AlphaEvolve de Google DeepMind constitue un exemple marquant qui montre la possibilité d’une auto-amélioration récursive, où une IA peut concevoir elle-même une IA plus avancée.
Ce système s’appuie sur Gemini, un modèle d’IA puissant, pour générer de manière créative de nouvelles « idées » d’algorithmes, puis les tester et les améliorer de façon itérative via un système d’évaluation automatisé et un framework évolutionnaire.
Le cœur d’AlphaEvolve réside dans le fait que l’IA ne se contente pas d’optimiser du code existant : elle conçoit et fait évoluer de nouveaux algorithmes eux-mêmes. Lorsque Gemini génère un code algorithmique initial pour résoudre un problème, AlphaEvolve l’évalue, sélectionne les versions les plus prometteuses et les fait progresser graduellement vers de meilleures solutions, à la manière de l’évolution biologique.
Si cette approche est appliquée à l’amélioration des algorithmes fondamentaux d’elle-même ou d’autres systèmes d’IA, elle porte le potentiel de créer une boucle d’auto-amélioration récursive dans laquelle les performances de l’IA pourraient s’améliorer de façon exponentielle en s’appuyant sur leurs propres avancées. Le cas où l’efficacité de Borg, le système d’exploitation des data centers de Google, a été fortement améliorée prouve déjà qu’AlphaEvolve peut être appliqué à des problèmes réels complexes et produire des solutions dépassant les systèmes existants conçus par des humains. Cela laisse entrevoir un avenir où l’IA pourrait transformer la manière dont l’IA elle-même est conçue et entraînée, et ainsi accélérer sa propre intelligence.
1 commentaires
La partie indiquant qu’ils ont amélioré un algorithme de multiplication de matrices après 56 ans est impressionnante.