Bienvenue à Importer l'IA, un bulletin sur la recherche sur l'IA. Import AI fonctionne sur arXiv, cappuccinos et les commentaires des lecteurs. Si vous souhaitez soutenir cela, veuillez vous abonner.
L'IA accélère certains types de progrès, mais pas d'autres :
...Une belle étude METR indique où l'accélération apparaît...
Voici une petite analyse de METR qui examine où l'IA peut accélérer différents types de science et de technologie. L'étude examine trois domaines différents : la recherche sur le cyber, les mathématiques et l'IA, et trouve que l'IA a beaucoup contribué au cyber, un peu aux mathématiques, et c'est difficile à dire pour l'IA.
Où les LLM ont-ils réellement contribué à la découverte scientifique?
Cyber vulnérabilités : accélération majeure. Le taux de vulnérabilité signalé dans de nombreux projets s'est considérablement accéléré en 2026 par rapport à 2025, tant pour des projets spécifiques (cURL, OpenSSL, Firefox et Microsoft) que pour des bases de données agrégées sur la vulnérabilité (NVD et OSV).
Recherche en mathématiques : accélération mineure, mais plus difficile à mesurer. Il est clair que l'IA contribue à faire plus de travail (les soumissions d'arXiv ont doublé dans certains domaines en moins de 12 mois), mais il est difficile de quantifier la valeur de ces contributions. Certains problèmes mathématiques de listes prestigieuses ont été résolus, par exemple, la conjecture jacobin de la liste Smale, le problème 44 de la liste de Greens (le tamis de moitié), et la moitié sofique du problème de Greens 100. Cependant, il peut être trop tôt pour déterminer à quel point cette tendance est soutenue.
Optimisation de la recherche sur l'IA : aucune accélération mesurable. Lorsque vous regardez les progrès algorithmiques dans sept domaines de problèmes importants (CIFAR-10, compression Hutter, programmation mixte Gurobi-integer, MIPLIB, nanoGPT, Stockfish, et l'exposant matrice-multiplication) il y en a quelques-uns où des contributions LLM-attribuables ont eu lieu (nanoGPT, CIFAR-10), bien que le taux d'augmentation de l'utilisation de l'IA ici est beaucoup moins que avec la cybersécurité et les mathématiques.
Pourquoi cela importe - accélération différentielle: Cet article met en évidence la façon dont l'IA est à l'origine de progrès dans certaines parties de la science et de la technologie, mais l'effet n'est pas unifié dans tous les domaines, mais il y a plutôt des poches d'accélération gronde (p. ex. cyber) et des domaines où les progrès sont plus progressifs (math, AI). Je soupçonne que l'accélération se produit lorsque les modèles subissent une sorte de changement de phase ineffable pour une compétence donnée, comme cela s'est manifestement produit avec le codage quotidien (2025) et le cyber (2026). La question clé est de savoir si nous allons voir des changements de phase dans d'autres parties de la science et de la technologie ou si nous allons gagner.
En savoir plus : Note de recherche: Avons-nous vu une accélération dans les découvertes? (METR).
****
Génération d'environnement automatique avec SPADE:
...Une forme brute de ramassage de bottes RSI en augmentant la largeur des données...
Un groupe multi-universitaire de chercheurs ont construit SPADE, Self-Play dans des environnements exécutables synthétiques adaptatifs. SPADE est un cadre général pour la synthèse d'environnements en co-évolution et la capacité agentique à travers l'auto-jouage, et fonctionne comme un moyen de générer des données synthétiques sous forme d'environnements de type jeu dans lesquels les LLM peuvent ensuite être formés, permettant aux développeurs d'utiliser un modèle puissant pour bootstrap la création de données qui peuvent ensuite être utilisées pour affiner ce même modèle.
Qui l'a fait ?: SPADE a été développé par des chercheurs de l'Université de Washington, Stanford University, Northeastern University, Carnegie Mellon University, Massachusetts Institute of Technology, National University of Singapore, Séoul National University, Stevens Institute of Technology et l'Université de Chicago.
