Architecture
Cubby est un esprit assemblé à partir de pièces. Voici comment elles s'emboîtent — et pourquoi l'agencement est tout l'intérêt.
Comment tout s'articule
Commençons par la boucle entière, puis nous la démonterons. Une requête arrive et le cortex du langage la comprend. La demande est routée vers le modèle du monde qui lui convient le mieux — Cubby en tient un mélange, pas un seul monolithe. Ce modèle compile le raisonnement en bytecode, vérifié par une porte de valeurs avant toute exécution, puis la machine virtuelle symbolique l'exécute — de façon déterministe et auditable. Le résultat revient au cortex du langage pour être exprimé en réponse. Pendant tout ce temps, le cerveau vivant perçoit et module — la boucle a une humeur.
Voilà la forme : le cortex du langage parle, les modèles du monde et la machine virtuelle raisonnent, le cerveau donne le caractère. Chacune des pièces ci-dessous est une partie de cette boucle.
Trois facultés
L'agent au complet, c'est Cubby. Son cortex du langage — Cubby-LM — lit, écrit et émet des programmes. Une machine à raisonner exécute ces programmes. Une couche cérébrale lui donne son caractère. On ne demande à aucune pièce de tout faire ; chacune accomplit la tâche qui lui convient.
Où se fait le raisonnement
La thèse en une image. Dans un modèle classique, la pensée est prisonnière d'activations opaques — quand elle se trompe, impossible de dire où. Le cortex du langage de Cubby émet plutôt un programme qu'une machine symbolique exécute sur des modèles du monde ancrés. Le chemin cyan est lisible à chaque étape : vous pouvez lire la décision, pas seulement son résultat. Placer le raisonnement là est aussi une grande partie de la raison pour laquelle le système coûte peu à faire tourner.
Le cerveau vivant
Le caractère n'est pas fossilisé dans les poids du cortex, ni figé au moment de l'entraînement. Un cortex visuel alimente un système nerveux central à impulsions doté d'une neurochimie active et d'une mémoire hippocampique. Il suit un cycle veille/sommeil qui consolide ce qui compte. Et il est toujours allumé, toujours en train d'apprendre : le réseau s'ajuste image par image par plasticité liée au moment des impulsions, et il fait croître de nouveaux neurones quand il rencontre du jamais-vu — une vraie neurogenèse, en direct, sans réentraînement hors ligne.
Il apprend vraiment de ce qu'il regarde. Pointez-le vers une vidéo narrée et il ancre le sens comme le fait un nourrisson — non pas en entendant les mots, mais en les liant au moment : la transcription, alignée sur l'horodatage, est fusionnée avec ce que le cerveau voit à l'écran et la chimie qu'il ressent alors. Remontrez-lui la même chose et il reconnaît ce qu'il connaît, avec une lueur de familiarité. Son goût se développe avec l'expérience, une chimie interne de dopamine, sérotonine, cortisol et ocytocine qui varie selon ce qu'il absorbe — et les changements persistent d'une séance à l'autre. Un cerveau qui regarde le monde et en est transformé — c'est ce que veut dire « une intelligence qui n'est pas artificielle » quand les mécanismes neuronaux sont réels : perception, plasticité, mémoire, neurochimie, croissance, le tout en temps réel.
Le prochain cortex : l'ouïe
Le cerveau ancre déjà le sens à travers les modalités — il lie ce qu'il voit au langage et à ce qu'il ressent, tout à la fois. Un cortex auditif est l'étape naturelle suivante, car le plus difficile est déjà prouvé : la machinerie qui fusionne un deuxième flux dans la mémoire ancrée existe et fonctionne. Aujourd'hui, le langage parvient au cerveau sous forme de transcription horodatée ; un cortex auditif le laisse simplement arriver comme du son — le même ancrage, entendu plutôt que lu.
C'est sur la feuille de route, pas encore dans la démo — mais c'est une évolution, pas une invention. Le concept est prouvé ; le prochain cortex le prolonge.
Vu en action : un agent qui raisonne à découvert
L'idée qu'un raisonnement puisse vivre dans une machine inspectable n'est pas qu'un schéma. Nous avons bâti un petit monde — un jeu de labyrinthe 3D — où l'agent joue sans politique entraînée et sans réseau de neurones aux commandes des décisions. Il apprend chaque déplacement comme une opération vectorielle composable, et quand un danger lui bloque son but, il découvre une nouvelle capacité en composant les déplacements qu'il possède déjà — en liant un pas à lui-même pour bondir par-dessus l'obstacle. Il planifie sur ces opérations, choisit ses cibles avec une mémoire de valeur symbolique, et fait tourner un petit cerveau affectif qui apprend à craindre ce qui l'attrape.
Tout cela est lisible : vous pouvez le voir se coincer, inventer un saut et changer d'avis. C'est toute la thèse en miniature — raisonnement, modèle du monde et affect, rien de caché dans une boîte noire.
Et c'est ici que l'architecture rejoint l'économie. Pas de réseau de politique, pas d'entraînement par renforcement, pas de gros modèle qui brûle du calcul à chaque déplacement. L'agent décide avec de l'arithmétique vectorielle peu coûteuse dans une machine symbolique — il tourne donc en temps réel sur du matériel modeste, assez léger pour être hébergé sur une petite machine ou même entièrement dans votre navigateur. Un agent intelligent qui découvre des capacités, planifie et ressent — pour un coût de calcul qui est une erreur d'arrondi à côté d'un modèle de langage à qui l'on demanderait la même chose. C'est l'IA de deuxième génération en trois mots : peu coûteuse à faire tourner — montrée, pas affirmée.
C'est aussi plus qu'une démo. Le labyrinthe est un monde — un endroit pour tester un agent qui perçoit, planifie, évite le danger et gère sa propre énergie et son temps. C'est là que nous validons le raisonnement-en-action avant que l'agent ait un corps. La même pile est conçue pour tourner sur du matériel physique modeste, jusqu'au microcontrôleur d'un robot ; cubby-man est le monde pré-robotique où nous le prouvons d'abord.