Tu suis la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
La startup tokyoïte confie à Jürgen Schmidhuber le rôle de Chief Scientific Advisor et prévoit qu'il co-dirige un nouveau laboratoire RSI. Objectif affiché : créer une boucle de recherche auto-renforçante et développer une IA tournée vers le monde physique. L’entreprise met en avant ses projets internes nourris par des idées anciennes de Schmidhuber, de 1987 à 1991. Le chercheur inscrit cette stratégie dans l’héritage d’innovation du Japon.
RSI vise une boucle de recherche et une IA ancrée dans le physique
Le laboratoire RSI de Sakana AI a pour objectif de mettre en place une boucle de recherche auto-renforçante afin de rendre les machines plus intelligentes. Jürgen Schmidhuber doit aider à diriger ce nouveau laboratoire. Selon lui, l’avenir de l’intelligence ne se limite pas au langage, mais implique une IA physique fondée sur des modèles du monde. Il estime que Sakana AI est bien placée pour s’appuyer sur l’héritage d’innovation du Japon en construisant des systèmes autonomes capables de comprendre, simuler et interagir avec l’univers physique. Il est également avancé que le Japon est le berceau d’architectures fondamentales de réseaux de neurones et de la robotique avancée.
Recrutement à Tokyo et rassemblement d’experts
Le siège de Sakana AI se trouve à Tokyo, où l’entreprise a nommé Jürgen Schmidhuber au poste de Chief Scientific Advisor. Afin de réaliser le programme du laboratoire RSI, la société ambitionne de réunir à Tokyo un groupe important d’experts de renommée internationale. Schmidhuber décrit son arrivée comme une opportunité de rapprocher les domaines des réseaux de neurones et de la robotique.
Travaux antérieurs cités et projets internes revendiqués
Sakana AI qualifie Jürgen Schmidhuber de père de l’IA moderne et souligne plusieurs réalisations qu’elle lui reconnaît : des recherches pionnières sur les modèles du monde en 1990 ainsi que sur des méthodes d’apprentissage profond en 1991. Sa thèse rédigée en 1987 portait sur le meta-learning et l’auto-amélioration récursive ; il est indiqué qu’elle aurait initié près de quarante années de travaux sur la façon dont les machines peuvent apprendre à apprendre. L’entreprise affirme que ces idées ont directement influencé ses projets Darwin Gödel Machine et The AI Scientist.