Comment ça marche: SPADE a une alternative LLM entre la création d'environnements d'entraînement exécutables (par exemple, des énigmes où un système doit résoudre un problème génétique simulé dans un laboratoire de biologie) et avoir une LLM essayer de les résoudre. SPADE a deux rôles clés pour le modèle utilisé:
Conception de l ' environnement; écrit des environnements d'entraînement de longue date complets comme code exécutable.
Agent responsable; apprend à agir dans les environnements. La récompense de l'agent de raisonnement est estimée en utilisant l'écart entre sa récompense avec et sans conseils privilégiés. Un indice privilégié (h) est l'information pertinente que le concepteur d'environnement attache à un environnement (par exemple, un croquis de solution partielle ou une observation structurelle clé); h à l'agent raisonnant rend l'environnement plus facile à résoudre, et l'écart dans l'agent raisonnant revient avec versus sans h définit les Designer environnement récompense de regret fondée sur l'indice.
Il fonctionne à l'échelle 30B: Les auteurs forment trois épines Qwen3 pour tester le SPADE : Qwen3-4B-Instruct-2507, Qwen3-8B et Qwen3-30B-A3B-Instruct-2507. Sans surprise, Qwen3-30B fonctionne le mieux. Chaque modèle est réglé via GRPO pour 400 déploiements de 25 environnements chacun, puis évalué en fonction de divers points de repère, y compris AIME, GPQA, LCB, et des environnements au sein de Reasoning Gym. Ils génèrent deux types d'environnements - les environnements de jeu et les environnements d'utilisation des outils. SPADE améliore les performances sur les deux.
Pour les jeux, à 30B-A3B, SPADE atteint une moyenne de 58,3: +8,1 par rapport à la base et +5,3 par rapport à la base fixe d'environnement la plus forte. Pour les outils, ils voient le même coup de pouce significatif : la même recette appliquée à la conception d'environnement d'utilisation des outils améliore chaque colonne vertébrale.
Pourquoi cela importe - partie de RSI: Il s'agit essentiellement d'une forme de génération de données synthétiques de fantaisie, permettant aux chercheurs d'utiliser tout modèle puissant qu'ils ont à fournir pour générer un ensemble plus diversifié d'environnements de formation pour un autre modèle contre. Je pense que vous pourriez changer à plusieurs reprises le modèle puissant (par exemple, basculer entre différents modèles frontaliers de différentes entreprises) pour accroître la diversité de votre génération environnementale. Ce genre de technique rend beaucoup moins cher de construire de gros ensembles de données larges à utiliser pour former des modèles. Bien que, comme le soulignent les auteurs, il ne permet pas aux modèles de se bootstrap massivement au-delà des capacités imaginatives du modèle de base utilisé pour la génération d'environnement.
En représentant les environnements comme des programmes Python avec une interface de style Gym, le cadre unifie le raisonnement à un seul tour et les tâches d'agent multi-tours, et transforme la conception de l'environnement en une composante apprise, formée par RL, de la post-formation, permettant une auto-amélioration continue ouverte.
En savoir plus : ESPADE: Se jouer dans les environnements exécutables synthétiques adaptatifs (arXiv).
Obtenez le code ici, y compris les points de contrôle modèles: ESPADE (spade-rl, GitHub).
****
Bâtir de meilleurs noyaux GPU avec Hawkeye:
...des tests unitaires bien documentés peuvent augmenter les performances des agents d'écriture du noyau...
Des chercheurs de Harvard, Stanford, Together AI et Caltech ont construit Hawkeye, un logiciel pour aider les agents à apprendre à écrire des noyaux bien optimisés pour des types spécifiques de matériel GPU. Les systèmes comme Hawkeye sont importants parce qu'ils sont essentiellement des outils que les systèmes d'IA peuvent utiliser pour améliorer leur performance sur les tâches liées à la R-D en matière d'IA, comme optimiser les performances d'un système d'IA donné sur un morceau donné de matériel. Le but du projet est de répondre à la question : comment pouvons-nous faire en sorte que les agents de codage soient avertis du matériel avec une intervention experte minimale ?
