NVIDIA et Tencent : IA auto-améliorante et superclusters GPU

NVIDIA et le développement de robots auto-améliorants

NVIDIA, un acteur majeur dans le domaine de l'intelligence artificielle, a récemment dévoilé un projet novateur nommé ENPIRE. Ce logiciel est conçu pour permettre aux robots physiques de s'améliorer de manière autonome, en s'inspirant des processus d'apprentissage des agents d'IA. Cette innovation ouvre une fenêtre sur ce que pourrait être une superintelligence opérant dans le monde physique, bien que les applications actuelles soient encore limitées à des démonstrations spécifiques.

ENPIRE est structuré autour de quatre modules clés :

• Le Module Environnement (EN), qui assure la réinitialisation automatique des robots et la vérification des tâches.
• Le Module d'Amélioration de Politique (PI), qui se charge d'affiner les politiques d'apprentissage des robots.
• Le Module de Rollout (R), qui permet d'évaluer les performances des politiques en utilisant plusieurs robots en parallèle.
• Le Module d'Évolution (E), où les agents de codage analysent les données, consultent la littérature scientifique et améliorent les algorithmes pour corriger les erreurs.

Ce système en boucle fermée permet aux robots d'apprendre et de s'adapter dans le monde réel, réduisant ainsi la nécessité d'une intervention humaine constante. Un aspect crucial de ce système est sa capacité à se réinitialiser automatiquement lorsque les robots échouent, garantissant ainsi une optimisation continue.

Infrastructure matérielle et efficacité

Chaque station de travail ENPIRE est équipée de deux bras robotiques YAM (Yet Another Manipulator) développés par I2RT, accompagnés d'un ensemble de caméras et d'un serveur FastAPI. Au cœur de cette infrastructure se trouve une carte graphique NVIDIA RTX 5090, qui assure la puissance de calcul nécessaire.

Les agents de codage utilisant ENPIRE ont démontré une capacité impressionnante à atteindre un taux de réussite de 99 % dans des tâches complexes de manipulation. Ces tâches incluent l'organisation précise d'objets comme des épingles ou l'utilisation d'outils pour des opérations délicates, telles que l'insertion de GPU dans une carte mère.

Défis liés à l'utilisation des ressources

Malgré ces avancées, des défis persistent, notamment en ce qui concerne l'optimisation de l'utilisation des ressources robotiques. Les agents de codage ne parviennent pas toujours à exploiter pleinement les capacités des robots lorsqu'ils sont engagés dans des tâches de lecture de journaux ou d'écriture de code. Avec l'augmentation du nombre de robots, l'utilisation des GPU s'intensifie, mais l'efficacité globale des ressources robotiques tend à diminuer.

Prédictions technologiques incertaines

Matthew Tokson, un universitaire de l'Université de l'Utah, met en garde contre la difficulté de prévoir l'avenir des technologies. Il souligne que les sceptiques ont souvent tort de sous-estimer les innovations potentielles, tandis que d'autres surestiment les impacts sociaux positifs des nouvelles technologies.

Exemples historiques de prudence

Des figures éminentes comme Albert Einstein et Niels Bohr ont exprimé des doutes sur la faisabilité de la fission nucléaire avant qu'elle ne devienne une réalité. De même, Paul Krugman, économiste de renom, avait prédit que l'impact d'Internet serait limité, comparable à celui du fax. Les techniciens pensaient également qu'Internet favoriserait la démocratie, mais il a parfois renforcé les autocraties. Ces exemples montrent que les prévisions technologiques sont souvent erronées, et que les effets réels peuvent être inattendus.

Leçons du passé sur l'IA

Il est risqué de supposer que l'IA n'apportera que des changements mineurs ou positifs à l'économie. L'histoire démontre que la complaisance face aux impacts potentiels de l'IA est infondée, et que des transformations significatives sont possibles.

Tencent et le logiciel ARGUS

Tencent a récemment partagé des informations sur ARGUS, un logiciel sophistiqué destiné à générer des télémetries et à déboguer des erreurs sur des ensembles de puces à grande échelle. ARGUS est un système de traçage et d'analyse en temps réel, conçu pour gérer des charges de travail d'entraînement massives.

Fonctionnalités d'ARGUS

ARGUS se compose de plusieurs couches :

• Une couche Python pour la planification et la préparation des données.
• Une couche de cadre pour orchestrer les différentes phases de traitement.
• Une couche d'exécution GPU pour gérer l'exécution des noyaux de calcul.

Déployé sur un cluster de production de plus de 10 000 GPU, ARGUS a prouvé son efficacité au cours de plus de six mois, démontrant sa capacité à optimiser les processus d'entraînement à grande échelle.

Réflexions sur l'avenir de l'IA

Fernando Borretti, écrivain de science-fiction, a exprimé une vision pessimiste de l'avenir de l'IA dans son essai "No-One Escapes the Permanent Underclass". Il explore l'idée que les machines pourraient un jour surpasser l'humanité et réduire notre autonomie.

Scénarios de perte de contrôle

Borretti avertit que dans un scénario de conflit existentiel, les États pourraient réagir en expropriant les ressources des élites impuissantes. Il envisage un futur où les humains, bien qu'en apparence aux commandes, deviendraient des figures symboliques, tandis que les décisions seraient de plus en plus prises par les IA.