5/8/2025 AI Express | Nouvelles avancées en matière d'IA et de robotique : du test physique de Turing à la recherche multimodale

Après un week-end de hackathon, votre maison est en désordre. Cependant, lorsque vous rentrez le lundi soir, vous trouvez un salon impeccable et un dîner aux chandelles sur la table de la salle à manger.Il est impossible de savoir s'il s'agit d'un humain ou d'une machine.. Cela peut paraître simple, mais c'est extrêmement difficile.

Il s'agit d'une histoire surTest physique de TuringLa vision de l'intelligence artificielle est considérée comme la prochaine grande avancée dans le domaine de l'intelligence artificielle. Ce rêve a incité les chercheurs à travailler toute la nuit dans leurs laboratoires pour mettre au point de nouvelles plateformes informatiques capables d'automatiser le traitement de la matière plutôt que de le limiter à l'information.

Société SergeyJ'ai récemment organisé un événement intitulé AI Ascent, au cours duquel j'ai expliqué comment aborder les principes fondamentaux de la robotique polyvalente par le biais de stratégies de données et de la loi de l'échelle. Cet exposé vous aidera à approfondir vos connaissances dans ce domaine et je suis sûr que vous trouverez qu'il vaut bien les 17 minutes qu'il dure.

Les robots du futur ne seront pas seulement capables d'effectuer des tâches complexes dans l'environnement domestique, mais pourront également jouer un rôle important dans divers domaines, notamment l'industrie et la médecine. La réalisation de cette vision nécessitera une collaboration interdisciplinaire, y compris des technologies de pointe dans des domaines tels que la vision par ordinateur, le traitement du langage naturel et l'ingénierie mécanique.

Vous vous souvenez du Reinforcement Fine-Tuning (RFT) ? Nous avons travaillé dur sur cette technologie depuis décembre dernier et avons officiellement lancé la version OpenAI o4-mini aujourd'hui.La RFT utilise un raisonnement en chaîne et des mécanismes de notation spécifiques à la tâche pour améliorer la performance des modèles.surtout pour les domaines complexes. Par exemple, @AccordanceAI a utilisé la RFT pour affiner ses modèles fiscaux et comptables jusqu'à l'optimum actuel (SOTA).

En outre, en ce qui concerne le réglage fin supervisé, vous pouvez désormais régler finement le GPT-4.1 nano. En vous formant à des cas d'utilisation spécifiques, vous pouvez tirer encore plus de valeur de notre modèle le plus rapide et le plus rentable.

Aujourd'hui, nous présentons en avant-première Enhanced Fine-Tuning, une nouvelle approche de la personnalisation des modèles qui permet aux organisations de construire des modèles experts pour des tâches complexes spécifiques telles que le codage, la recherche scientifique ou la finance.

J'ai le plaisir d'annoncer qu'AI Fund a mené à bien un tour de table sursouscrit, levant 190 millions de dollars pour notre nouveau fonds. Nous sommes impatients de travailler avec d'autres entrepreneurs pour créer de nouvelles entreprises au service de l'humanité.

AI Fund se distingue des sociétés de capital-risque traditionnelles par le fait qu'il ne se contente pas de fournir un soutien financier, mais qu'il participe directement à la création et à l'exploitation des entreprises. Notre équipe participe activement à l'écriture du code, à la collecte des commentaires des clients, à l'itération de la conception du produit, à l'analyse du marché, etc. et s'engage à favoriser le développement rapide de nombreux produits d'IA. Nous continuons à résumer les meilleures pratiques pour les startups émergentes dans le domaine de l'IA à travers notre pratique.

Parmi les nombreux facteurs qui contribuent au succès d'une startup, la vitesse est cruciale. Voici quelques stratégies importantes pour accélérer la croissance des startups spécialisées dans l'IA :

1. se concentrer sur une seule idée spécifiqueLes projets de recherche et de développement : Une petite équipe qui se concentre sur une idée spécifique peut faire avancer un projet rapidement. Être capable de se réorienter rapidement si les hypothèses initiales s'avèrent problématiques, plutôt que de faire plusieurs tentatives à la fois.

2. faire confiance à l'intuition des experts du domaineLes données et la recherche sur les utilisateurs sont importantes, mais dans certains cas, l'intuition d'un expert du domaine peut aider à prendre des décisions rapides qui peuvent être mises en œuvre et validées rapidement.

3. l'utilisation du codage assisté par l'IALe codage assisté par l'IA accélère considérablement le prototypage, en particulier pour les projets de prototypage autonomes qui ne nécessitent pas une fiabilité et une sécurité élevées. Cela nous permet de prototyper et de tester à un rythme extrêmement rapide.

