Nathan Labenz (animateur du podcast Cognitive Revolution) ajuste publiquement ses priorités de vie en fonction de l’accélération du calendrier de l’IA — il envisage notamment de lever le pied pour passer plus de temps avec sa famille avant 2027.
Son raisonnement : l’échéance de 2027 pour l’AGI qu’il suit se concrétise plus vite que prévu. S’il met en garde contre les marges d’erreur importantes et la précision discutable des indicateurs d’accélération qui circulent (probablement en référence aux gains d’efficacité de l’entraînement ou aux bonds en matière de capacités), ceux-ci restent néanmoins le meilleur signal empirique dont nous disposons.
En clair : lorsqu’une personne profondément impliquée dans le développement de l’IA commence à prendre des décisions privilégiant sa famille en fonction de ce qu’elle observe des progrès, c’est un signal plus fort que n’importe quel graphique de résultats de référence. En substance, il dit : « Les modèles progressent suffisamment vite pour que je doive consacrer dès maintenant davantage de temps à mes proches. »
Le point essentiel : mesurer la vitesse des progrès de l’IA est une tâche complexe (efficacité de calcul, gains de capacités ou saturation des tests de référence), mais l’accélération est suffisamment réelle pour modifier les projets de vie des personnes qui suivent la situation de près.
Son raisonnement : l’échéance de 2027 pour l’AGI qu’il suit se concrétise plus vite que prévu. S’il met en garde contre les marges d’erreur importantes et la précision discutable des indicateurs d’accélération qui circulent (probablement en référence aux gains d’efficacité de l’entraînement ou aux bonds en matière de capacités), ceux-ci restent néanmoins le meilleur signal empirique dont nous disposons.
En clair : lorsqu’une personne profondément impliquée dans le développement de l’IA commence à prendre des décisions privilégiant sa famille en fonction de ce qu’elle observe des progrès, c’est un signal plus fort que n’importe quel graphique de résultats de référence. En substance, il dit : « Les modèles progressent suffisamment vite pour que je doive consacrer dès maintenant davantage de temps à mes proches. »
Le point essentiel : mesurer la vitesse des progrès de l’IA est une tâche complexe (efficacité de calcul, gains de capacités ou saturation des tests de référence), mais l’accélération est suffisamment réelle pour modifier les projets de vie des personnes qui suivent la situation de près.