Challenges Persist in Developing Artificial General Intelligence, Apple Researchers Reveal

Binance News · 2025-06-09T04:33:40.000Z

According to Cointelegraph, the pursuit of artificial general intelligence (AGI) remains a complex challenge, as highlighted by Apple researchers who have identified significant reasoning difficulties in leading AI models. Despite recent advancements in large language models (LLMs) like OpenAI's ChatGPT and Anthropic's Claude, the fundamental capabilities and limitations of these models are not fully understood, as detailed in a June paper titled "The Illusion of Thinking." The researchers emphasize that current evaluations focus heavily on mathematical and coding benchmarks, prioritizing final answer accuracy without adequately assessing the reasoning abilities of AI models. Apple's research contrasts with the widespread belief that AGI is imminent. To explore the reasoning capabilities of AI, the researchers designed various puzzle games to test both "thinking" and "non-thinking" versions of models such as Claude Sonnet, OpenAI's o3-mini and o1, and DeepSeek-R1 and V3 chatbots. Their findings reveal that frontier large reasoning models (LRMs) experience a significant drop in accuracy when faced with complex tasks, failing to generalize reasoning effectively. This contradicts expectations for AGI, as these models struggle with exact computation, inconsistent reasoning, and an inability to apply explicit algorithms across different puzzles. The study also highlights that AI chatbots often exhibit overthinking, generating correct answers initially but then deviating into incorrect reasoning. The researchers conclude that LRMs mimic reasoning patterns without truly internalizing or generalizing them, falling short of AGI-level reasoning. These insights challenge prevailing assumptions about LRM capabilities and suggest that current approaches may be encountering fundamental barriers to achieving generalizable reasoning. AGI is considered the ultimate goal of AI development, representing a state where machines can think and reason on par with human intelligence. In January, OpenAI CEO Sam Altman expressed confidence in the company's progress toward building AGI, stating that they are closer than ever before. Similarly, Anthropic CEO Dario Amodei predicted that AGI could surpass human capabilities within the next few years, potentially by 2026 or 2027. Despite these optimistic projections, the findings from Apple researchers underscore the ongoing challenges in the race to develop AGI.

Selon Cointelegraph, la quête de l'intelligence générale artificielle (AGI) demeure un défi complexe, comme l'ont souligné les chercheurs d'Apple qui ont identifié des difficultés de raisonnement significatives dans les principaux modèles d'IA. Malgré les avancées récentes dans les grands modèles de langage (LLM) comme ChatGPT d'OpenAI et Claude d'Anthropic, les capacités fondamentales et les limitations de ces modèles ne sont pas entièrement comprises, comme détaillé dans un article de juin intitulé "L'Illusion de la Pensée". Les chercheurs soulignent que les évaluations actuelles se concentrent fortement sur des repères mathématiques et de codage, en priorisant l'exactitude des réponses finales sans évaluer adéquatement les capacités de raisonnement des modèles d'IA.
La recherche d'Apple contraste avec la croyance répandue selon laquelle l'AGI est imminente. Pour explorer les capacités de raisonnement de l'IA, les chercheurs ont conçu divers jeux de puzzle pour tester à la fois les versions "pensantes" et "non-pensantes" de modèles tels que Claude Sonnet, o3-mini et o1 d'OpenAI, et les chatbots DeepSeek-R1 et V3. Leurs découvertes révèlent que les grands modèles de raisonnement (LRM) en frontière connaissent une chute significative de précision lorsqu'ils sont confrontés à des tâches complexes, échouant à généraliser le raisonnement efficacement. Cela contredit les attentes concernant l'AGI, car ces modèles ont du mal avec le calcul exact, un raisonnement incohérent et une incapacité à appliquer des algorithmes explicites à travers différents puzzles.
L'étude met également en évidence que les chatbots IA présentent souvent une surpensée, générant des réponses correctes au départ mais s'écartant ensuite d'un raisonnement incorrect. Les chercheurs concluent que les LRM imitent les schémas de raisonnement sans véritablement les intérioriser ou les généraliser, ne parvenant pas à atteindre le niveau de raisonnement de l'AGI. Ces résultats remettent en question les hypothèses prédominantes sur les capacités des LRM et suggèrent que les approches actuelles pourraient rencontrer des barrières fondamentales à l'atteinte d'un raisonnement généralisable.
L'AGI est considérée comme l'objectif ultime du développement de l'IA, représentant un état où les machines peuvent penser et raisonner au même niveau que l'intelligence humaine. En janvier, le PDG d'OpenAI, Sam Altman, a exprimé sa confiance dans les progrès de l'entreprise vers la construction de l'AGI, affirmant qu'ils sont plus proches que jamais. De même, le PDG d'Anthropic, Dario Amodei, a prédit que l'AGI pourrait dépasser les capacités humaines dans les prochaines années, potentiellement d'ici 2026 ou 2027. Malgré ces projections optimistes, les découvertes des chercheurs d'Apple soulignent les défis persistants dans la course pour développer l'AGI.

Des défis persistent dans le développement de l'intelligence générale artificielle, révèlent les chercheurs d'Apple

Dernières actualités