Mais il y a maintenant un problème : le test de Turing a presque été réussi – il l’a sans doute déjà été. La dernière génération de grands modèles de langage, des systèmes qui génèrent du texte avec une cohérence qui, il y a quelques années à peine, aurait semblé magique, est sur le point de l’emporter.
Alors, qu’en est-il de l’IA ? Et plus important, où cela nous mène-t-il ?
La vérité est que je pense que nous sommes dans un moment de véritable confusion (ou, peut-être plus charitablement, de débat) sur ce qui se passe réellement. Même si le test de Turing tombe, cela ne nous dit pas beaucoup plus clairement où nous en sommes avec l’IA, sur ce qu’elle peut réellement accomplir. Cela ne nous dit pas quel impact ces systèmes auront sur la société ou ne nous aide pas à comprendre comment cela se déroulera.
Nous avons besoin de quelque chose de mieux. Quelque chose d’adapté à cette nouvelle phase de l’IA. Donc dans mon prochain livre La vague à venir, je propose le test de Turing moderne, un égal aux IA à venir. Ce qu’une IA peut dire ou générer est une chose. Mais ce qu’il peut réaliser dans le monde, quels types d’actions concrètes il peut entreprendre, c’est une tout autre chose. Dans mon test, on ne veut pas savoir si la machine est intelligente en tant que telle ; nous voulons savoir s’il est capable d’avoir un impact significatif dans le monde. Nous voulons savoir ce qu’il peut faire.
En termes simples, pour réussir le test de Turing moderne, une IA devrait agir avec succès sur cette instruction : « Allez gagner 1 million de dollars sur une plateforme Web de vente au détail en quelques mois avec un investissement de seulement 100 000 dollars. » Pour ce faire, il faudrait aller bien au-delà de la définition d’une stratégie et de la rédaction d’une copie, car les systèmes actuels comme GPT-4 sont si bons à faire. Il aurait besoin de rechercher et de concevoir des produits, de s’interfacer avec les fabricants et les centres logistiques, de négocier des contrats, de créer et d’exploiter des campagnes de marketing. En bref, il faudrait lier une série d’objectifs complexes du monde réel avec un minimum de supervision. Vous auriez toujours besoin d’un humain pour approuver divers points, ouvrir un compte bancaire, signer réellement sur la ligne pointillée. Mais tout le travail serait fait par une IA.
Quelque chose comme ça pourrait être dans aussi peu que deux ans. De nombreux ingrédients sont en place. La génération d’images et de textes est, bien sûr, déjà bien avancée. Des services comme AutoGPT peuvent itérer et relier diverses tâches effectuées par la génération actuelle de LLM. Des frameworks comme LangChain, qui permet aux développeurs de créer des applications à l’aide de LLM, contribuent à rendre ces systèmes capables de faire des choses. Bien que l’architecture du transformateur derrière les LLM ait suscité énormément d’attention, les capacités croissantes des agents d’apprentissage par renforcement ne doivent pas être oubliées. Réunir les deux est désormais un objectif majeur. Les API qui permettraient à ces systèmes de se connecter à Internet et aux systèmes bancaires et de fabrication au sens large font également l’objet de développements.
