HeadlinesBriefing favicon HeadlinesBriefing.com

Le pari de 1 000 milliards de dollars de l'IA et l'offre d'OpenAI sur les données biologiques

MIT Technology Review •
×

C'est l'édition d'aujourd'hui de The Download, notre newsletter hebdomadaire qui vous donne une dose quotidienne de ce qui se passe dans le monde de la technologie.

Qu'est-ce qui est en jeu dans le pari de 1 000 milliards de dollars de l'IA : Lorsque Jessica Wachter, professeure de finance à l'Université de Pennsylvanie, voulait évaluer l'impact de l'IA sur l'économie dans les années à venir, elle a dû faire face à une longue liste d'incertitudes. Elle a donc commencé par un 'fait remarquable' qui n'est pas remis en question : une poignée de ce qu'on appelle les 'hyperscalers' investissent des sommes colossales pour construire des centres de données IA. Au lieu de tenter de prédire dans quelle mesure les modèles IA seront déployés largement, Wachter a demandé à quelle vitesse les bénéfices des hyperscalers devraient croître pour justifier leurs dépenses jusqu'en 2027, où les dépenses sont attendues à près de 1 100 milliards de dollars. Les résultats sont édifiants. Les entreprises d'IA devront obtenir une augmentation extraordinaire de productivité simplement pour atteindre l'équilibre en 2030.

Les modèles d'IA ont besoin de plus de données sur la biologie, et OpenAI paie pour les créer : L'IA a besoin de beaucoup plus d'informations pour faire des breakthroughs importants dans la guérison des maladies. L'année dernière, Ruxandra Teslo, analyste politique, a posté une idée pour booster les systèmes médicaux IA : utiliser les données des entreprises biotech en faillite. En enchérissant dans les procédures de faillite, a-t-elle argumenté, il pourrait être possible d'obtenir des détails réglementaires, des stratégies de fabrication et des données de sécurité, créant ce qu'elle a appelé 'l'archive perdue de la biotech'. La fondation OpenAI, la entité à but non lucratif mère d'OpenAI, a annoncé cette semaine qu'elle va financer son idée, payer pour créer 'des datasets scientifiques de haute qualité'.