Le prochain défi de l’intelligence artificielle est de comprendre le monde réel
L’intelligence artificielle, après avoir maîtrisé l’art de décrire le monde à travers les mots, se heurte désormais à un défi plus fondamental : comprendre les mécanismes concrets qui régissent la réalité physique. Une approche émergente, les world models ou modèles du monde, ambitionne de doter les systèmes d’IA d’une capacité à anticiper les conséquences de leurs actions, mais son efficacité reste incertaine. Entre promesses technologiques et limites théoriques, cette évolution soulève des questions sur la nature même de l’intelligence, artificielle ou humaine.
Qu’est-ce que les world models et en quoi diffèrent-ils des modèles de langage actuels ?
Les world models sont des systèmes d’IA conçus pour apprendre par l’observation du monde réel et simuler les conséquences d’une action avant de l’exécuter, contrairement aux modèles de langage qui se contentent de prédire des suites de phrases à partir de données textuelles. Ils visent à reproduire une forme de raisonnement causal, là où les chatbots actuels, comme ceux alimentés par des grands modèles de langage, restent incapables de lier leurs descriptions à une expérience concrète du monde physique.
Quels exemples concrets illustrent les capacités ou les limites des world models aujourd’hui ?
L’agent d’IA Dreamer 4, développé par DeepMind (Google), illustre cette approche en apprenant à jouer à Minecraft en simulant mentalement différentes actions avant de choisir la plus efficace, comme récupérer des diamants. Cependant, les chercheurs soulignent que ces systèmes peinent encore à généraliser leurs compétences à des tâches complexes du quotidien, comme plier du linge ou remplir un lave-vaisselle, et restent dépendants de contextes très contrôlés.
Pourquoi certains experts doutent-ils de l’efficacité des world models à résoudre le problème de l’intelligence artificielle ?
Des chercheurs comme Melanie Mitchell (Institut de Santa Fe) mettent en garde contre le risque de réduire les world models à un simple « fourre-tout » désignant tout ce que l’IA actuelle ne maîtrise pas encore. Ils rappellent que le cerveau humain mobilise simultanément plusieurs modèles du monde, adaptés à des contextes et objectifs variés, une flexibilité que les systèmes actuels peinent à reproduire.
Quel rôle pourrait jouer l’IA dotée de world models dans les domaines de la robotique ou de la science ?
Les world models pourraient révolutionner la robotique en permettant aux machines d’anticiper les effets de leurs actions sur leur environnement, par exemple pour des tâches domestiques ou industrielles complexes. En science, ils ouvriraient la voie à des simulations plus précises de phénomènes physiques, réduisant le besoin d’expérimentations coûteuses ou dangereuses. Leur potentiel s’étend aussi à la prévention des erreurs dommageables, en testant virtuellement des scénarios avant leur mise en œuvre réelle.
Ce que ça pourrait changer
Si les world models tenaient leurs promesses, ils pourraient accélérer le développement d’une intelligence artificielle générale (IAG), capable de raisonner comme un humain et de s’adapter à des environnements imprévisibles. Cependant, leur succès dépendra de leur capacité à dépasser les limites actuelles, notamment en intégrant une diversité de contextes et en évitant de reproduire les biais des données d’entraînement. Leur adoption massive soulèverait aussi des enjeux éthiques et sociétaux, notamment en matière de responsabilité en cas d’erreurs dans des systèmes autonomes.
