Esprit vivant : pourquoi une IA sans corps reste aveugle express
L'approche standard actuelle de l'apprentissage de l'IA ressemble à un enfant enfermé dans une bibliothèque : il mémorise des millions de livres, mais ignore que le feu brûle et que la chute fait mal. Notre cerveau, fait de carbone et d'autres substances simples, fonctionne autrement : d'abord, le corps explore le monde par les mouvements, les contacts, les erreurs ; ensuite seulement, les mots prennent leur sens.
Des neuroscientifiques ont identifié cinq mécanismes innés de cette cognition « incarnée » : la carte de l'espace, la préhension, la reconnaissance de ses propres actions — ils sont actifs avant même la parole. Ce qui les unit, c'est l'entropie, cette mesure du désordre qui pousse le cerveau à chercher du nouveau tout en ordonnant le monde. Les nourrissons distinguent leurs actions de celles des autres dès les premiers mois — c'est sur cela que se construisent le sentiment du « moi » et l'empathie.
Conclusion pour l'IA : il est vain de la gaver de textes. Il faut à la machine un corps capable de tomber et d'apprendre de ses erreurs. Alors apparaîtront l'intuition physique, l'imagination, le flair social. Ce processus, telle l'expansion de l'univers, ouvrira de nouveaux horizons de compréhension. La percée n'aura pas lieu dans la bibliothèque de données, mais sur le terrain de jeu des robots, là où l'on se fait les dents.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2607.13560
Recent advances in generative and embodied AI have been driven by large-scale predictive learning over multimodal data. However, the resulting systems remain largely based on passive training regimes where linguistic regularities create the scaffold onto which information from other modalities is attached. Conversely, neuroscience and cognitive science suggest that biological intelligence is organized in the opposite way, where grounded world models acquired through interaction with the environment provide the semantic scaffold to which language is attached. Here, we illustrate five examples of neural circuits supporting grounded world modelling, which underlie navigation in physical and conceptual spaces, affordance-based perception and interaction with objects, active perception and exploratory learning, allostatic control and emotion, and the distinction between self- and world-generated outcomes. These examples highlight several features largely missing from current embodied AI, including the role of intrinsic dynamics as a foundation for learning, the centrality of action in aligning these dynamics with the external world, the prominence of autonomous experience and open-ended learning over passive assimilation of externally provided data, and the fact that early predictive and control mechanisms scaffold higher cognitive abilities such as reasoning, conceptual navigation, planning, imagination, understanding others' minds, and communication. Finally, we discuss whether and how principles derived from biological systems may inform future embodied AI, including training regimes based on social interaction to construct world models that are not only grounded but also socially shared and aligned with human norms and values.
Quand vous lisez le mot « donner un coup de pied », les zones de votre cerveau qui contrôlent les jambes s'activent discrètement. Même chez les adultes, le langage est « ancré » dans l'expérience corporelle.
Apprendre à l'IA par l'action évoque les films « Le Robot qui rêvait » et « A.I. Intelligence artificielle », où les machines acquièrent une personnalité en se frottant au monde réel.