CTM, l'IA qui imite les neurones pour prendre des décisions ?

Dans le monde effervescent de l’intelligence artificielle, une petite révolution silencieuse se prépare. Elle ne vient pas des géants californiens, mais du Japon, avec une start-up encore jeune mais déjà prometteuse : Sakana AI. Son ambition ? Repenser le fonctionnement même des intelligences artificielles, pour les rendre plus naturelles, plus adaptatives… et peut-être un peu plus humaines.Derrière Sakana, on retrouve un ancien de Google, bien décidé à bousculer les codes. Leur idée phare : remplacer les modèles séquentiels traditionnels, comme les Transformers qui dominent aujourd’hui le marché, par une architecture radicalement différente, baptisée CTM, pour Continuously Thinking Machines. Le nom est explicite : il s’agit d’enseigner aux IA non pas à raisonner par blocs, mais à penser en continu, comme le fait notre cerveau.Car les modèles actuels, aussi performants soient-ils, souffrent d’un travers : ils traitent les données étape par étape, souvent en attendant d’avoir l’ensemble d’une séquence pour commencer à réfléchir. Résultat : beaucoup de puissance de calcul mobilisée, parfois pour des tâches simples. A contrario, le cerveau humain capte, intègre, ajuste… instant après instant. Une pensée fluide, non linéaire, qui s’adapte en permanence au contexte. C’est cette capacité que Sakana AI cherche à reproduire. Pour cela, l’entreprise s’inspire d’un domaine encore peu exploré : celui des réseaux de neurones à impulsions (spiking neural networks). Ces neurones artificiels ne transmettent pas des signaux continus, mais des impulsions brèves, appelées « spikes », où le moment de l’émission compte autant que l’émission elle-même. C’est cette dimension temporelle – capitale dans notre propre fonctionnement cognitif – que les CTM tentent d’introduire dans l’IA.Concrètement, cela permettrait aux machines de maintenir un état interne évolutif. Plus besoin de tout réinitialiser à chaque requête : comme dans une vraie conversation, le contexte s’enrichit au fil des échanges. Mieux encore, le modèle pourrait moduler son “temps de réflexion” : répondre rapidement à une question simple, ou prendre plus de “temps mental” sur un problème complexe. Une sorte de budget cognitif dynamique, totalement inédit dans les architectures actuelles. Les bénéfices sont multiples. D’abord en robotique ou dans les systèmes embarqués, où les données arrivent en flux continu : les CTM pourraient suivre le rythme sans surchauffer. Ensuite, en termes d’efficacité énergétique : ces réseaux, inspirés du vivant, sont potentiellement bien moins gourmands que les IA actuelles. Et enfin, dans nos usages quotidiens – assistants virtuels, analyse contextuelle, prise de décision – cette pensée fluide et adaptative ouvrirait la voie à des interactions plus naturelles. Pour l’instant, Sakana AI en est encore au stade de la recherche. Mais les pistes ouvertes par les CTM sont claires : si l’IA veut progresser, elle devra apprendre non seulement à bien répondre, mais surtout… à penser différemment. Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.