Le Massachusetts Institute of Technology (MIT) dévoile une avancée prometteuse dans le domaine de l’intelligence artificielle. Grâce à la technique SEAL, les modèles de langage pourront bientôt évoluer de manière autonome, sans nécessiter de vastes ensembles de données statiques ou d’intervention humaine. Une révolution qui pourrait transformer le paysage de l’IA.
Les 3 infos à ne pas manquer
- La technique SEAL permet aux modèles de langage de s’auto-former grâce à des données générées par eux-mêmes.
- SEAL utilise un système de boucles pour optimiser l’apprentissage via des auto-éditions et l’apprentissage par renforcement.
- Les tests montrent une amélioration notable des performances, avec des gains significatifs en précision et en taux de réussite.
La technique SEAL du MIT
Des chercheurs du MIT ont mis au point la technique Self-Adapting LLMs (SEAL), un système avancé permettant aux modèles de langage de s’auto-optimiser. Contrairement aux approches traditionnelles, SEAL ne s’appuie pas sur des ensembles de données statiques ni sur une formation humaine. Le modèle génère ses propres données synthétiques, une fonctionnalité qui lui permet de s’auto-ajuster. Ces ajustements prennent la forme de descriptions en langage naturel, appelées « auto-éditions », qui orientent le modèle sur la manière d’améliorer ses connaissances.
Un système de boucles pour l’apprentissage
SEAL fonctionne grâce à un mécanisme de double boucle. Dans la boucle intérieure, le modèle s’adapte en utilisant les auto-éditions qu’il a créées. La boucle extérieure, quant à elle, repose sur l’apprentissage par renforcement. Ce processus identifie quelles adaptations sont les plus efficaces pour améliorer les performances du modèle. Ainsi, le modèle peut évoluer continuellement, s’affranchissant de la nécessité d’une intervention humaine.
Des résultats prometteurs
Les essais menés par le MIT ont montré des résultats encourageants. Grâce à SEAL, la précision des sessions de questions-réponses a augmenté de 33,5 % à 47 %, dépassant les performances des données synthétiques issues de GPT-4.1. De plus, dans les tâches d’apprentissage « few-shot », où le modèle se base sur quelques exemples pour apprendre, le taux de réussite s’est accru de 20 % à 72,5 % après l’application de l’apprentissage par renforcement. Ces résultats illustrent le potentiel de SEAL pour transformer l’avenir des modèles de langage.
Un regard vers l’avenir
Bien que toujours à un stade expérimental, la technique SEAL représente une avancée vers des systèmes d’IA auto-adaptatifs. Les chercheurs du MIT considèrent cette approche comme une réponse au déclin de la disponibilité des données sur le web. Avec des exigences élevées en termes de puissance de calcul, SEAL pose les bases pour un avenir où les modèles de langage pourront évoluer de façon autonome, redéfinissant ainsi les limites de l’intelligence artificielle.
Le MIT, ou Massachusetts Institute of Technology, est une institution de recherche et d’enseignement de renommée mondiale. Fondé en 1861, il a joué un rôle central dans le développement technologique et scientifique au niveau mondial. Le MIT a toujours été à l’avant-garde des innovations en matière de science et de technologie, et la technique SEAL s’inscrit dans cette tradition d’excellence et de recherche pionnière, repoussant encore une fois les frontières de l’innovation.
