Andrej Karpathy rejoint Anthropic pour accélérer le pré-entraînement IA
Andrej Karpathy, cofondateur d'OpenAI et ancien directeur IA de Tesla, a rejoint Anthropic pour travailler sur le pré-entraînement accéléré par IA, une méthode où l'intelligence artificielle contribue à améliorer son propre entraînement. Ce recrutement intervient peu avant l'introduction en bourse probable d'Anthropic.
La concentration des chercheurs les plus reconnus dans un petit nombre de laboratoires privés accentue la difficulté des universités à recruter et retenir des enseignants-chercheurs spécialisés en IA, notamment face à des rémunérations et des moyens de calcul incomparables. Cette fuite des talents vers le secteur privé fragilise la capacité de la recherche académique à produire des connaissances indépendantes sur les modèles de fondation, renforçant sa dépendance aux publications et outils issus de ces mêmes entreprises.
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.