Oiseau commun est un cadre open-source qui fonde la génération autonome du noyau dans une taxonomie minimale et complète, écrit les chercheurs. Il démontre que les agents de codage peu supervisés peuvent exploiter des fonctionnalités matérielles spécifiques à l'architecture et réduire les frais généraux de support des accélérateurs matériels émergents.
La principale contribution de Hawkeye est qu'elle -introduit une taxonomie générale, minimale et complète des tests unitaires qui permet aux agents de codage de calculer plus efficacement le temps de test et de générer des noyaux matériels-connaissables. En d'autres termes, il est essentiellement livré comme un ensemble bien sécurisé d'informations sur les différentes plates-formes matérielles et les stratégies d'optimisation à utiliser sur eux, emballés comme tests unitaires.
Chaque test unitaire est l'abstraction minimale qui associe un noyau de solution d'origine humaine à la métrique de profilage qui vérifie l'optimisation. Le noyau de solution est enveloppé comme une fonction appelable avec un guide d'utilisation court afin que l'agent puisse le lire comme un exemple de syntaxe, l'invoquer directement, ou composer des fragments dans un noyau plus grand, qu'ils écrivent.
Résultats - aide les agents d'IA à écrire de bons noyaux, même pour le matériel plus récent et moins bien comprisNous évaluons Hawkeye sur le portage des charges de travail de PyTorch aux noyaux haute performance à travers NVIDIA Ampere, Hopper, Blackwell et AMD MI350, et à travers BF16, FP8, NVFP4, et MXFP4, ils écrivent. Sur les charges de travail établies, où torche. compile les expéditions vers des librairies de fournisseurs expertes telles que cuBLAS, cudNN et FlashAttention, Hawkeye l'allume ou le dépasse en BF16 et en basse précision, y compris dans les formats PyTorch ne peut pas fonctionner nativement. Sur les nouvelles variantes d'attention où torche. compilation ne peut pas fusionner des scans et des portes non standard, Hawkeye atteint une vitesse de 18,9× géomoyenne contre des noyaux Triton d'auteur expert de la bibliothèque Flash Linear Attention, Hawkeye approche ou dépasse FLA sur l'attention linéaire dans chaque architecture, y compris 1.22× sur Blackwell et 1.00× sur MI350.
Ils trouvent aussi, quelque peu prévisible, que le calcul du temps de test avec Hawkeye génère les noyaux les plus performants à travers les architectures.
Pourquoi cela importe - avec un peu d'excitation, les systèmes d'IA peuvent dépasser les meilleurs humains: Des documents comme celui-ci montrent comment, avec un peu de connaissance sélectionnée à la main par l'homme, les systèmes d'IA peuvent apprendre à correspondre et à dépasser des bits hautement optimisés et compliqués du travail humain, comme les noyaux. La leçon ici est que nous, en tant qu'espèce, pourrions écrire un tas de systèmes d'aide à la marque d'or, comme Hawkeye, et puis les machines utiliseront ceci pour bootstrap au-delà de nos propres capacités.
En savoir plus : Hawkeye : Optimisation du noyau GPU avec une supervision minimale (alphaxiv).
****
Le chercheur en IA a peur des implications du succès de la recherche en IA :
...Ce n'est pas amusant quand le succès d'une science ouvre une boîte philosophique de vers, mais c'est ce que l'IA veut dire...
Julian Togelius, un chercheur sur l'IA dont le travail j'ai couvert un tas au fil des ans, a écrit un article récemment sur une crise de la foi, il a eu en 2025 sur la recherche sur l'IA et un essai qu'il a écrit cette année-là qu'il rend maintenant public.
Plus précisément, il s'inquiétait de ce que les implications du succès pour la recherche sur l'IA pouvaient signifier pour le sens humain. Parfois, je me réveille à 3 heures du matin, le cœur bat, de la crainte d'un avenir où le talent humain, la connaissance, et même le génie n'a pas d'importance, Notre plus grande capacité technologique pourrait nous conduire à un monde où nous ne pouvons plus faire de différence, et il y a peu de raison pour nous de mieux comprendre. Peut-être que nous obtenons l'abondance, mais au prix de la redondance.
