Cette startup développe une IA capable de piloter des drones et de prendre ses propres décisions

Le débat sur jusqu’où peut aller l’intelligence artificielle tourne autour de questions sur ce qui constitue réellement l’intelligence humaine, et une machine peut-elle fonctionner de manière assez similaire à un cerveau humain ?

Bien qu’elle ne vise pas l’AGI, Stanhope AI, basée au Royaume-Uni, construit ses modèles selon les principes des neurosciences et utilise la machinerie hiérarchique prédictive qui constitue notre cerveau pour s’inspirer.

Le résultat est un IA cela n’a pas besoin de formation. En gros, il suffit de lui dire qu’il existe, à condition qu’il ait un système de croyances préalable, puis de décoller (littéralement) dans le monde réel et d’apprendre de son environnement à l’aide de capteurs. Un peu comme la façon dont vous voyez, entendez et ressentez les choses qui élargissent vos connaissances, vous obligeant à mettre à jour (ou à renforcer) votre vision du monde.

Un spin-out de University College de Londres, le démarrer vient de lever 2,3 millions de livres sterling pour son « IA agentique » inspirée des neurosciences. Nous avons rencontré la co-fondatrice et PDG, professeure de neurosciences computationnelles Rosalyn Moran, pour en savoir plus sur la technologie et la vision de la startup pour l’avenir.

Le « cerveau » en couches de l’IA de Stanhope

La méthode de Stanhope AI s’appuie sur une théorie selon laquelle le cerveau possède un modèle du monde et tente continuellement de rassembler des preuves pour valider et mettre à jour ledit modèle.

« L’IA possède un « cerveau » à quelques niveaux de profondeur, et tout en bas du cerveau se trouvent ses capteurs », explique Moran. Les capteurs, qui pour vous et moi seraient nos yeux, sont dans ce cas des caméras et du LiDAR.

« Et puis ceux-ci alimentent une couche prédictive qui essaiera de dire : ‘D’accord, j’ai vu un mur là-bas.’ Maintenant, je n’ai plus besoin de continuer à chercher. Et cela est intégré à une prédiction cognitive plus intéressante aux niveaux supérieurs. Cela ressemble donc beaucoup à un cerveau hiérarchique.

C’est le même genre de prédiction que notre cerveau humain effectue pour donner un sens au monde et économiser de l’énergie (le cerveau est l’organe le plus exigeant en énergie dont nous disposons). Il s’agit d’un principe neuroscientifique appelé « inférence active », qui fait partie de la théorie de l’énergie libre, développée par le co-fondateur de Moran, prprofesseur de neurobiologie théorique, Karl Friston.

« Je n’ai pas besoin de vérifier chaque pixel du mur pour m’assurer qu’il s’agit bien d’un mur : je peux le remplir un peu. C’est pourquoi nous pensons que le cerveau humain est si efficace », ajoute Moran.

Essentiellement, la façon dont vous percevez le monde dépend de la façon dont votre cerveau prédit vous le verrez, au service de l’efficacité énergétique. Mais grâce à notre cerveau, ils affinent ensuite ces prédictions en fonction des données sensorielles entrantes. Le modèle de Stanhope AI fait de même, en utilisant les informations visuelles du monde qui l’entoure. Il prend ensuite des décisions autonomes basées sur les nouvelles données en temps réel.

Aucun ensemble de données de formation massif requis

L’utilisation de cette approche de l’IA diffère considérablement des méthodes traditionnelles d’apprentissage automatique telles que celles utilisées pour former les LLM, qui ne peuvent fonctionner qu’avec les données qui leur sont fournies par ceux qui les forment.

«Nous ne nous entraînons pas [our model] », dit Moran. « Le gros du travail consiste à établir le modèle génératif et à s’assurer qu’il est correct et qu’il a des priorités cohérentes avec l’endroit où vous souhaitez qu’il fonctionne. »

Tout cela est théoriquement fascinant, mais pour qu’une startup puisse sortir du laboratoire, il doit y avoir des applications concrètes. Stanhope AI affirme que son IA peut s’installer sur des machines autonomes, telles que des drones de livraison et des robots. La technologie est actuellement testée sur des drones avec des partenaires, notamment l’Agence fédérale allemande pour l’innovation de rupture et la Royal Navy.

Le plus grand défi technologique que la startup a surmonté jusqu’à présent a été de passer de modèles plus petits travaillant en laboratoire à des modèles plus grands capables d’apprendre à naviguer dans un paysage beaucoup plus vaste.

« Nous avons dû utiliser trois voies mathématiques pour effectuer des calculs d’énergie libre beaucoup plus efficaces, afin de pouvoir construire des mondes beaucoup plus grands pour nos drones », déclare Moran. Elle ajoute également que trouver le bon matériel auquel l’entreprise pourrait accéder et contrôler sans avoir recours à des tiers représentait également un obstacle technique important.

Nouvelle vague d’IA agentique

Les « modèles d’inférence active » de Stanhope AI sont, selon la société, véritablement autonomes et peuvent reconstruire et affiner leurs prédictions. Cela fait partie d’une nouvelle vague d’« IA agentique » qui, tout comme le cerveau humain, nous essayons toujours de « deviner ce qui va se passer ensuite » en apprenant continuellement des écarts entre les prédictions et les données en temps réel. Il n’est pas nécessaire de suivre une formation préalable approfondie (et coûteuse), et cette approche réduit également le risque d’« hallucinations » de l’IA.

Notamment, l’IA de Stanhope est constituée de modèles en boîte blanche, avec « l’explicabilité intégrée à son architecture ». Comme l’explique Moran : « Nous veillons à ce que cela fonctionne absolument parfaitement en simulation. Si l’IA, ou le drone, fait quelque chose d’étrange, alors nous approfondissons vraiment ce qu’il croyait là-bas, pourquoi il a fait ce qu’il a fait. C’est donc une manière très différente de développer l’IA. L’idée, dit-elle, est de transformer les capacités de l’IA et de la robotique et de les rendre plus efficaces dans des scénarios réels.

Le Fonds technologique de l’UCL a dirigé le cycle de financement de 2,3 millions de livres sterling de Stanhope AI. Creator Fund, MMC Ventures, Moonfire Ventures et Rockmount Capital ont également participé, aux côtés de plusieurs investisseurs du secteur.

Stanhope AI a été fondée en 2021 par le professeur Rosalyn Moran, le directeur, le professeur Karl Friston et le conseiller technique, le Dr Biswa Sengupta.