S’adapter pour l’ère du raisonnement de l’IA

En tant que systèmes IA qui Apprenez en imitant les mécanismes du cerveau humain Continuez à avancer, nous assistons à une évolution dans les modèles de la régurgitation par cœur à un véritable raisonnement. Cette capacité marque un nouveau chapitre dans l’évolution de l’IA – et ce que les entreprises peuvent en tirer. Mais pour exploiter cet énorme potentiel, les organisations devront s’assurer qu’elles ont la bonne infrastructure et les ressources informatiques pour soutenir la technologie de progression.

La révolution du raisonnement

« Les modèles de raisonnement sont qualitativement différents de la LLMS antérieure », explique Prabhat Ram, partenaire AI / HPC Architect chez Microsoft, notant que ces modèles peuvent explorer différentes hypothèses, évaluer si les réponses sont cohérentes et ajustent leur approche en conséquence. « Ils créent essentiellement une représentation interne d’un arbre de décision basé sur les données de formation auxquelles ils ont été exposés et explorent quelle solution pourrait être la meilleure. »

Cette approche adaptative de la résolution de problèmes n’est pas sans compromis. Les LLM antérieurs ont livré des sorties en millisecondes sur la base d’une analyse statistique des modèles et d’une analyse probabiliste. C’était – et est toujours – efficace pour de nombreuses applications, mais cela ne permet pas à l’IA de temps d’évaluer soigneusement plusieurs chemins de solution.

Dans les nouveaux modèles, le temps de calcul prolongé pendant l’inférence – secondes, les minutes, voire plus, permet à l’IA d’utiliser un apprentissage de renforcement interne plus sophistiqué. Cela ouvre la porte à la résolution de problèmes en plusieurs étapes et à la prise de décision plus nuancée.

Pour illustrer les futurs cas d’utilisation pour une IA capable de raisonnement, RAM offre l’exemple d’un rover de la NASA envoyé pour explorer la surface de Mars. « Les décisions doivent être prises à chaque instant d’emprunter la voie à emprunter, que explorer, et il doit y avoir un compromis à risque.

Les capacités de raisonnement sont également une étape importante dans la prolifération des systèmes d’IA agentiques: applications autonomes qui effectuent des tâches pour les utilisateurs, telles que la planification des rendez-vous ou la réservation d’itinéraires de voyage. « Que vous demandiez à l’IA de faire une réservation, de fournir un résumé de la littérature, de plier une serviette ou de ramasser un morceau de roche, il doit d’abord être en mesure de comprendre l’environnement – ce que nous appelons la perception – comprenant les instructions et ensuite passer à une phase de planification et de prise de décision », explique Ram.

Applications d’entreprise de systèmes d’IA capables de raisonnement

Les demandes d’entreprise pour un raisonnement compatible avec le raisonnement sont de grande envergure. Dans les soins de santé, le raisonnement d’IA pourrait analyser les données des patients, la littérature médicale et les protocoles de traitement pour soutenir les décisions de diagnostic ou de traitement. Dans la recherche scientifique, les modèles de raisonnement pourraient formuler des hypothèses, concevoir des protocoles expérimentaux et interpréter des résultats complexes – accélérant potentiellement les découvertes à travers les domaines de la science des matériaux aux produits pharmaceutiques. Dans l’analyse financière, le raisonnement IA pourrait aider à évaluer les opportunités d’investissement ou les stratégies d’expansion du marché, ainsi que l’élaboration de profils de risques ou de prévisions économiques.

Armés de ces idées, de leur propre expérience et de l’intelligence émotionnelle, des médecins humains, des chercheurs et des analystes financiers pourraient prendre des décisions plus éclairées, plus rapidement. Mais avant de mettre ces systèmes en vrac dans la nature, les sauvegardes et les cadres de gouvernance devront être à tout le monde, en particulier dans des contextes à enjeux élevés comme les soins de santé ou les véhicules autonomes.