Le 20 décembre 2024, la plateforme OpenAI a présenté son modèle le plus récent, connu sous le nom de « o3 », dans une annonce vidéo qui a suscité de grandes attentes.
Ce modèle a retenu l’attention du secteur technologique grâce à une réussite notable : il a surpassé les humains pour la première fois au test ARC-AGI, un test conçu pour mesurer la capacité de raisonner et de s’adapter aux nouveaux défis.
Cependant, cette avancée soulève des questions sur son architecture, son coût et ses implications possibles, d’autant plus que des rumeurs courent selon lesquelles une tâche de calcul élevée avec ce modèle pourrait coûter jusqu’à 2 000 dollars.
Qu’est-ce que l’ARC-AGI ?
L’ARC-AGI (« Abstraction and Reasoning Corpus for Artificial General Intelligence ») est un benchmark développé par François Chollet, scientifique de Google, pour mesurer l’adaptabilité et le raisonnement abstrait dans les systèmes intelligents.
Au lieu de se concentrer sur des tâches basées sur des connaissances mémorisées, comme de nombreux autres benchmarks, l’ARC-AGI évalue la capacité des modèles à acquérir de nouvelles compétences.
Le test consiste à résoudre des problèmes basés sur des modèles visuels. Chaque défi présente une série d’exemples sous forme de grilles de pixels colorés, suivis d’une question similaire que le système doit résoudre en complétant la bonne grille.
Les humains, à titre de référence, obtiennent en moyenne un peu plus de 75 % à l’ARC-AGI, tandis que o3 a atteint un étonnant 76 %.
Cela représente un « tournant » dans les capacités de l’intelligence artificielle, selon Chollet lui-même, qui a qualifié ce résultat de « changement qualitatif ».
Qu’est-ce qui différencie o3 ?
Una de las características más intrigantes de o3 es que su arquitectura parece completamente distinta a la de modelos anteriores de la serie GPT. Aunque OpenAI no ha compartido detalles precisos, Chollet especula que el sistema utiliza un enfoque de “búsqueda intensiva en tiempo de prueba”.
Esto podría implicar un análisis exhaustivo de cadenas de pensamiento (“Chains of Thought”), un enfoque emergente que permite a los modelos desglosar sus procesos en pasos intermedios.
El rendimiento de o3 también sugiere un uso extensivo de computación, posiblemente similar a la estrategia de árboles de búsqueda Monte Carlo utilizada por AlphaZero, el famoso programa de DeepMind que dominó el ajedrez.
Cela signifie que le modèle non seulement traite les informations, mais explore également différentes possibilités avant d’arriver à une solution, ce qui n’a pas été vu dans les modèles GPT précédents.
Est-ce un pas vers l’AGI ?
Le concept d’intelligence générale artificielle (AGI) fait référence à un niveau d’intelligence artificielle capable d’égaler ou de surpasser les capacités humaines dans n’importe quelle tâche cognitive.
Bien que le succès d’o3 dans ARC-AGI soit significatif, Chollet souligne qu’il ne doit pas être confondu avec l’obtention de l’AGI. « O3 échoue toujours dans des tâches très simples que les humains résolvent facilement », a-t-il noté, soulignant les limites actuelles du modèle.
L’ARC-AGI est un outil de recherche et non un test définitif d’intelligence générale. Néanmoins, les résultats de l’o3 représentent un pas en avant important vers des systèmes plus intelligents et plus humains dans leur comportement.
Coût et ressources informatiques
L’un des aspects les plus débattus à propos d’o3 est le coût associé à son fonctionnement. OpenAI n’a pas révélé combien de ressources informatiques étaient nécessaires pour former et exécuter le modèle sur l’ARC-AGI.
Cependant, Chollet a laissé entendre que l’approche d’o3 pourrait être considérée comme une forme de force brute, dans la mesure où elle utilise des quantités massives de calcul pour résoudre des problèmes relativement simples.
Cette méthode gourmande en traitement a un prix élevé, les tâches gourmandes en calcul coûtant potentiellement jusqu’à 2 000 $ chacune.
Cela soulève des questions sur la durabilité et l’efficacité de ce type de modèles. Bien que les résultats soient impressionnants, le coût en termes de consommation d’énergie et de temps de calcul pourrait limiter son application pratique à grande échelle.
En outre, le recours à de grandes quantités de données et de ressources pourrait aggraver les inégalités en matière d’accès à la technologie.
Seules les organisations disposant de budgets importants pouvaient se permettre de développer et de maintenir des modèles comme o3, qui pourraient centraliser davantage le pouvoir technologique.
Quand pouvons-nous essayer o3 ?
OpenAI prévoit de publier une version « mini » d’o3 fin janvier 2025, avec une version complète prévue pour plus tard.
Même si cette version initiale n’inclut pas toutes les capacités démontrées dans l’ARC-AGI, elle offrira aux chercheurs et aux développeurs l’occasion d’explorer le potentiel du modèle.
Le développement d’o3 marque une avancée importante dans l’intelligence artificielle, démontrant des capacités d’adaptation et de raisonnement qui semblaient auparavant inaccessibles. **
Cependant, cela soulève également des questions fondamentales sur les coûts, à la fois économiques et éthiques, de la mise en œuvre de ce type de technologies.
Est-ce la voie vers l’AGI ou simplement une démonstration de la difficulté et du coût coûteux de surmonter les limites actuelles ? Le débat est servi.
This post is also available in: