Intelligence générale artificielle
L'intelligence générale artificielle (AGI) fait référence à des systèmes d'IA dotés de compétences larges, de niveau humain (ou supérieur), dans la plupart des tâches cognitives, et non pas seulement une compétence restreinte comme la traduction ou l'étiquetage d'images.
Aperçu
L'intelligence générale artificielle (AGI) fait référence à des systèmes d'IA dotés de compétences larges, de niveau humain (ou supérieur), dans la plupart des tâches cognitives, et non pas seulement une compétence restreinte comme la traduction ou l'étiquetage d'images.
L'intelligence générale artificielle se situe à l'intersection de la capacité, du pouvoir et des choix publics, là où la sécurité, la gouvernance et la légitimité décident si l'IA avancée aide ou nuit à grande échelle.
Plongée profonde
Il n’existe pas de définition unique et convenue de l’AGI. Certaines personnes veulent dire « correspond aux professionnels humains médians dans la plupart des travaux de connaissances », d'autres veulent dire « peut automatiser la majorité des tâches économiquement intéressantes », et d'autres encore réservent le terme aux systèmes qui peuvent s'améliorer ou dépasser l'humanité en matière de science et de stratégie. La définition est importante car la politique, les investissements et la planification de la sécurité dépendent tous du moment où vous pensez que de tels systèmes arriveront et de ce qu'ils peuvent faire. Les grands modèles de langage actuels ne sont pas des AGI selon des définitions strictes, mais ils font déjà preuve d'une grande compétence et d'une amélioration rapide - c'est pourquoi les délais sont contestés et pourquoi les chercheurs sur les risques existentiels traitent l'AGI (et les systèmes au-delà) comme un problème de planification en direct plutôt que comme de la science-fiction. Si les systèmes de niveau AGI peuvent agir avec une surveillance limitée, les problèmes d’alignement et de contrôle cessent d’être académiques.
Aperçu technique
Les progrès vers des compétences plus larges sont venus en grande partie de la mise à l’échelle des données, du calcul et des algorithmes ; de la post-formation qui rend les modèles plus utilisables ; et des outils/agents qui permettent aux modèles d'agir dans le monde. Des lacunes subsistent en matière d’agence fiable à long terme, de modèles mondiaux bien ancrés et de véracité constante. Les questions liées à la sécurité comprennent : quelles capacités émergent soudainement, si les évaluations les détectent et si les laboratoires peuvent suspendre ou interrompre le déploiement lorsque le risque augmente.
Maîtriser l’Intelligence Générale Artificielle
Pour développer une compréhension approfondie, considérez l’intelligence générale artificielle comme un modèle opérationnel et non comme une simple fonctionnalité. Définissez les résultats souhaités, clarifiez les hypothèses et séparez ce que le système peut faire de manière fiable de ce qui nécessite encore le jugement d'un expert.
Dans la pratique, des équipes solides utilisant l’intelligence générale artificielle associent croissance des capacités, gouvernance, sécurité et structures de responsabilité claires. Ils documentent des critères de réussite explicites, testent par rapport à des données et des flux de travail réalistes et itèrent en fonction des modèles d'échec observés plutôt que des victoires de référence ponctuelles. C’est là que la compréhension théorique se transforme en capacité durable au niveau des produits, des politiques et des opérations.
Les dommages catastrophiques et quotidiens causés par l’IA dépendent tous deux de la personne qui comprend les risques et qui peut agir. Dans le même temps, traiter le risque existentiel comme de la science-fiction alors que les capacités s’accroissent. L'approche la plus résiliente consiste à combiner vitesse d'expérimentation et discipline de gouvernance : exécuter des projets pilotes, capturer des preuves, publier des journaux de décision et mettre à jour en permanence les protections à mesure que le comportement du modèle, les attentes des utilisateurs et les exigences réglementaires évoluent.
Impact stratégique
Les dommages catastrophiques et quotidiens causés par l’IA dépendent tous deux de la personne qui comprend les risques et qui peut agir.
Les dommages catastrophiques et quotidiens causés par l’IA dépendent tous deux de la personne qui comprend les risques et qui peut agir. Dans les déploiements de haute qualité, cela se traduit par des règles de fonctionnement mesurables, des limites de propriété et des rituels d'examen récurrents afin que les équipes puissent accroître la confiance au lieu de l'ambiguïté.
Les connaissances du public et des professionnels déterminent si une politique de sécurité forte est politiquement possible.
