Récemment, une recherche dirigée par Yann LeCun, scientifique en chef de l'IA chez Meta, a révélé comment l'intelligence artificielle peut développer une compréhension fondamentale de la physique en regardant des vidéos. Cette recherche, menée conjointement par les scientifiques de Meta FAIR, de l'Université de Paris et de l'EHESS, montre qu'un système d'IA peut acquérir des connaissances physiques intuitives par apprentissage autosupervisé, sans règles préétablies. L'équipe de recherche a utilisé une nouvelle méthode appelée architecture de prédiction d'intégration jointe vidéo (V-JEPA), et...

Hugging Face et Physical Intelligence ont récemment lancé « Pi0 » (Pi-Zero), le premier modèle de base capable de traduire directement les commandes en langage naturel en actions physiques. Cette innovation a suscité un vif intérêt, le chercheur principal de Hugging Face, Remi Cadene, ayant annoncé sur les réseaux sociaux que « Pi0 est un modèle visuel langage action de pointe capable de traduire des commandes en langage naturel en comportements autonomes ».

Luma AI a récemment lancé Ray2, son dernier modèle de génération de vidéo, une annonce qui a rapidement suscité l'intérêt du secteur. Il y a seulement sept mois, Luma AI lançait sa plateforme Dream Machine, déjà leader dans le domaine de la création vidéo par IA. Cependant, avec le développement rapide de la technologie vidéo par IA, le lancement de Ray2 semble marquer une nouvelle avancée majeure. Amit Jain, co-fondateur et PDG de Luma AI, a annoncé sur les réseaux sociaux...

Lors du CES 2025, NVIDIA a dévoilé sa nouvelle plateforme Cosmos, conçue pour accélérer le développement de systèmes d'intelligence artificielle physique, notamment pour les véhicules autonomes et les robots. Cosmos intègre un modèle de base de monde génératif (WFM), un outil de marquage vidéo, des mécanismes de sécurité et un pipeline de traitement de données accéléré. Ces fonctionnalités aident les développeurs à créer et optimiser des modèles d'IA en réduisant leur dépendance aux données du monde réel. La plateforme Cosmos sera ...

Google a récemment annoncé la création d'une nouvelle équipe dédiée au développement de modèles d'intelligence artificielle (IA) capables de simuler le monde physique. Cette équipe sera dirigée par Tim Brooks, qui a co-dirigé le développement du modèle de génération vidéo Sora chez OpenAI. Brooks a annoncé sur la plateforme X que cette nouvelle équipe relèverait du laboratoire de recherche IA de Google, Google DeepMind. Dans son annonce, Brooks a mentionné : « Les projets de DeepMind sont ambitieux, »

Le professeur Geoffrey Hinton, le « parrain de l'IA », a mis en garde contre le fait que l'intelligence artificielle pourrait entraîner l'extinction de l'humanité dans les dix prochaines années. Ce scientifique informaticien, qui a admis regretter sa participation à la création de cette technologie, a comparé le développement rapide de l'IA à la révolution industrielle, mais a averti que cette fois-ci, les machines pourraient « tout contrôler ». Ce scientifique informaticien britannique de 77 ans, lauréat du prix Nobel de physique pour ses travaux pionniers dans le domaine de l'IA, a appelé les gouvernements à renforcer la réglementation des entreprises d'IA. Le professeur Hinton avait auparavant prédit que l'intelligence artificielle dans 30

Dans le domaine de l'intelligence artificielle, la vitesse d'itération technologique est toujours étonnante. Kling (Kling), l'outil de génération de vidéos IA de Kuaishou, est passé en seulement six mois du statut de suiveur à celui de leader mondial de la génération de vidéos IA. La toute dernière version 1.6 témoigne de progrès technologiques remarquables. Bien que le numéro de version n'ait augmenté que de 0,1, les avancées technologiques apportées par Kling 1.6 dépassent largement les attentes. La nouvelle version, tout en conservant son prix abordable de 35 inspirations/5 secondes de vidéo, a réalisé un bond qualitatif sur trois axes principaux : le réalisme des lois physiques, la représentation des personnages et la précision des détails.

