Si l’IA semble évoluer trop vite pour être maîtrisée, un groupe de chercheurs chinois a une mauvaise nouvelle : ils ont développé un modèle qui « évolue » de lui-même, créant de meilleures versions à chaque itération d’auto-analyse.
ASI-Evolve, développé par des chercheurs de l’université Jiao Tong de Shanghai, fonctionne en boucle continue, reproduisant ainsi la manière dont les humains mettraient ce type de technologie à l’épreuve. Concrètement, il crée des variantes de modèles d’IA, modifie leur entraînement et ajuste les données utilisées pour leur apprentissage. Il mène ensuite ses propres expériences pour déterminer quel clone est le plus performant, et utilise ces résultats pour orienter ses essais suivants.
« ASI-Evolve enrichit les agents évolutionnaires classiques grâce à deux composantes clés : une base cognitive qui intègre les connaissances humaines accumulées à chaque itération d’exploration, et un analyseur dédié qui transforme les résultats expérimentaux complexes en enseignements réutilisables pour les itérations futures », écrivent les chercheurs. « À notre connaissance, ASI-Evolve est le premier cadre unifié à démontrer la découverte pilotée par l’IA à travers trois composantes essentielles du développement de l’IA : les données, les architectures et les algorithmes d’apprentissage. »
Bien que cela paraisse anodin à beaucoup, cette innovation a suscité un vif intérêt dans le secteur, et ce n’est pas sans raison. En générant des idées, en les testant et en affinant les résultats dans un processus d’amélioration continue, ASI-Evolve reproduit la démarche par essais et erreurs qui caractérise non seulement la modélisation de l’IA, mais aussi la recherche scientifique et mathématique. De ce fait, elle ouvre la voie à une accélération des découvertes dans des domaines où les progrès sont lents, car les chercheurs humains testent de nombreuses hypothèses.
« Et si vous pouviez confier votre problème le plus complexe à un chercheur en IA infatigable, capable de consulter la littérature scientifique, de concevoir des expériences, de les mener et d’apprendre de chaque échec ? C’est le principe d’ASI-Evolve », ont indiqué les chercheurs sur GitHub, où sont hébergées les ressources du modèle. « Il s’agit d’un cadre agentiel général qui boucle la boucle entre connaissance → hypothèse → expérience → analyse, et la répète de manière autonome, itération après itération, jusqu’à trouver une solution efficace. »
« Nous l’avons conçu pour la recherche en IA », ont-ils ajouté. « Mais le système est indépendant du domaine. Un analyste financier, un ingénieur biomédical, un climatologue ou un développeur de jeux vidéo peuvent tous soumettre leur problème à ASI-Evolve et le laisser rechercher des solutions plus performantes que celles qu’un humain pourrait explorer manuellement. »
ASI-Evolve a amélioré une fonction spécifique – son mécanisme d’attention – de 0,97 point sur un test de référence standard, contre 0,34 point pour un humain. Ces « points » correspondent aux scores obtenus à ce test, où même de faibles améliorations sont considérées comme significatives. Ainsi, bien qu’il ne s’agisse que d’un test portant sur un seul aspect de l’IA, celle-ci s’est avérée presque trois fois plus rapide pour progresser.
De plus, utilisé comme modèle de découverte de médicaments, ASI-Evolve a surpassé les systèmes existants, démontrant ainsi son potentiel qui dépasse le cadre de l’IA. Pour une analyse plus approfondie, cette vidéo offre un excellent résumé des conclusions de l’étude :
ASI-EVOLVE : Cadre de recherche autonome pour les LLM
Et non, ce système ne va supprimer le travail de personne – il a toujours besoin d’humains pour superviser son « évolution » – et ce n’est pas par hasard qu’il s’agit d’une évolution passionnante.
« Dans ASI-Evolve, nous avons intégré une grande quantité d’expérience humaine préalable », a déclaré le chercheur Xu Weixian à 36Kr , l’équivalent chinois de TechChrunch. « Nous ne poursuivons pas une « évolution aveugle » sans accompagnement humain, car l’objectif expérimental initial et les idées fondamentales sont toujours proposés par des humains. La véritable valeur du système réside dans l’utilisation de la puissante capacité d’exploration de l’IA pour itérer rapidement dans la direction définie par les humains. Il s’agit davantage d’un système collaboratif extrêmement efficace que d’un simple substitut. ASI-Evolve encourage à passer de la résolution et de la correction de problèmes à la définition même des problèmes. »
Il convient de noter que les chercheurs n’ont pas détaillé les coûts énergétiques d’exécution d’ASI-Evolve, mais sa rapidité, son efficacité et son apprentissage automatique en boucle fermée laissent penser qu’il est beaucoup moins énergivore que les modèles de pointe entraînés sur d’immenses ensembles de données. Les agents d’IA devraient être le moteur de la prochaine étape du développement de la Chine , une étape où les nouveaux centres de données devront également être alimentés par des technologies vertes.
Les résultats de cette recherche ont été publiés sur arXiv .