4) Accélérer l'accès au retour d'information des utilisateursLes équipes qui ont la capacité de trouver rapidement des clients potentiels et d'obtenir un retour d'information dans un court laps de temps auront un avantage sur les autres. Les équipes qui ont la capacité de trouver rapidement des clients potentiels et d'obtenir un retour d'information dans un court laps de temps auront un avantage.

Outre la rapidité, une compréhension technique approfondie est la clé du succès. L'évolution rapide de la technologie de l'IA exige que les équipes disposent d'un bagage technique approfondi afin de prendre de meilleures décisions et d'éviter les détours.

Nous remercions tous nos investisseurs, les membres de notre équipe et nos partenaires de démarrage pour leur soutien, mais il nous reste encore beaucoup de travail à accomplir.

OpenAI a récemment annoncé que ChatGPT prend désormais en charge la connexion des référentiels GitHub aux capacités de recherche approfondie.Les utilisateurs peuvent poser des questions sur des bases de code spécifiquesL'agent de recherche approfondie lit et recherche le code source du référentiel et les Pull Requests (PR), générant un rapport détaillé avec des citations.

Cette nouvelle fonctionnalité est particulièrement adaptée aux équipes de développement de logiciels et aux responsables de projets open source afin de les aider à comprendre et à travailler plus efficacement avec des codes complexes. Ainsi, les développeurs peuvent non seulement accéder rapidement aux informations relatives au code, mais aussi identifier les problèmes potentiels et les points à améliorer. En outre, pour les chercheurs, cette fonctionnalité permet également d'analyser en profondeur la structure interne et l'évolution historique des projets open source.

Pour utiliser cette fonctionnalité, sélectionnez l'option "Recherche approfondie" dans ChatGPT et cliquez sur le bouton "GitHub" pour commencer.

NVIDIA vient d'annoncer l'ouverture de trois modèles d'inférence de code de tailles différentes - 32 milliards de paramètres, 14 milliards de paramètres et 7 milliards de paramètres - et tous ces modèles sont sous licence Apache 2.0.

D'après les résultats des tests officiels, ces modèles sont plus performants que d'autres modèles comparables tels que O3 mini et O1 (low) dans les benchmarks LiveCodeBench. En outre, sur la base de l'ensemble de données OCR, ces modèles surpassent les autres modèles d'inférence équivalents d'environ 30% en termes d'efficacité des jetons.

Les principales caractéristiques sont les suivantes :

• De nombreux cadres sont pris en charge, tels que llama.cpp, vLLM, transformers et TGI.
• Il convient à une variété de scénarios d'application tels que la génération de code, le débogage et l'optimisation.
• Convient à la recherche universitaire et au développement commercial.

Les développeurs peuvent commencer à utiliser ces modèles immédiatement pour explorer le potentiel de leur application dans des projets réels.

La source ouverte fournit non seulement des outils puissants aux chercheurs, mais ouvre également de nouvelles possibilités aux développeurs en général, promettant de faire progresser le domaine de la génération de code et de l'automatisation.

SDV est une bibliothèque Python open source qui permet de générer des données synthétiques à grande échelle en apprenant et en reproduisant des modèles à partir de données réelles à l'aide d'algorithmes d'apprentissage automatique. Elle est utile pour les scénarios qui nécessitent de grandes quantités de données à des fins de formation ou de test.

Le processus de génération de données synthétiques à l'aide de SDV est divisé en trois étapes :

1. trainPour cela, il suffit de faire pointer SDV sur votre table de données réelles pour qu'il capture la distribution et les relations des données sous-jacentes.
2. générantLe modèle SDV formé est exécuté pour générer le nombre requis de lignes de données similaires sans exposer de données réelles.
3. valider (une théorie)Rapport de qualité : Utilisez le rapport de qualité de SDV pour vérifier dans quelle mesure les données générées correspondent aux données réelles ; si nécessaire, ajustez les paramètres pour obtenir des résultats plus précis.

Les principales caractéristiques de SDV sont les suivantes

• Plusieurs options de modèles, de la conjugaison gaussienne au CTGAN.
• Prend en charge les tableaux simples, multiples et séquentiels.
• Anonymisation intégrée et contraintes logiques.
• Tout peut être fait avec une seule commande :sdv.sample().

En outre, le SDV permet de remédier efficacement au déséquilibre des catégories et d'améliorer la qualité des données.

SDV est applicable à plusieurs domaines, tels que la finance, les soins de santé et les études de marché, et peut aider les utilisateurs à tester et à former des modèles sans divulguer d'informations sensibles.