Récemment, Beijing Xiaoyu Intelligent Manufacturing Technology Co., Ltd., la première entreprise de robotique basée sur les grands modèles linguistiques investie par Xiaomi, a annoncé avoir finalisé un tour de financement série A d'une valeur de plusieurs dizaines de millions de yuans. Selon les informations disponibles, Xiaoyu Intelligent Manufacturing a été créée en 2023 par l'équipe fondatrice principale du groupe Xiaomi. Le fondateur, Qiao Zhongliang, l'un des membres fondateurs de Xiaomi, était auparavant responsable de la R&D de MIUI ; le cofondateur, Wang Wenlin, était auparavant directeur général du département des plateformes de systèmes logiciels de Xiaomi, et a dirigé le développement du « cerveau Xiaomi ». Note sur l'image : L'image a été générée par l'IA, et les droits d'utilisation de l'image sont détenus par Midjourney, une société spécialisée dans les services de création d'images. L'entreprise se concentre sur le secteur industriel.

Après une première expérience entrepreneuriale couronnée de succès, Alex Hawkinson, ancien PDG de SmartThings, se lance dans une nouvelle aventure. Sa nouvelle société, BrightAI, vient de boucler un tour de table de 15 millions de dollars en financement de démarrage, mené par Upfront Ventures. Cette entreprise spécialisée dans la surveillance intelligente des infrastructures sort enfin de l'ombre. Fondée en 2019 par Hawkinson, Nathan Hanks et Doug...

Une étude originale transforme les chats, vedettes des médias sociaux, en sujets d'étude physique. Anxo Biasi, chercheur à l'Institut Galicien de Physique des Hautes Énergies (IGFAE) en Espagne, inspiré par sa propre chatte Eme, a publié un article unique sur « l'équation du mouvement des chats » dans le American Journal of Physics. Ce jeune physicien, qui a mené ses recherches à l'École normale supérieure de Paris, a rejoint l'IGFAE grâce au programme Jeunes Leaders La Caixa. Son objectif initial était de 'diffuser la physique de manière amusante'

Des chercheurs de ByteDance et de l'université Tsinghua ont récemment publié une étude montrant que les modèles actuels de génération de vidéos IA, tels que Sora d'OpenAI, bien qu'ils puissent créer des effets visuels époustouflants, présentent des lacunes importantes dans leur compréhension des lois physiques fondamentales. Cette recherche a suscité un large débat sur la capacité de l'IA à simuler la réalité. L'équipe de recherche a testé des modèles de génération de vidéos IA en définissant trois scénarios différents : prédiction dans un contexte connu, prédiction dans un contexte inconnu.

Des chercheurs d'Archetype AI ont développé un modèle de base d'intelligence artificielle appelé « modèle IA Newtonien » qui prédit avec précision divers phénomènes physiques simplement en analysant les données des capteurs, y compris ceux qui n'ont jamais été rencontrés pendant l'entraînement. Cette percée pourrait révolutionner la recherche en physique et ouvrir de nouveaux chapitres pour les découvertes scientifiques. Traditionnellement, la construction de modèles d'IA pour les phénomènes physiques nécessite l'entrée de nombreuses lois physiques et de connaissances spécialisées comme informations a priori dans le modèle, ce qui rend le modèle...

Le prix Nobel de physique 2024 a été décerné à John J. Hopfield et Geoffrey E. Hinton pour leurs découvertes et inventions fondamentales sur l'utilisation des réseaux neuronaux artificiels pour l'apprentissage automatique. Leurs travaux ont jeté les bases de l'intelligence artificielle, rendant possible l'apprentissage automatique et l'apprentissage profond. Hopfield a créé une mémoire associative capable de stocker et de reconstruire des images et d'autres types de motifs dans les données. Hinton a quant à lui inventé une méthode permettant de rechercher de manière autonome des attributs dans les données, afin d'exécuter des tâches telles que l'identification d'éléments spécifiques dans une image. Nobel

Alors que la vague technologique déferle sur le monde, l'IA générative est sans aucun doute au centre de l'attention. Cependant, Wu Yongming d'Alibaba propose une vision plus profonde : la véritable valeur de l'IA générative ne se limite pas à la création d'applications spectaculaires, mais réside dans la transformation radicale de notre interaction avec le monde physique. Wu Yongming souligne avec perspicacité que les gens, face aux révolutions technologiques, tombent souvent dans le piège de la surestimation à court terme et de la sous-estimation à long terme. Ce phénomène est particulièrement visible dans l'engouement actuel autour de l'IA générative. Le public se concentre généralement sur les effets immédiats que l'IA pourrait produire à court terme.

