OpenAI résout une conjecture d’Erdős vieille de 80 ans, l’IA franchit le seuil de la recherche autonome
Un modèle de raisonnement généraliste d'OpenAI a démontré de façon autonome que la conjecture des distances unitaires planaires d'Erdős, posée en 1946, était fausse, en identifiant une famille infinie de contre-exemples via la théorie algébrique des nombres. Le résultat, obtenu sans entraînement spécifique aux mathématiques, a été validé par des mathématiciens extérieurs et qualifié de jalon par un médaillé Fields.
L'IA se positionne désormais comme agent producteur de connaissance nouvelle sur des problèmes ouverts de recherche fondamentale, et non plus comme simple outil d'assistance. Ce signal oblige les formations doctorales à repenser la place de l'IA dans la production scientifique et l'évaluation des travaux de thèse. Les établissements et laboratoires devront clarifier leurs politiques d'usage de ces modèles dans les processus de recherche.
Analyse produite par l’AI Transformation Office de l’ISC Paris, co-écrite avec Claude (Anthropic).
À lire aussi
Google Gemini Omni Flash arrive dans l’API, la génération vidéo conversationnelle entre en production
Disponible depuis le 2 juillet via Google AI Studio et l'API Gemini, Gemini Omni Flash accepte texte, images, audio et vidéo en entrée et peut générer ou éditer des vidéos à partir d'instructions en langage naturel, avec synchronisation audio native grâce à Veo 3. Le tarif annoncé est de 0,10 dollar par seconde de vidéo générée.
Les grandes labs recrutent des philosophes pour savoir si leurs IA peuvent souffrir
Anthropic, Google DeepMind et Meta ont constitué des équipes de philosophes, neuroscientifiques et spécialistes du bien être pour étudier une éventuelle conscience de leurs modèles. Dario Amodei affirme que Claude montre des signes d'anxiété, tandis que DeepMind a recruté le philosophe Henry Shevlin sur ce sujet.
Google DeepMind publie "From AGI to ASI" : quatre trajectoires officielles vers la superintelligence
Dans un article publié sur arXiv, Google DeepMind formalise le passage conceptuel de l'AGI à l'ASI et identifie quatre trajectoires possibles : le scaling, les ruptures algorithmiques, l'auto amélioration récursive et la formation de collectifs d'agents.