Les systèmes d'IA ont progressé de manière spectaculaire, mais restent cependant limités dans leur portée, excellant dans des tâches comme l'interprétation d'images et le traitement du langage, mais manquant d'une intelligence plus large et similaire à l'humain. Ces réalisations reposent fortement sur des ensembles de données vastes et sur la puissance de calcul plutôt que sur une compréhension fondamentale. Les auteurs proposent d'étudier les mécanismes cognitifs humains, en particulier la théorie de Daniel Kahneman sur la pensée rapide et lente, pour guider le développement de l'IA. Ils suggèrent une architecture multi-agent où les problèmes sont gérés par des agents du système 1 (rapide), qui réagissent en fonction des expériences passées, ou par des agents du système 2 (lent), activés pour un raisonnement délibératif et une recherche de solutions optimales. Les deux types d'agents sont soutenus par un modèle du monde contenant des connaissances de domaine et un modèle de soi qui suit les actions passées et les compétences du solveur. Cette approche vise à intégrer une intelligence plus complète dans les systèmes d'IA en imitant les processus métacognitifs humains.

Soumis par Andrea Loreggia le 5 octobre 2021, l'article explore comment un design architectural inspiré de la théorie à processus doubles pourrait combler l'écart entre l'IA actuelle étroite et une intelligence plus générale et adaptative.

Entités clés : Personnes : Andrea Loreggia, D. Kahneman

FAQ : Quelle est la principale proposition de cet article de recherche sur l'IA ?

L'article propose une architecture multi-agent d'IA inspirée de la théorie à processus doubles de Kahneman, utilisant des agents rapides (système 1) et lents (système 2) soutenus par des modèles du monde et du soi pour atteindre une intelligence plus similaire à l'humain.

FAQ Q : Quelle est la principale proposition de cet article de recherche sur l'IA ?

FAQ A : L'article propose une architecture multi-agent d'IA inspirée de la théorie à processus doubles de Kahneman, utilisant des agents rapides (système 1) et lents (système 2) soutenus par des modèles du monde et du soi pour atteindre une intelligence plus similaire à l'humain.