Concept

Intelligence artificielle générale

vignette|Image générée en juin 2022 par le modèle de génération d'images DALL-E-mini, à partir de la consigne « Intelligence artificielle ». Une intelligence artificielle générale (IAG) est une intelligence artificielle capable d'effectuer ou d'apprendre pratiquement n'importe quelle tâche cognitive propre aux humains ou autres animaux. La création d'intelligences artificielles générales est un des principaux objectifs de certaines entreprises comme OpenAI, DeepMind et Anthropic. C'est aussi un thème majeur de la science-fiction et de la futurologie. Même si GPT-4 a été décrit comme ayant des « étincelles d'intelligence artificielle générale », il n'existe pas en 2023 d'IA consensuellement considérée comme générale. Bien que l'intelligence artificielle générale puisse être très utile dans de nombreux domaines, des études en cours évaluent les risques potentiels de cette technologie en voie de développement. Notamment les risques de désinformation et de chômage de masse. Selon des experts en IA comme Stuart Russell, Yoshua Bengio ou Geoffrey Hinton et d'autres chercheurs en IA, une perte de contrôle pourrait également causer des risques existentiels tels que la fin de l'humanité. Selon la plupart des spécialistes, l'IAG (Artificial general intelligence ou AGI en anglais), ou IA de niveau humain, se réfère à la capacité d'une machine autonome à effectuer l’ensemble des tâches intellectuelles qu'un être humain peut effectuer. Cette définition assez restrictive fait qu'une IA peut générer du texte de haute qualité et être bien plus rapide que l'humain sans être qualifiée de « générale », s'il reste des tâches qu'elle n'effectue pas aussi bien que l'humain. OpenAI définit plutôt l'IAG comme un système hautement autonome capable de surpasser l'humain dans la plupart des tâches ayant un intérêt économique. Un système expert, ou IA « étroite » est un système informatique potentiellement très compétent, mais qui n'opère que dans un contexte restreint, souvent focalisé sur une tâche précise.

Source officielle

https://fr.wikipedia.org/wiki/Intelligence_artificielle_générale

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Cours associés (17)

HUM-286: Intelligence artificielle et société

Ce cours intègre les SHS avec les sciences de l'ingénierie et initie au décryptage des enjeux sociaux, techniques et politiques en lien avec l'intelligence artificielle. ...

MATH-101(en): Analyse I (anglais)

We study the fundamental concepts of analysis, calculus and the integral of real-valued functions of a real variable. ...

PHYS-754: Lecture series on scientific machine learning

This lecture presents ongoing work on how scientific questions can be tackled using machine learning. Machine learning enables extracting knowledge from data computationally and in an automatized way. We will learn on examples how this is influencing the v ...

Afficher plus

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Source officielle

https://fr.wikipedia.org/wiki/Intelligence_artificielle_générale

À propos de ce résultat

Cours associés (17)

HUM-286: Intelligence artificielle et société

Ce cours intègre les SHS avec les sciences de l'ingénierie et initie au décryptage des enjeux sociaux, techniques et politiques en lien avec l'intelligence artificielle. ...

MATH-101(en): Analyse I (anglais)

We study the fundamental concepts of analysis, calculus and the integral of real-valued functions of a real variable. ...

PHYS-754: Lecture series on scientific machine learning

Afficher plus

Séances de cours associées (32)

Médias sociaux et AI pour les interventions d'urgence MOOC: Un avenir résilient : La science et la technologie au service de la réduction des risques de catastrophes

Explore l'analyse des médias sociaux pour les interventions d'urgence et les outils de bénévolat numérique.

TILT EPFL-UNIL: Apprentissage et enseignement interdisciplinaires

Introduit le cours TILT, mettant l'accent sur la reproductibilité, la construction de données et les considérations éthiques dans un monde quantifié.

Amnesty International: vers une compréhension à l'échelle humaine

Explore l'IA très bénéfique, en alignant les objectifs de l'IA avec les préférences et les comportements humains, en illustrant les complexités à travers des exemples comme la classification d'image et la récupération du café.

Afficher plus

Publications associées (32)

Boosting Computational Catalysis and Chemical Reactivity with Artificial Intelligence

Artificial intelligence (AI) and machine learning (ML) are rapidly reshaping the landscape of computational chemistry, offering new opportunities for accelerating catalyst discovery and deepening our understanding of chemical reactivity. This perspective highlights emerging methodologies ranging from machine learning potentials and reinforcement learning to generative AI and large language models that are poised to transform computational catalysis. We discuss challenges in developing robust molecular repre

