Pourquoi le laboratoire Oak Lab de Richard Sutton pourrait réduire les coûts de calcul de l'IA

Richard Sutton, pionnier lauréat du prix Turing ayant écrit l'ouvrage de référence sur l'apprentissage par renforcement (RL), lance Oak Lab pour remettre en question le paradigme actuel de l'apprentissage profond. Plutôt que de s'appuyer sur des jeux de données massifs et une puissance de calcul brute, Oak Lab vise à développer l'intelligence à partir d'un apprentissage expérientiel en temps réel. Ce changement s'éloigne de la « pré-apprentissage » systématique avant qu'un agent n'agisse, pour adopter un modèle où les agents IA apprennent par essais et erreurs en temps réel lors de leurs interactions avec leur environnement.

Ce qui a changé : Sutton et son collègue Khurram Javed ont quitté Keen Technologies (fondée par John Carmack) pour poursuivre cette « big world hypothesis ». Cette hypothèse avance que le monde est trop vaste pour qu'un modèle d'IA puisse être préentraîné sur tous les scénarios possibles. Les algorithmes d'Oak Lab sont conçus pour apprendre sans stocker ni rejouer de données, ce qui les distingue des modèles actuels nécessitant un stockage immense et des cycles de réentraînement constants.

À surveiller : Surveillez les premières publications de recherche du laboratoire boutique Oak Lab. Le succès de cette approche dépendra de la capacité de ces agents apprenants en temps réel à se généraliser à diverses tâches par rapport aux modèles de base construits sur des jeux de données statiques.