Le juge Kevin Newsom de la Cour d'appel du 11e circuit des États-Unis a innové en utilisant des robots conversationnels, tels que ChatGPT, pour analyser la signification ordinaire du terme juridique « contrainte physique », notamment dans une affaire de vol à main armée où la question de la présence ou non d'une « contrainte physique » était débattue. Dans cette affaire, le juge a confirmé la lourde peine infligée à l'accusé, Delión, mais a indiqué que les définitions antérieures de « contrainte physique » pouvaient être erronées, soulignant que ce terme devait être compris dans son sens ordinaire et commun. Newsom a posé la question de la signification ordinaire de « contrainte physique » à GPT-4, Claude et Gemini.

Yuanxiang Information Technology Co., Ltd. de Shenzhen a lancé MotionGen, le premier modèle de génération de mouvements 3D basé sur la physique en Chine. Ce modèle, grâce à l’intégration d’algorithmes de pointe tels que les grands modèles, la simulation physique et l’apprentissage par renforcement, permet aux utilisateurs de générer des mouvements 3D réalistes et fluides en entrant simplement des instructions textuelles simples. Cette innovation réduit considérablement le seuil de production de contenu 3D, offrant aux industries de l’animation, des jeux vidéo, du cinéma et de la réalité virtuelle une plus grande liberté et une efficacité accrues de création. Le modèle MotionGen possède une capacité précise de compréhension du texte, capable d’analyser des instructions complexes et de générer les mouvements correspondants.

KAN2.0, une version améliorée de l'architecture de réseau neuronal, vise à approfondir l'intégration de l'IA et de la physique classique. Les chercheurs peuvent personnaliser les modèles, intégrer des connaissances spécialisées, pour découvrir des concepts clés des systèmes physiques tels que le lagrangien. Le nouveau cadre, grâce à ses trois fonctions MultKAN, kanpiler et transformateur d'arbres, améliore l'expression, l'utilité et l'interprétabilité des modèles, résolvant ainsi les problèmes de compatibilité entre l'IA et la science. KAN2.0 excelle dans l'identification des caractéristiques, la révélation des structures modulaires et la découverte de formules symboliques, particulièrement dans les domaines difficiles à représenter par des équations symboliques, tels que la chimie.

World Labs, la startup fondée par Fei-Fei Li, professeure d'intelligence artificielle à l'université de Stanford, a réalisé deux tours de financement en deux mois, dépassant la valorisation d'un milliard de dollars et devenant ainsi une licorne. Le dernier tour de financement a été mené par NEA, avec une valorisation significativement supérieure à celle du premier tour de financement en avril. World Labs se consacre au développement de modèles d'IA capables d'estimer avec précision les propriétés physiques tridimensionnelles des objets et des environnements du monde réel. L'objectif est de créer des copies numériques détaillées sans avoir besoin d'une collecte massive de données, afin de résoudre le problème de la rareté des données 3D. Le modèle économique de l'entreprise n'a pas encore été validé par le marché.

Le nouveau modèle NeuralGCM de Google a réalisé une percée majeure dans le domaine des prévisions météorologiques, avec une efficacité de calcul 100 000 fois supérieure aux modèles physiques traditionnels, soit l'équivalent de 25 ans de progrès en calcul haute performance. En combinant l'apprentissage automatique et la modélisation physique, NeuralGCM permet de simuler rapidement et précisément l'état de l'atmosphère terrestre, notamment pour les prévisions à 2 à 15 jours, avec une précision supérieure aux modèles existants. Ce modèle offre également une vitesse d'exécution et un coût de calcul considérablement améliorés, environ 3 500 fois plus rapide et moins coûteux que les modèles traditionnels.