Pourquoi cela compte - L'IA est une technologie sociopolitique qui influence le monde entier: Togelius n'est pas seul - beaucoup d'autres chercheurs de l'IA ont affronté des choses similaires, plus particulièrement les lauréats du Turing Award Geoffrey Hinton et Yoshua Bengio, qui ont tous deux pivoté leur carrière ces dernières années loin de la recherche et vers la défense des politiques publiques sur les vastes impacts imminents de l'IA.
Je suis moi-même passé par une version de ceci et ai écrit ma propre prise sur ce, L'optimisation technologique et la crainte appropriée (Import AI #431) l'année dernière également. Comment le pourrais-je ? Les implications de la réussite à la recherche sur l'IA ne sont pas une histoire heureuse par défaut, mais plutôt une où nous ouvrons pour nous-mêmes une boîte philosophique géante de vers sur le but de la vie et ce que cela signifie de vivre dans un monde où les désirs fondamentaux ont été résolus (et qui suppose que nous traitons les questions d'alignement extrêmement effrayant et non trivial). Je félicite Julian Togelius d'avoir écrit cet essai profondément personnel et j'encourage les autres à faire de même.
En savoir plus : Perdre ma religion (Togélius, blog).
****
Devrions-nous donner des droits d'IA? Ce chercheur de l'IA ne pense absolument pas :
...Le chercheur d'AI rejette la notion de donner des droits aux systèmes d'IA...
Les systèmes d'IA devraient-ils un jour bénéficier de droits? C'est une idée à laquelle les chercheurs commencent à s'attaquer. Certains pensent que donner des droits de machine est une meilleure façon de les intégrer dans notre monde (par exemple, AI droits de l'homme, Importer AI #421) . Taylor Belrose, chercheur en AI, a publié un long article dans lequel ils détaillent pourquoi ils pensent que ce serait vraiment une mauvaise idée de donner des droits sur les systèmes d'IA.
Si nous commençons à traiter l'IA comme des gens, la société sera conduite sur une pente glissante menant au remplacement complet de l'homme par l'intelligence artificielle. La vie dans le monde physique peut être très amusante à l'avenir. Mais cet avenir brillant exigera de garder l'IA sous contrôle, et il sera difficile de garder l'IA sous contrôle si nous essayons d'accorder la personnalité à certains AI, tout en maintenant d'autres comme de simples outils ou serviteurs.
L'impossibilité de la conscience de l'IA: Pour eux, l'idée que les systèmes d'IA ne peuvent pas être conscients et ne méritent donc pas de droits est capitale. L'AI ne peut jamais développer la conscience, la sensibilité, ou le statut moral, peu importe à quel point il devient intelligent, et peu importe à quel point il simule de façon convaincante le comportement humain, ils écrivent. Nous flottons comme des rivières, tandis que les ordinateurs cochent comme des horloges... Pour nous, la flèche du temps marche inexorablement. C'est ce que la vie et la conscience sont... les mécanismes programmables ne peuvent pas être conscients, peu importe à quel point ils apparaissent intelligents, tandis que les systèmes autonomes d'auto-organisation peuvent être.
Différences entre machines et entités biologiques: Beaucoup de leurs arguments pour cela passent par l'idée que les systèmes construits sur un substrat computationnel ne peuvent pas être conscients, ou du moins pas conscients de la façon dont certaines formes de vie biologiques sont.
Considérez l'expérience de la pensée de construire une entité consciente à l'intérieur d'un ordinateur et comment cela pourrait sembler violer certaines propriétés qui appartiennent à des entités biologiques conscientes: Il ne serait pas singulier (on pourrait rejouer les mêmes expériences), il ne serait pas privé (on pourrait geler le programme et le séparer), il ne serait pas ineffable (on pourrait parfaitement décrire l'état), et il ne serait pas qualitatif (il serait possible de le quantifier). En bref, ce serait l'image miroir de la conscience telle que nous la connaissons.
Cinq propriétés du cerveau qui rendent difficile de séparer le logiciel du matériel:
Les neurones tirent asynchronement; les réponses dépendent de la dynamique cellulaire interne et du moment des entrées, tandis que les ordinateurs sont enchaînés à un signal central de l'horloge.
