Prof. Marek Cygan, CTO et co-fondateur de Nomagic
L'immensité des données textuelles disponibles sur Internet, conjuguée à la puissance de calcul sans cesse croissante et aux progrès des algorithmes, a permis la percée de ChatGPT. Depuis, nous avons constaté des améliorations continues sur divers tests de performances, ainsi qu'une gamme élargie de types d'entrée, incluant les images et l'audio.
Après deux années d'investissements importants et rapides dans ce domaine, des inquiétudes ont émergé quant à la poursuite des progrès, en raison d'une potentielle pénurie de données d'entraînement. Il est généralement admis que des modèles comme GPT-4 ont été entraînés sur la quasi-totalité d'Internet. Étant donné que ces modèles fonctionnant comme des versions condensées de leurs ensembles de données d'entraînement, une question légitime se posait : seraient-ils capables de distinguer les nouvelles informations des erreurs ou anomalies, c'est-à-dire de tout élément absent de leurs données d'entraînement ?.
Cependant, en 2024, un nouveau paradigme, le ‘ raisonnement ’, a émergé, illustré par des modèles tels que DeepSeek R1 et la série O d'OpenAI. Cette avancée majeure a permis à l'IA d'atteindre des performances sans précédent dans des domaines où la précision des résultats pouvait être vérifiée avec fiabilité, comme la programmation et la démonstration de théorèmes.
Dans ces domaines, l'IA peut explorer hypothèses multiples, Par exemple, différentes versions d'un programme informatique peuvent être prises en compte, même si elles ne figuraient pas clairement dans les données d'entraînement. Un système de vérification, tel qu'un jeu de tests logiciels, peut alors valider les solutions correctes et récompenser le modèle en conséquence.
Programmation et résolution de problèmes mathématiques Ces concepts relèvent du domaine des résultats numériques, mais cette approche est-elle applicable à des situations concrètes ? La robotique et l'automatisation en offrent d'excellents exemples. Par exemple, un robot peut être programmé pour ramasser un objet et être récompensé une fois la tâche accomplie.
Les récents progrès de l'IA permettent aux robots de comprendre parfaitement les produits, les emplacements de stockage, les conteneurs et autres éléments essentiels au fonctionnement des entrepôts. Grâce à la vision par ordinateur, les robots peuvent déterminer les propriétés des articles et la meilleure façon de les saisir. L'IA peut également différencier les articles groupés des articles individuels lors des inventaires. Avec l'intégration de modèles de raisonnement dans la robotique, nous pensons qu'il sera bientôt possible d'atteindre une couverture de prélèvement de 100% pour les unités de gestion des stocks (UGS) en entrepôt. Cela signifie que chaque article d'un entrepôt pourrait être prélevé par un robot, nous rapprochons ainsi des entrepôts entièrement automatisés et fonctionnant sans intervention humaine.
Pour ce faire, des pinces robotisées hautement spécialisées seront nécessaires. Celles-ci requièrent, à leur tour, des capacités de perception et de contrôle avancées pour manipuler efficacement les objets. Au vu du rythme actuel des progrès technologiques, ces développements devraient être réalisables dans les prochaines années.
Une question naturelle se pose : ces avancées mèneront-elles à une adoption généralisée des robots humanoïdes ? Comme nous l'avons évoqué précédemment article de blog, Nous ne pensons pas que les robots humanoïdes constituent la solution la plus rentable pour les usines et les entrepôts du futur. Ces environnements peuvent être conçus dans un souci d'efficacité grâce à l'utilisation de bras et de manipulateurs robotisés dédiés.
Du point de vue de la maintenance, il est beaucoup plus facile de conserver des pièces de rechange pour un bras robotisé comportant au maximum 10 articulations que pour un robot humanoïde, qui nécessiterait au moins 100 articulations.
L'IA est un puissant catalyseur, et bien qu'elle nous permette d'automatiser entièrement les entrepôts, ce n'est qu'un début. La prochaine étape est l'automatisation des environnements semi-structurés tels que les hôtels, les restaurants et les hôpitaux, où les robots prendront progressivement en charge les tâches actuellement effectuées par les humains. Je m'attends à ce que cette transition se produise d'ici la fin de la décennie. Même si les robots humanoïdes ne domineront peut-être pas, les robots à roues et à quatre pattes offrent des avantages considérables en matière de mobilité et devraient se généraliser.
Au cours des dix prochaines années, avec l'augmentation de la production et du déploiement de robots, leur coût diminuera grâce aux économies d'échelle. Cela aura plusieurs conséquences :
Ce que les sociétés produiront exactement 'en plus grande quantité' reste incertain, tout comme il était difficile il y a 20 ans de prédire l'impact total d'Internet et des smartphones.
À titre personnel, je suis enthousiasmé par le potentiel créatif qui recèle ces nouveaux outils puissants. Un assistant personnel doté d'intelligence artificielle pourrait devenir le professeur idéal, faisant preuve d'une patience infinie et offrant à chacun la possibilité d'apprendre tout au long de sa vie.
