de reproduire les processus mêmes qui ont donné naissance à la vie et à l’intelligence. Comme il le dit si bien :
“Cette approche potentielle de l’AGI est très visionnaire et à haut risque, mais elle est aussi philosophiquement très séduisante — et elle n’a jamais vraiment été essayée à l’échelle moderne.”
Si des percées survenaient dans ce domaine, elles pourraient révolutionner notre compréhension de l’intelligence et de la vie elle-même, offrant une base entièrement nouvelle pour la recherche en AGI.
Pourquoi Ces Chemins Comptent pour l’AGI et la Singularité à Venir
Chacun de ces trois chemins joue un rôle important dans le discours plus large sur l’AGI et sa viabilité potentielle dans les années à venir.
Ils illustrent la diversité des approches nécessaires pour relever l’immense défi que représente la compréhension et la reproduction de l’intelligence elle-même.
Bien que les réseaux neuronaux profonds aient connu un succès impressionnant dans les applications d’intelligence artificielle étroite, la création d’une AGI au niveau humain exigera bien plus qu’une simple mise à l’échelle des techniques actuelles.
Les propositions du Dr Ben Goertzel nous invitent à aller au-delà des paradigmes existants et à envisager des approches plus holistiques et pluridisciplinaires, intégrant les sciences cognitives, les neurosciences et la chimie.
Chez SingularityNET, notre engagement envers la décentralisation du développement de l’IA et la promotion de l’innovation s’aligne parfaitement sur cette vision élargie. En soutenant des projets comme OpenCog Hyperon et en encourageant la recherche sur des voies alternatives vers l’AGI, nous contribuons à repousser les limites de ce qui est possible.
Ces trois approches, décrites par le Dr Goertzel — le niveau cognitionnel, le niveau cérébral et le niveau chimique — offrent une feuille de route pour les futures recherches sur l’AGI, chacune apportant une perspective unique sur la manière d’atteindre une véritable intelligence machine.
Bien que l’avenir de l’AGI reste incertain, la Singularité est à l’horizon.
Et tandis que nous continuons d’explorer ces chemins variés, nous vous invitons à nous rejoindre dans ce voyage vers l’aube d’une explosion d’intelligence qui pourrait (et probablement va) transformer le monde tel que nous le connaissons.