Maison
Noam Brown: les modèles de «raisonnement» AI auraient pu émerger il y a des décennies

Noam Brown, un chercheur de premier plan en raisonnement IA chez OpenAI, a récemment partagé des idées lors de la conférence GTC de Nvidia à San Jose, suggérant que des avancées dans l'IA de "raisonnement" auraient pu être réalisées 20 ans plus tôt si les bonnes méthodes et algorithmes avaient été connus. Il a expliqué : « Il y avait diverses raisons pour lesquelles cette direction de recherche a été négligée », mettant en lumière un écart dans l'approche qui aurait pu être comblé beaucoup plus tôt.
En réfléchissant à son parcours de recherche, Brown a noté une prise de conscience cruciale : « J'ai remarqué au cours de mes recherches que, d'accord, il manque quelque chose. Les humains passent beaucoup de temps à réfléchir avant d'agir dans une situation difficile. Peut-être que cela serait très utile [en IA]. » Cette observation l'a conduit à développer des modèles d'IA qui imitent le raisonnement humain, plutôt que de s'appuyer uniquement sur la puissance de calcul.
Son travail à l'Université Carnegie Mellon, en particulier avec l'IA Pluribus, qui a surpassé les meilleurs joueurs de poker humains, illustre cette approche. Pluribus était révolutionnaire car il utilisait le raisonnement pour résoudre des problèmes, contrairement aux méthodes de force brute plus courantes à l'époque.
Chez OpenAI, Brown a contribué au développement de o1, un modèle d'IA qui utilise une méthode connue sous le nom d'inférence au moment du test. Cette technique permet à l'IA de "penser" avant de répondre, améliorant sa précision et sa fiabilité, en particulier dans des domaines comme les mathématiques et les sciences.
Lors de la discussion en panel, Brown a abordé le défi de la recherche académique face à l'échelle des expériences menées par de grands laboratoires d'IA comme OpenAI. Il a reconnu la difficulté croissante en raison des demandes computationnelles croissantes des modèles modernes, mais a suggéré que les universitaires pourraient encore contribuer de manière significative en se concentrant sur des domaines nécessitant moins de puissance de calcul, comme la conception d'architectures de modèles.
Il a souligné le potentiel de collaboration entre le milieu académique et les laboratoires de pointe, déclarant : « [I]l y a une opportunité de collaboration entre les laboratoires de pointe [et le milieu académique]. Assurément, les laboratoires de pointe examinent les publications académiques et réfléchissent soigneusement à, d'accord, est-ce que cela présente un argument convaincant que, si cela était amplifié davantage, cela serait très efficace. S'il y a cet argument convaincant dans l'article, eh bien, nous l'explorerons dans ces laboratoires. »
Les commentaires de Brown sont particulièrement opportuns alors que l'administration Trump a proposé des coupes significatives dans le financement scientifique, une décision critiquée par des experts en IA, y compris Geoffrey Hinton, qui soutiennent que de telles coupes pourraient compromettre les efforts de recherche en IA à l'échelle mondiale.
Il a également souligné le rôle crucial du milieu académique dans l'amélioration des benchmarks d'IA, notant : « L'état des benchmarks en IA est vraiment mauvais, et cela ne nécessite pas beaucoup de calcul pour y remédier. » Les benchmarks d'IA actuels se concentrent souvent sur des connaissances obscures et ne reflètent pas précisément les capacités qui importent le plus aux utilisateurs, ce qui entraîne une confusion sur le véritable potentiel et les progrès des modèles d'IA.
Mis à jour à 16h06 PT : Une version antérieure de cet article suggérait que Brown faisait référence à des modèles de raisonnement comme o1 dans ses remarques initiales. En fait, il faisait référence à son travail sur l'IA de jeux avant son arrivée chez OpenAI. Nous regrettons l'erreur.
Article connexe
OpenAI lance une version plus sûre de ChatGPT pour les adolescents, plusieurs années après qu’ils ont commencé à l’utiliser
À la suite d’une série de poursuites judiciaires liées à l’absence de protocoles de sécurité dans les chatbots basés sur l’IA — qui ont contribué à des suicides d’adolescents et à d’autres crises de s
Frontier AI Labs refuse de dévoiler ses stratégies de confinement des modèles indésirables
Des recherches récentes indiquent que très peu de grands laboratoires spécialisés dans l’IA ont publié ou présenté des plans d’intervention en cas de défaillance. Un plan d’intervention définit les pr
Le Tiffany Luck de NEA : les entreprises continuent de lutter pour justifier le retour sur investissement de l’IA
Chargement du lecteur…Plus tôt cette année, le « tokenmaxxing » a dominé la Silicon Valley, les PDG exhortant leurs employés à maximiser l’utilisation de l’IA. Cet enthousiasme a rapidement rencontré la réalité. Selon les informations rapportées, Ub
Recommandations de sujets spéciaux liés
commentaires (16)
もし20年前にこのアルゴリズムが知られていたら...考えただけでゾクゾクするね!でも、今のAIブームが前倒しになってたら、社会の対応は間に合ってたのかな?ちょっと怖いかも😅 ブラウン氏の指摘は技術史のifを考える良いきっかけだと思う
Increíble pensar que podríamos haber tenido IA 'razonadora' hace 20 años 😳. Me pregunto cómo habría cambiado el mundo tecnológico si esos algoritmos se hubieran descubierto antes... ¿Sería nuestro presente muy diferente? #RetroFuturo
Mind-blowing to think AI reasoning could’ve popped off 20 years ago! 🤯 Noam’s talk makes me wonder what other breakthroughs we’re sleeping on right now.
Mind-blowing to think AI reasoning could’ve been cracked 20 years ago! 🤯 Makes you wonder what else we’re sitting on, just waiting for the right spark. Noam’s talk sounds like a wake-up call for the AI world.