Les connaissances du public et des professionnels déterminent si une politique de sécurité forte est politiquement possible. Dans les déploiements de haute qualité, cela se traduit par des règles de fonctionnement mesurables, des limites de propriété et des rituels d'examen récurrents afin que les équipes puissent accroître la confiance au lieu de l'ambiguïté.
Des explications claires réduisent la capture par le battage médiatique, les relations publiques en laboratoire et le théâtre d'éthique vague.
Des explications claires réduisent la capture par le battage médiatique, les relations publiques en laboratoire et le théâtre d'éthique vague. Dans les déploiements de haute qualité, cela se traduit par des règles de fonctionnement mesurables, des limites de propriété et des rituels d'examen récurrents afin que les équipes puissent accroître la confiance au lieu de l'ambiguïté.
Mise en œuvre dans le monde réel
Suivre la façon dont les modèles de frontière s'étendent du chat au codage, à l'aide à la recherche et à l'utilisation d'outils en plusieurs étapes.
Comparaison des définitions publiques de l'AGI des laboratoires et des seuils qu'ils prétendent importants pour la politique de sécurité.
Planification des impacts économiques et sécuritaires si les systèmes peuvent se substituer à de grandes classes de travail cognitif à distance.
Créer un flux de travail d'intelligence générale artificielle reproductible avec des critères de réussite explicites et des points de contrôle d'examen humain.
Modèles de mise en œuvre
L'intelligence générale artificielle en pratique
Suivre la façon dont les modèles de frontière s'étendent du chat au codage, à l'aide à la recherche et à l'utilisation d'outils en plusieurs étapes.
Les équipes obtiennent généralement de meilleurs résultats lorsqu'elles définissent des seuils de qualité à l'avance, maintiennent un chemin de remontée humain pour les cas extrêmes et suivent à la fois les gains de productivité et les coûts d'erreur au fil du temps.
L'intelligence générale artificielle en pratique
Comparaison des définitions publiques de l'AGI des laboratoires et des seuils qu'ils prétendent importants pour la politique de sécurité.
Les équipes obtiennent généralement de meilleurs résultats lorsqu'elles définissent des seuils de qualité à l'avance, maintiennent un chemin de remontée humain pour les cas extrêmes et suivent à la fois les gains de productivité et les coûts d'erreur au fil du temps.
L'intelligence générale artificielle en pratique
Planification des impacts économiques et sécuritaires si les systèmes peuvent se substituer à de grandes classes de travail cognitif à distance.
Les équipes obtiennent généralement de meilleurs résultats lorsqu'elles définissent des seuils de qualité à l'avance, maintiennent un chemin de remontée humain pour les cas extrêmes et suivent à la fois les gains de productivité et les coûts d'erreur au fil du temps.
L'intelligence générale artificielle en pratique
Créer un flux de travail d'intelligence générale artificielle reproductible avec des critères de réussite explicites et des points de contrôle d'examen humain.
Les équipes obtiennent généralement de meilleurs résultats lorsqu'elles définissent des seuils de qualité à l'avance, maintiennent un chemin de remontée humain pour les cas extrêmes et suivent à la fois les gains de productivité et les coûts d'erreur au fil du temps.
Risques et garde-fous
Traiter le risque existentiel comme de la science-fiction alors que les capacités s’accroissent.
Confondre sécurité des produits de surface et alignement sous haute autonomie.
Laisser le public non anglophone et non expert avec uniquement des sources de mauvaise qualité.
Feuille de route de mise en œuvre
Séparez les dommages causés aux produits, leur mauvaise utilisation et les risques de perte de contrôle/désalignement.
Considérez cela comme une porte de preuve : si les critères ne sont pas remplis, suspendez le déploiement, comblez l'écart, puis étendez l'utilisation.
Demandez quelles preuves pourraient changer votre point de vue sur les délais et la gravité.
Considérez cela comme une porte de preuve : si les critères ne sont pas remplis, suspendez le déploiement, comblez l'écart, puis étendez l'utilisation.
Préférez les sources primaires et les évaluations concrètes aux allégations marketing.
Considérez cela comme une porte de preuve : si les critères ne sont pas remplis, suspendez le déploiement, comblez l'écart, puis étendez l'utilisation.
Identifiez une voie d’action : carrière, politique, financement ou compétences – et pas seulement la sensibilisation.
Considérez cela comme une porte de preuve : si les critères ne sont pas remplis, suspendez le déploiement, comblez l'écart, puis étendez l'utilisation.
Continuez à explorer
Check your understanding
Test yourself: take the Artificial General Intelligence quiz