Les vétérans de l’intelligence artificielle (IA), s’ils reconnaissent le côté inattendu et magique des LLM, ont tendance à rappeler que la vague précédente, celle des apprentissage automatique un toi apprentissage profond les classiques, alimentés par des données et des modèles mathématiques, conservent encore une grande importance, notamment dans les applications verticales : optimisation des processus industriels, vision, etc.
Est-ce la fin de la recherche Google telle que nous la connaissons ?
Pour les spécialistes, les deux tiers des opportunités commerciales actuelles résident encore dans ce type d’applications, derrière la vague de battage ce qui a attiré toute l’attention sur l’IA générative.
Une nouvelle architecture
Cependant, les IA fortes en mathématiques et en données préparent leur retour, avec une nouvelle architecture, LQM, sur le marché. Grands modèles quantitatifs.
Nous avons ici l’ambition de nouveaux modèles fondateurs, construits sur de très grands ensembles de données, et de primitives qui modélisent au mieux divers comportements du monde réel, suivant des lois physiques, mathématiques et biologiques.
Il est attendu que ces LQM puissent faire avancer considérablement des domaines spécifiques, qui échappaient aux LLM : modélisation de nouveaux matériaux (par exemple pour concevoir des batteries innovantes), de processus biochimiques (pour découvrir de nouveaux médicaments), etc.
« Si nous continuons à faire de la médecine comme nous le faisons aujourd’hui, nous nous dirigeons vers la catastrophe. L’IA aidera à faire face au boom des grands-pères »
Nous le savions : les LLM comprennent assez mal le monde réel (par le langage uniquement), les LQM apportent la puissance de ces architectures à la compréhension du monde physique et biologique.
Related News :