« Pourquoi faire simple quand on peut faire compliqué ? » – C’est ce que semblaient se dire nos intelligences artificielles ces dernières années, en changeant de discours à chaque question comme des politiciens en pleine campagne. Mais voilà que Thinking Machines Lab, le nouveau bébé innovant de Mira Murati (oui, l’ex-CTO d’OpenAI, toujours prête à électriser la Silicon Valley), veut changer la donne… ou au moins, la rendre enfin reproductible !
Avec son équipe de champions sortis tout droit de l’arène OpenAI et un joli magot de 2 milliards de dollars en poche (rien que ça !), Thinking Machines Lab a récemment brisé la glace sur son blog, baptisé « Connectionism » – on sent déjà l’ambiance neuronale. Leur première bataille ? Mettre KO le grand méchant : le hasard dans les réponses des IA géantes (les LLM, ou Large Language Models pour les intimes). Aujourd’hui, demander trois fois la même question à ChatGPT, c’est un peu comme jouer au loto : la réponse change, on ne sait jamais si on va gagner le gros lot ou la réponse la plus étrange du jour.
Mais attention, ce n’est pas la faute du modèle (pauvre petit !), mais celle des petits programmes ninja appelés « GPU kernels » qui gèrent le souk dans les puces Nvidia au moment où l’on presse « Entrée ». C’est Horace He, le détective maison chez Thinking Machines, qui a tiré la sonnette d’alarme. Résultat : en domptant ces kernels indisciplinés, il serait possible de rendre les IA plus prévisibles que votre amie accro aux spoilers.
La vraie révolution n’est pas toujours visible à l’œil nu… mais elle peut se lire dans la régularité d’une réponse d’IA !
Et ce n’est pas qu’une question de « faire joli ». D’après Horace He, si l’IA pouvait donner de vraies réponses stables, ce serait le Graal pour l’entraînement des modèles via le « reinforcement learning » (RL pour les branchés). Actuellement, c’est un peu comme si on notait un élève qui rendait à chaque fois une rédaction différente sur le même sujet – bonjour la pagaille ! Les entreprises, elles aussi, rêvent de modèles customisés où la seule surprise serait la couleur du logo… et Thinking Machines compte bien leur offrir ce rêve sur un plateau d’API !
Mais alors, que mijotent-ils vraiment dans leur labo ? Mystère et suspense : Mira Murati promet une « première » création dans les prochains mois, censée révolutionner la manière dont startups et chercheurs bricolent leurs IA sur-mesure. Utilisera-t-elle cette nouvelle technique « anti-aléatoire » ? Suspense. Peut-être, peut-être pas. Mais bon, chez Thinking Machines, l’intention de jouer la carte de la transparence façon grand écart facial est affichée : des articles, du code, des tutos, le tout dans l’air du temps « open ». Reste à voir si la hype tiendra plus longtemps qu’un NDA chez OpenAI !
Une chose est sûre : alors que la plupart des licornes de l’IA galopent dans le secret, Thinking Machines innove en partageant son quotidien (ou presque) dans ce nouveau blog, sous l’œil curieux de tout l’écosystème nerd et VC du coin. Leur défi ? Justifier leurs douze milliards de dollars et prouver que contrôler le chaos des IA, c’est encore possible. C’est un peu comme dompter un chat… mais version binaire !
La morale de cette histoire ? Quand la machine pense, elle a surtout besoin qu’on lui répète la leçon pour apprendre à être… un peu plus humaine ! Allez, nul besoin de kernel de maïs pour savourer la suite, mais on attend de voir si Thinking Machines saura « éclater » la concurrence – au pop-corn près.
Source : Techcrunch
