Nous cherchons une architecture d'intelligence capable d'apprendre en continu,
de créer ses propres concepts et ses propres compétences, puis de réutiliser
ses découvertes pour un coût de calcul minuscule.
L'objectif est une intelligence générale locale : bien plus efficace que
les architectures de pointe actuelles, et capable de fonctionner sur du matériel
personnel plutôt que de dépendre d'immenses centres de données.
Les grands modèles d'aujourd'hui apprennent une fois, puis n'apprennent plus.
Ils ne savent pas dire ce qu'ils ignorent, et ils repayent le prix fort à chaque
fois qu'ils refont une chose déjà faite. Le pari, ici, est inverse : une machine
qui repère ses trous, va chercher, se trompe, se corrige, retient — et qui, la
fois suivante, ne recommence pas.
C'est un travail au long cours, mené en parallèle des produits qui le financent.
Il n'y a rien à vendre ici : il y a une direction, et des essais.