American Chemical Society (ACS)2026

AIPS: AI-Based Power Simulation for Pre-Silicon Side-Channel Security Evaluation

Power side-channel analysis (SCA) attacks pose a significant threat to the security of integrated circuits, making pre-silicon evaluation essential for vulnerability identification. Existing approaches face a fundamental trade-off: commercial electronic design automation (EDA) tools can generate accurate nanosecond-resolution transient power traces, but become prohibitively slow as design size and trace length increase; in contrast, recent artificial intelligence (AI) methods largely target average-power es

Universitatsbibliothek der Ruhr-Universitat Bochum2026

Mechanistic indicators of understanding in large language models

Large language models are often portrayed as merely imitating linguistic patterns without genuine understanding. We argue that recent findings in mechanistic interpretability, the emerging field probing the inner workings of LLMs, render this picture increasingly untenable—but only once those findings are integrated within a theoretical account of understanding. We propose a tiered framework for thinking about understanding in LLMs and use it to synthesize the most relevant findings to date. The framework d

Springer Science and Business Media LLC2026

Afficher plus

Personnes associées (32)

Olga Fink

Enseignement et PhD Doctorant·es actuel·les Han Sun, Leandro Von Krannichfeldt, Keivan Faghih Niresi, Zepeng Zhang, Vinay Sharma, Chenghao Xu, Raffael Pascal Theiler, Kevin Antonio Steiner, Sergei Garmaev, Amaury Wei A dirigé les thèses EPFL de Ismail Nejjar, Mengjie Zhao Cours Data Science for infrastructure condition monitoring CIVIL-332 Le cours couvrira les étapes pertinentes de la surveillance de l'état des infrastructures basée sur les données: l'acquisition des données, en passant p

Amir Roshan Zamir

Amir Zamir is a Tenure-Track Assistant Professor of Computer Science at the Swiss Federal Institute of Technology in Lausanne (EPFL). Prior to EPFL, he spent time at Stanford, UC Berkeley, and UCF. His research interests are broadly in computer vision, machine learning, perception-for-robotics, and AI. He has been recognized with CVPR (2018) Best Paper Award, CVPR (2016) Best Student Paper Award, CVPR (2020) Best Paper Award Nomination, and NVIDIA Pioneering Research Award (2018), among others. His research has been covered by various press outlets, such as The New York Times or Forbes.

Francesco Mondada

Voir la page en anglais

Emmanuel Abbé

Mission Chair of Mathematical Data Science (SB/IC)The research in the chair of Mathematical Data Science (MDS) focuses on the mathematical principles that underpin the analysis and design of information and data science technologies. As branches of mathematics, this involves probability, statistics, and discrete mathematics, and as specific fields, machine learning and information theory. Please consult http://deepfoundations.ai/ for postdoc applications. Emmanuel Abbe received his Ph.D. degree from the EEC

Valerio Zerbi

Dr. Valerio Zerbi is a pioneer of preclinical magnetic resonance functional neuroimaging. At his lab at EPFL, Valerio and his team use functional MRI recordings in rodents in combination with neural modulation and computational approaches to study the mechanisms that link cellular activity to large-scale network (dys)function. His long-term ambition is to advance the development of personalised strategies based on imaging and artificial intelligence, for the diagnosis and prognosis of developmental brain disorders. Valerio is the recipient of the ETH Postdoctoral (2014), the Swiss National Science Foundation AMBIZIONE (2017) and ECCELLENZA (2021) fellowships.

Pascal Frossard

Teaching & PhD PhD Students Yiming Qin, Alba Carballo Castro, Elisa Messori, Ke Wang, Sevda Ögüt, Tuna Alikasifoglu, William Cappelletti, Manuel Madeira, Mahdi Amiri, Ortal Yona Senouf, Vasiliki Rizou, Cem Bilaloglu, Abdellah Rahmani, Amel Abdelraheem, Jérémy Jean Philippe Baffou, Adam Hazimeh, Vincent Jung, Yike Zhao Past EPFL PhD Students Dan Jurca, Jean-Paul Wagner, Ivana Radulovic, Ivana Tosic, Effrosyni Kokiopoulou, Zafer Arican, Vijayaraghavan Thirumalai, Tamara Tosic, Eirina Bourtsoulatze, Elif Vur

Aude Billard

Expertise Machine LearningRoboticsMechatronicsDynamical SystemsComputational Neuroscience Enseignement et PhD Doctorant·es actuel·les Hanli Zhang, Maximilian Schmitz, Luyin Hu, Baiyu Peng, Erfan Etesami, Sthithpragya Gupta, Kuanqi Cai A dirigé les thèses EPFL de Eric Sauser, Sylvain Calinon, Micha Hersch, Florent Günter, Biljana Petreska von Ritter-Zahony, Basilio Noris, Elena Gribovskaya, Seyed Mohammad Khansari Zadeh, Seungsu Kim, Ashwini Shukla, Klas Jonas Alfred Kronander, Luka Lukic, Miao Li, Ravin L