Noam Brown, un chercheur de premier plan en raisonnement IA chez OpenAI, a récemment partagé des idées lors de la conférence GTC de Nvidia à San Jose, suggérant que des avancées dans l'IA de "raisonnement" auraient pu être réalisées 20 ans plus tôt si les bonnes méthodes et algorithmes avaient été connus. Il a expliqué : « Il y avait diverses raisons pour lesquelles cette direction de recherche a été négligée », mettant en lumière un écart dans l'approche qui aurait pu être comblé beaucoup plus tôt.
En réfléchissant à son parcours de recherche, Brown a noté une prise de conscience cruciale : « J'ai remarqué au cours de mes recherches que, d'accord, il manque quelque chose. Les humains passent beaucoup de temps à réfléchir avant d'agir dans une situation difficile. Peut-être que cela serait très utile [en IA]. » Cette observation l'a conduit à développer des modèles d'IA qui imitent le raisonnement humain, plutôt que de s'appuyer uniquement sur la puissance de calcul.
Son travail à l'Université Carnegie Mellon, en particulier avec l'IA Pluribus, qui a surpassé les meilleurs joueurs de poker humains, illustre cette approche. Pluribus était révolutionnaire car il utilisait le raisonnement pour résoudre des problèmes, contrairement aux méthodes de force brute plus courantes à l'époque.
Chez OpenAI, Brown a contribué au développement de o1, un modèle d'IA qui utilise une méthode connue sous le nom d'inférence au moment du test. Cette technique permet à l'IA de "penser" avant de répondre, améliorant sa précision et sa fiabilité, en particulier dans des domaines comme les mathématiques et les sciences.
Lors de la discussion en panel, Brown a abordé le défi de la recherche académique face à l'échelle des expériences menées par de grands laboratoires d'IA comme OpenAI. Il a reconnu la difficulté croissante en raison des demandes computationnelles croissantes des modèles modernes, mais a suggéré que les universitaires pourraient encore contribuer de manière significative en se concentrant sur des domaines nécessitant moins de puissance de calcul, comme la conception d'architectures de modèles.
Il a souligné le potentiel de collaboration entre le milieu académique et les laboratoires de pointe, déclarant : « [I]l y a une opportunité de collaboration entre les laboratoires de pointe [et le milieu académique]. Assurément, les laboratoires de pointe examinent les publications académiques et réfléchissent soigneusement à, d'accord, est-ce que cela présente un argument convaincant que, si cela était amplifié davantage, cela serait très efficace. S'il y a cet argument convaincant dans l'article, eh bien, nous l'explorerons dans ces laboratoires. »
Les commentaires de Brown sont particulièrement opportuns alors que l'administration Trump a proposé des coupes significatives dans le financement scientifique, une décision critiquée par des experts en IA, y compris Geoffrey Hinton, qui soutiennent que de telles coupes pourraient compromettre les efforts de recherche en IA à l'échelle mondiale.
Il a également souligné le rôle crucial du milieu académique dans l'amélioration des benchmarks d'IA, notant : « L'état des benchmarks en IA est vraiment mauvais, et cela ne nécessite pas beaucoup de calcul pour y remédier. » Les benchmarks d'IA actuels se concentrent souvent sur des connaissances obscures et ne reflètent pas précisément les capacités qui importent le plus aux utilisateurs, ce qui entraîne une confusion sur le véritable potentiel et les progrès des modèles d'IA.
Mis à jour à 16h06 PT : Une version antérieure de cet article suggérait que Brown faisait référence à des modèles de raisonnement comme o1 dans ses remarques initiales. En fait, il faisait référence à son travail sur l'IA de jeux avant son arrivée chez OpenAI. Nous regrettons l'erreur.
OpenAI lance une version plus sûre de ChatGPT pour les adolescents, plusieurs années après qu’ils ont commencé à l’utiliser
À la suite d’une série de poursuites judiciaires liées à l’absence de protocoles de sécurité dans les chatbots basés sur l’IA — qui ont contribué à des suicides d’adolescents et à d’autres crises de s
Frontier AI Labs refuse de dévoiler ses stratégies de confinement des modèles indésirables
Des recherches récentes indiquent que très peu de grands laboratoires spécialisés dans l’IA ont publié ou présenté des plans d’intervention en cas de défaillance. Un plan d’intervention définit les pr
Le Tiffany Luck de NEA : les entreprises continuent de lutter pour justifier le retour sur investissement de l’IA
Chargement du lecteur…Plus tôt cette année, le « tokenmaxxing » a dominé la Silicon Valley, les PDG exhortant leurs employés à maximiser l’utilisation de l’IA. Cet enthousiasme a rapidement rencontré la réalité. Selon les informations rapportées, Ub
もし20年前にこのアルゴリズムが知られていたら...考えただけでゾクゾクするね!でも、今のAIブームが前倒しになってたら、社会の対応は間に合ってたのかな?ちょっと怖いかも😅 ブラウン氏の指摘は技術史のifを考える良いきっかけだと思う
Increíble pensar que podríamos haber tenido IA 'razonadora' hace 20 años 😳. Me pregunto cómo habría cambiado el mundo tecnológico si esos algoritmos se hubieran descubierto antes... ¿Sería nuestro presente muy diferente? #RetroFuturo
Mind-blowing to think AI reasoning could’ve popped off 20 years ago! 🤯 Noam’s talk makes me wonder what other breakthroughs we’re sleeping on right now.
Mind-blowing to think AI reasoning could’ve been cracked 20 years ago! 🤯 Makes you wonder what else we’re sitting on, just waiting for the right spark. Noam’s talk sounds like a wake-up call for the AI world.











