il nous manque quelque chose de majeur : nous avons besoin que les systèmes d'IA apprennent à partir de données sensorielles naturelles à large bande passante, comme la vidéo.

nous n'atteindrons jamais une intelligence de niveau humain en nous entraînant uniquement sur du texte.

Malgré ce que vous pourriez entendre de la part de certaines personnes appartenant à la secte de la Silicon Valley, qui vont vous dire que d'ici l'année prochaine, nous aurons un centre de données, un pays de génies dans un centre de données.

Oui, vous aurez des artefacts utiles qui peuvent aider les gens dans leur vie quotidienne et donner l'impression d'avoir l'intelligence d'un doctorant, mais c'est parce qu'ils régurgiteront des choses sur lesquelles ils ont été entraînés et ces systèmes n'auront pas l'intelligence réelle du type que nous attendons.

Ainsi, les chats domestiques ont une compréhension du monde physique qui est tout à fait incroyable et ils n'ont que 2 milliards 800 millions de neurones dans leur cerveau, et ils ont certainement une très bonne compréhension du monde physique, ils peuvent effectuer une planification complexe d'actions complexes.

Et nous sommes loin d'égaler cela. C'est donc ce qui m'intéresse : comment combler ce fossé, comment faire en sorte que les systèmes apprennent des modèles du monde physique, et cela nécessitera de nouvelles architectures qui ne sont pas génératives ; je dis donc aux gens de ne pas travailler sur les modèles génératifs, alors ils pensent tous que je suis fou, mais je le crois vraiment.

et comme vous le dites, j'essaie d'avoir une longueur d'avance.