Sujet
Tous les articles d’Actu.ai consacrés à Apprentissage par renforcement : actualités, analyses et explications sur ce sujet lié à l’intelligence artificielle. 31 articles
Sakana AI présente Transformer², un modèle de langage conçu pour ajuster dynamiquement certains de ses poids face à une tâche nouvelle. Publiée en janvier 2025, cette recherche explore une alternative au réglage fin classique, en combinant décomposition mathématique, apprentissage par renforcement et adaptation à partir de quelques exemples.
DeepSeek publie R1 et R1-Zero, deux modèles conçus pour mieux résoudre les problèmes de logique, de mathématiques et de programmation. Au 21 janvier 2025, leurs résultats déclarés les placent au niveau d’OpenAI o1 sur plusieurs tests, tout en ouvrant leurs poids et des versions plus légères à la communauté.
Amazon crée Amazon AGI SF, une équipe de recherche à San Francisco dirigée par David Luan, cofondateur d’Adept. Son ambition est de concevoir des agents plus autonomes, capables d’agir dans les environnements numériques comme physiques, en combinant grands modèles de langage et apprentissage par renforcement.
Et si l’IA apprenait moins en absorbant des données qu’en étant guidée, pas à pas, par des personnes ? Testée dans un jeu de cache-cache, la plateforme GUIDE montre qu’un retour humain nuancé de seulement dix minutes peut faire progresser sensiblement un agent IA, avant de laisser un simulateur poursuivre l’entraînement.
Des chercheurs du MIT proposent MBTL, un algorithme qui choisit les tâches d’entraînement les plus utiles pour un agent d’IA. Testée en simulation sur la gestion du trafic, cette méthode fondée sur l’apprentissage par transfert affiche une efficacité annoncée de cinq à 50 fois supérieure à des approches classiques.
Au MIT, LucidSim fait s’entraîner des robots dans des scènes générées par IA, comparées à des « rêves ». L’approche veut réduire le fossé entre simulation et monde réel. Lors des essais présentés, les robots entraînés avec cette méthode ont atteint 88 % de réussite, contre 15 % avec une méthode de référence.
Swift est un système autonome mis au point par l’Université de Zurich pour piloter un drone de course à très haute vitesse. Entraînée en simulation par apprentissage par renforcement profond, cette IA a remporté 15 des 25 manches face à des pilotes de niveau mondial. Une démonstration spectaculaire, mais aussi riche d’enseignements pour la robotique autonome.
