Physical Intelligence : le robot π0.7 défie les attentes

Une découverte inattendue chez Physical Intelligence

Dans le monde en constante évolution de l'intelligence artificielle, les surprises ne manquent pas. Physical Intelligence, une startup basée dans la Bay Area, a récemment fait une découverte qui pourrait bien changer la donne. Fondée il y a deux ans, cette entreprise est déjà sous les feux des projecteurs grâce à son modèle d'IA, π0.7. Ce modèle a démontré des capacités qui n'avaient pas été explicitement programmées par ses développeurs.

La généralisation compositionnelle de π0.7

Traditionnellement, le développement de l'IA pour les robots repose sur une méthode où les développeurs fournissent des données que l'IA utilise pour exécuter des tâches. Cependant, π0.7 a brisé ce moule en pratiquant ce que les chercheurs appellent la généralisation compositionnelle. Cela signifie que le modèle est capable de recombiner des compétences acquises dans différents contextes pour résoudre des problèmes qu'il n'a jamais rencontrés auparavant. Cette capacité est comparable à celle d'un humain qui, sans avoir jamais manipulé un appareil précis, en comprend le fonctionnement par analogie avec ce qu'il connaît déjà.

Une démonstration avec une friteuse à air

L'exemple le plus frappant de cette capacité a été observé avec une friteuse à air. Dans l'ensemble des données d'entraînement du modèle, la friteuse n'était mentionnée que dans deux contextes distincts. Dans l'un, un robot différent se contentait de refermer l'appareil, et dans l'autre, un autre robot y déposait une bouteille en plastique sur instruction humaine. Ces occurrences étaient anecdotiques et sans rapport direct avec l'acte de cuisiner. Pourtant, π0.7 a tenté de cuire une patate douce dans l'appareil sans aucune instruction préalable. Avec des instructions verbales pas à pas, il a même réussi à accomplir cette tâche avec succès.

Réactions des chercheurs

Ashwin Balakrishna, chercheur chez Physical Intelligence et doctorant à Stanford, a exprimé sa surprise face à ces résultats. Il a déclaré : "Mon expérience a toujours été que lorsque je connais bien les données, je peux à peu près prédire ce que le modèle sera capable de faire. Je suis rarement surpris. Mais ces derniers mois ont été la première fois où je suis profondément surpris."

Des résultats prometteurs mais prudents

Malgré ces résultats impressionnants, Physical Intelligence reste prudente. Dans son document de recherche, la startup utilise des termes tels que "premiers signes" de généralisation et "démonstrations initiales" de nouvelles capacités, soulignant qu'il s'agit de résultats de recherche et non de produits prêts à être déployés. Sergey Levine, cofondateur de Physical Intelligence et professeur à UC Berkeley, a expliqué que π0.7 ne peut pas encore exécuter des tâches complexes en plusieurs étapes depuis une seule commande de haut niveau. "On ne peut pas lui dire 'va me faire des toasts'", a-t-il reconnu.

L'importance du prompt engineering

Le prompt engineering, ou l'art de générer le bon prompt pour obtenir le résultat souhaité, s'est avéré crucial dans cette expérience. Une première tentative avec la friteuse affichait un taux de réussite de seulement 5%. Il a fallu trente minutes aux équipes pour affiner la formulation des consignes et ainsi obtenir un taux de réussite de 95%.

Une valorisation en pleine expansion

Physical Intelligence est actuellement valorisée à 5,6 milliards de dollars et serait en discussions pour un nouveau tour de table qui pourrait presque doubler cette valorisation à 11 milliards. Tout cela, sans avoir communiqué le moindre calendrier de commercialisation à ses investisseurs. Les prochaines étapes de cette startup prometteuse sont donc attendues avec impatience.