Dans un effort pour reduire l'ecart entre l'intelligence artificielle et la capacite d'apprentissage naturel des humains Google vient d'annoncer un nouveau modele d'IA appele HOPE (Hierarchically Optimized Progressive Encoder).
Ceci est considere comme un grand pas en avant dans le parcours vers l'intelligence artificielle generale (IAG) qui est un type d'IA qui peut apprendre s'adapter et s'ameliorer avec le temps.
Selon une annonce sur le blog de Google le 8 novembre (heure locale) HOPE est base sur le concept de Nested Learning une nouvelle approche inventee par le groupe de recherche de Google.
Contrairement a la methode de formation binaire traditionnelle cette methode d'apprentissage considere un modele d'IA comme un systeme de problemes d'apprentissage multiniveaux lies et optimises en meme temps ce qui permet a l'IA de traiter un langage long et d'apprendre en continu sans oublier les anciennes connaissances.
Les chercheurs affirment que cette methode peut surmonter l'oubli catastrophique - CF le point faible inherent aux grands modeles linguistiques (LLM) actuels.
Bien que les LLM puissent ecrire de la poesie rediger des codes ou parler naturellement ils ne peuvent toujours pas apprendre de leur propre experience une competence que le cerveau humain realise chaque jour.
Selon Google Nested Learning ouvre une toute nouvelle orientation dans la conception de l'IA ou le modele et le algorithme de formation sont consideres comme les deux faces d'une meme structure.
En combinant differents niveaux d'apprentissage HOPE peut memoriser modifier et optimiser le comportement en fonction de l'experience precedente ce qui rend les modeles actuels presque impossibles.
Le celebre chercheur Andrej Karpathy qui a travaille chez Google DeepMind a estime qu'AGI etait encore loin de l'humanite car aucun systeme n'etait reellement capable d'apprendre en continu. Cependant la naissance de HOPE pourrait etre le premier signal a reduire cet ecart.
Dans un article scientifique presente lors de la conference NeurIPS 2025 le groupe de recherche de Google affirme que HOPE a non seulement une complexite de calcul inferieure mais atteint egalement une precision plus elevee que les modeles modernes lors des tests sur de nombreuses taches linguistiques et theoriques differentes.
En appliquant le principe du Nested Learning les ingenieurs peuvent concevoir des composants d'apprentissage plus approfondis qui aident l'IA a apprendre de maniere systematique et a reagir de maniere flexible aux nouvelles donnees.
Nous pensons que cette approche est la base pour reduire l'ecart entre les modeles LLM actuels et la capacite d'apprentissage incroyable du cerveau humain' a souligne Google.
Si elle reussit HOPE pourrait marquer un tournant dans l'industrie de l'intelligence artificielle lorsque les machines ne se contenteront pas de simuler la pensee mais savent aussi apprendre par elles-memes s'ameliorer et se souvenir longtemps comme les humains.