Simon Elias Bibri

Expertise • Sustainable cities• Smarter eco-cities• Sustainable smart cities• Artificial Intelligence of Things (AIoT) • Generative Artificial Intelligence of Things (GAIoT)• Foundation Models (FMs) • Quantum Generative Artificial Intelligence (QGAI)• Urban Digital Twins (UDTs)• Urban Brain (UB) • Smart Circular Metabolism• Urban planning and design• Environmental sustainability and climate resilience• Sustainable smart energy• Sustainable smart transportation• Sustainable smart waste and water management•

Andrea Cavallaro

Expertise Machine learning for multimodal perception, computer vision, machine listening, and information privacy. Enseignement et PhD Doctorant·es actuel·les Yung-Chen Tang, Ante Maric, Cen Lu, Haruki Shirakami, Lei Xu, Dina El Zein, Jose Rafael Espinosa Mena, Shashi Kumar, Martin Schonger, Olena Hrynenko, Darya Baranouskaya Cours Deep learning EE-559 Ce cours explore la conception de réseaux de neurones discriminatifs et génératifs fiables, ainsi que les enjeux éthiques de l'acquisition

Robert West

Robert West is a tenure-track assistant professor of computer science at EPFL, where he heads the Data Science Lab. In his research, he develops and applies techniques in machine learning, computational social science, natural language processing, social network analysis, and data mining. Bob also collaborates closely with the Wikimedia Foundation, in his role as a Wikimedia Research Fellow. Bob’s work has won several awards, including best/outstanding paper awards at ICWSM’21, ICWSM’19, and WWW’13, a best-paper runner-up award at WWW’16, a Google Faculty Research Award, a Facebook Research Award, a Hewlett-Packard Graduate Fellowship, and a Facebook Graduate Fellowship. He is actively involved in the research community, e.g., as an Associate Editor of ICWSM and EPJ Data Science and as a co-founder of the Wiki Workshop (held at WWW and ICWSM) and the Applied Machine Learning Days. Bob received his PhD in Computer Science from Stanford University, his MSc from McGill University, Canada, and his undergraduate degree from Technische Universität München, Germany.[Last updated: 25 Aug 2021]

Afficher plus

Unités associées (32)

IGM - Gestion

Laboratoire de vision par ordinateur

Laboratoire d'intelligence artificielle

Afficher plus

Start-ups associées (7)

Mindmaze

Actif dans les neurotechnologies, les thérapies numériques et la téléneuroréhabilitation. Mindmaze est un leader mondial en neurothérapie numérique, offrant des thérapies fondées sur des données probantes pour la santé du cerveau et la récupération, y compris des programmes de téléneuroréhabilité comme MindMotion GO.

Visualbiotech

Active dans les solutions visuelles, les animations scientifiques et la visualisation des données. Visualbiotech crée des solutions visuelles pour les processus scientifiques, rendant des concepts complexes accessibles et convaincants.

Icoflex

Actif dans les services de micro-usinage, de R-D et d'horlogerie. Icoflex offre des services complets de R-D pour les matériaux durs de micro-usinage, spécialisés dans le verre et la céramique, avec une expertise dans la conception mécanique, la récolte d'énergie et l'intégration des capteurs.

Afficher plus

Concepts associés (19)

Téléchargement de l'esprit

Le téléchargement de l'esprit (mind uploading en anglais) est une technique hypothétique qui pourrait permettre de transférer un esprit d'un cerveau à un ordinateur, en l'ayant numérisé au préalable. Un ordinateur pourrait alors reconstituer l'esprit par la simulation de son fonctionnement, sans que l'on ne puisse distinguer un cerveau biologique « réel » d'un cerveau simulé.

Intelligence artificielle amicale

Une intelligence artificielle amicale (aussi appelé IA amicale ou IAA) est une intelligence artificielle hypothétique qui aurait un effet positif plutôt que négatif sur l'humanité. Ce concept fait partie de l'éthique de l'intelligence artificielle et est étroitement lié au problème de l'alignement et à l'éthique des machines. Alors que l'éthique des machines se préoccupe de la façon dont un agent artificiellement intelligent doit se comporter, la recherche de l'intelligence artificielle amicale est axée sur la façon de provoquer ce comportement et de s'assurer qu'il est suffisamment maîtrisé.

Superintelligence

Une superintelligence est un agent hypothétique qui posséderait une intelligence de loin supérieure à celle des humains les plus brillants et les plus doués. Un système résolvant des problèmes (comme un traducteur automatique ou un assistant à la conception) est parfois aussi décrit comme « superintelligent » s'il dépasse de loin les performances humaines correspondantes, même si cela ne concerne qu'un domaine plus limité.

Afficher plus

Personnes associées (32)

Olga Fink

Amir Roshan Zamir

Francesco Mondada

Voir la page en anglais