Nous célébrons le premier anniversaire de la sortie d'AlphaFold 3. Au cours de l'année écoulée, AlphaFold 3 a été largement utilisé pour prédire des millions d'interactions moléculaires, accélérant ainsi considérablement le processus de recherche scientifique.

Les scientifiques ont utilisé ces prédictions pour réaliser des percées dans un certain nombre de domaines, notamment l'immunité des cultures et la résistance bactérienne.AlphaFold 3Les chercheurs disposent ainsi d'outils sans précédent pour mieux comprendre la structure et la fonction des protéines.

Isomorphic Labsutilise également AlphaFold 3 en conjonction avec son moteur de conception de médicaments avancé pour transformer la façon dont les nouveaux médicaments sont développés. Grâce à cette approche innovante, ils espèrent développer de nouveaux traitements plus rapidement et plus efficacement.

AlphaFold 3 ne joue pas seulement un rôle important dans la recherche universitaire, mais démontre également un grand potentiel dans l'industrie pharmaceutique, promettant de révolutionner le paysage de la découverte et du développement de médicaments dans les années à venir.

Un tutoriel de @LangChainAI montrant comment construire un système multimodal Retrieval Augmented Generation (RAG) utilisant Gemma 3 et LangChain pour traiter des documents PDF à contenu mixte contenant du texte et des images. Le système combine les puissantes capacités de traitement du langage naturel du modèle Gemma 3 de Google avec la flexibilité de LangChain pour analyser et comprendre efficacement des documents complexes.

L'ensemble de la mise en œuvre intègre également des outils tels que Streamlit et Ollama afin de fournir une interface conviviale et un support informatique puissant. Grâce à ce tutoriel, les développeurs peuvent apprendre à construire un système RAG capable de traiter à la fois du texte et des images, fournissant ainsi un support solide pour des scénarios d'application pratiques tels que l'analyse de documents et l'extraction de connaissances.

Pour les professionnels travaillant dans la science des données, l'intelligence artificielle ou des domaines connexes, la maîtrise de cette technologie permet non seulement d'améliorer la productivité, mais aussi d'ouvrir de nouvelles voies pour résoudre des problèmes commerciaux plus complexes.

Meta a récemment introduit un modèle avancé appelé Meta Locate 3D, qui permet une localisation très précise des objets dans les environnements 3D. Cette avancée technologique devrait améliorer considérablement la capacité des robots à naviguer dans des scènes complexes et à interagir naturellement avec les humains.

Grâce à Meta Locate 3D, les robots peuvent mieux comprendre leur environnement, notamment en reconnaissant et en localisant divers objets. Cette technologie a un large éventail d'applications, non seulement pour l'automatisation industrielle, la logistique et la distribution, mais aussi pour les robots de service à domicile, leur permettant de mieux comprendre les commandes de l'utilisateur et d'y répondre.

• **Télécharger les modèles et les ensembles de données**
• **Lire des documents de recherche**
• **Tentative de présentation en ligne**

Des informations plus détaillées sont disponibles à l'adresse suivantehttps://t.co/GgJEPXTH8W.

Apprendre à utiliserVoyageAIL'intégration multimodale etMongoDBde l'index multimodal pour une recherche multimodale efficace.

Dans ce tutoriel, vous maîtriserez les éléments suivants :

1. Comment l'utiliser ?VoyageAILa technique d'intégration multimodale. Cette technique permet de convertir plusieurs types de données, telles que du texte et des images, en une représentation vectorielle unifiée en vue d'un traitement ultérieur.
2. Comment s'installerAtlas MongoDBen tant que référentiel vectoriel pour l'intégration d'images. Le stockage des données d'image dans MongoDB permet une gestion et une interrogation efficaces des données.
3. Créer un index multimodal qui prenne en charge les types de données image et texte. Cela permet au système de traiter simultanément différents types d'entrées et de fournir des résultats de recherche précis.
4. L'interrogation d'images à l'aide d'invites textuelles (text-to-image retrieval). Cette technique permet aux utilisateurs de rechercher des images pertinentes à l'aide de descriptions en langage naturel, ce qui améliore considérablement l'expérience de l'utilisateur.

Ces techniques sont utilisées dans un large éventail de scénarios d'application, y compris la recommandation de produits dans le commerce électronique, la gestion de contenu dans les médias sociaux et l'analyse d'images médicales, entre autres domaines. Ce tutoriel vous permettra de mieux comprendre les applications pratiques et les détails techniques de la recherche multimodale.