Cubby
Cubby n'est pas un modèle unique. C'est un agent neuro-symbolique doté de trois facultés : le langage, le raisonnement, et un cerveau qui lui donne du caractère.
Trois parties, chacune fait un seul travail
La plupart des systèmes d'IA sont un seul modèle énorme à qui l'on demande de tout faire d'un coup. On a bâti Cubby à l'envers, comme des facultés distinctes qui gèrent chacune ce à quoi elles sont réellement adaptées — de la même façon qu'aucune région du cerveau n'est, à elle seule, tout l'esprit.
Cubby-LM — le cortex du langage
C'est la partie qui gère le langage. Elle lit une demande, écrit une réponse et, surtout, émet des programmes que la machine de raisonnement va exécuter. On l'a bâtie large plutôt que profonde, exprès : le gros du raisonnement doit se passer hors de l'axe des tokens, pour que le cortex du langage n'ait jamais à le porter. Cubby-LM est neutre et bilingue. Il parle; il ne décide pas.
La machine de raisonnement — des décisions que vous pouvez lire
Les décisions de Cubby ne vivent pas dans des activations opaques. Le cortex du langage émet un programme, une machine symbolique l'exécute sur des modèles du monde ancrés, et chaque étape est auditable. Le raisonnement se passe quelque part où vous pouvez regarder — ce qui, encore une fois, explique en grande partie pourquoi le système coûte peu cher — et bien plus vert — à faire tourner.
La couche cérébrale — du caractère qui n'est pas gravé dans les poids
L'affect et la personnalité viennent d'une couche cérébrale distincte : un système de neurones à impulsions avec une neurochimie qui fonctionne et qui façonne le comportement pendant que le modèle tourne. Le caractère vit ici, pas fossilisé dans les poids du cortex du langage. Ça garde la couche du dessous neutre, et ça laisse la personnalité être sa propre chose, en évolution.
Les sens, et un monde qu'il apprend par lui-même
Un esprit doit percevoir avant de pouvoir comprendre. Le cerveau de Cubby capte le monde par un cortex visuel : un flux d'images en direct alimente le cerveau à impulsions, et ce qu'il voit entraîne un apprentissage réel — le réseau se recâble image par image et fait croître de nouveaux neurones quand il rencontre quelque chose de jamais vu. Cette partie fonctionne aujourd'hui, pas sur une diapositive.
À partir de ce qu'il perçoit, l'agent bâtit son propre modèle du monde et le tient à jour au fil du temps. Il apprend quels gestes comptent, et ce qu'ils valent, en vivant dans un environnement plutôt qu'en étant entraîné sur un jeu de données figé puis gelé — aucun réseau de politique ne décide à sa place, aucun réentraînement hors ligne, juste un modèle du monde qu'il met à jour lui-même pendant qu'il tourne. Voyez-le faire exactement cela →
Un cortex auditif — laisser le langage et le son arriver comme quelque chose d'entendu — est le prochain sens naturel. Le socle fonctionne déjà : le cerveau lie ce qu'il voit, les mots qui s'y rattachent et ce qu'il ressent en une seule mémoire ancrée, si bien que l'ouïe ne fait qu'ajouter un flux de plus dans une machinerie qui marche déjà. C'est sur la feuille de route, pas encore dans la démo — une évolution, pas une invention.