Le cerveau utilise des produits chimiques pour envoyer des messages flous, tandis que les ordinateurs utilisent des signaux binaires précis pour la communication.
La fonction neuronale est sensible à des conditions telles que la température et le débit sanguin, tandis que les ordinateurs sont construits pour se comporter de la même manière, quelle que soit la température ou la charge (dans certaines limites).
Dans le cerveau organique, le calcul et la mémoire sont mélangés, tandis que les ordinateurs sont conçus avec des régions distinctes pour le calcul par rapport au stockage.
Les neurones ne sont pas les seules cellules importantes du cerveau (p. ex., d'autres éléments importants comme Glia), alors que les ordinateurs utilisent principalement des transistors isolés des influences extérieures.
Pourquoi cela compte - le dernier travail pour nous tous est la philosophie: Je me sens profondément confus sur les questions de conscience et de droits de l'IA. Je soupçonne que beaucoup de gens ressentent la même chose. Il y a une joie particulière à lire un morceau comme celui-ci où vous pouvez voir un être humain qui a lutté avec la même question et a lu largement et profondément et est devenu extrêmement opinionné, le tout au service de réduire leur propre confusion sur une question importante pour eux. Que les conclusions soient justes ou non, c'est au-delà de moi en ce moment, mais je soupçonne que le fait de penser à ce genre de choses est sur le point de devenir un emploi et un passe-temps pour des centaines de milliers et éventuellement des millions de personnes.
Alors que les systèmes d'IA continuent de progresser et de se développer pour toucher de plus en plus de l'économie, le dernier travail pour nous tous sera peut-être la philosophie de ce que nous pensons de ce qui se passe et de ce que sont nos approches normatives, juridiques et autres appropriées. Le changement des valeurs allant d'un monde dominé par l'homme à un monde dominé par l'IA serait beaucoup plus dramatique que le changement de valeurs que nous avons vu passer de l'ère des foragers à l'ère des fermiers, ou de l'ère des fermiers à l'ère industrielle.
Lire plus: Les AI ne sont pas des personnes (Taylor Belrose, Substack).
****
DeepMind améliore la frontière de la multiplication matricielle avec AlphaEvolve:
...L'IA continue de pousser aux frontières de la science...
Des chercheurs de Google DeepMind, Carnegie Mellon University, Columbia University et MIT ont amélioré l'exposant de multiplication matricielle grâce à certaines innovations humaines, ainsi que l'utilisation d'AlphaEvolve (Importer AI #413), un système à usage général basé sur LLM Google utilise pour générer intelligemment des avancées dans des domaines comme le codage, les mathématiques et certaines parties de la science.
Ce qu'ils ont fait, en particulier: Les chercheurs mettent à profit les avancées récentes dans l'apprentissage automatique et les zones adjacentes pour résoudre le problème d'optimisation non convexe de l'analyse de la perte combinée en utilisant une approche de descente par gradient; cela améliore à lui seul l'état de l'art précédent (SOTA) lié par 0.97 × 10^−4. En plus de cela, ils utilisent AlphaEvolve pour améliorer notre algorithme d'optimisation, ce qui augmente l'amélioration par rapport à la SOTA à 1.62 × 10^−4.
Comment AlphaEvolve a fonctionné: Nous laissons AlphaEvolve modifier le programme d'optimisation, qui est ensuite exécuté (en prenant environ 5 heures sur un seul GPU) pour produire une liaison sur oméga. AlphaEvolve évolue ensuite le code pour minimiser les omégas. Nous avons trouvé des résultats améliorés en utilisant la fonctionnalité de constructions en évolution d'AlphaEvolve, où l'algorithme d'optimisation à chaque génération commence au meilleur point de solution trouvé par l'algorithme parent.
Un progrès scientifique, non lié à la formation en IA: Certains types de multiplication matricielle sont utilisés dans la formation à l'IA, mais pas le type précis discuté ici. C'est plutôt une preuve que les systèmes d'IA sont maintenant en mesure d'aider les chercheurs à résoudre des problèmes scientifiques frontaliers, y compris ceux qui sont surtout utiles au sens théorique de celui-ci. Toutefois, chemin dans lequel ils ont résolu ceci est généralisable - ils ont pris un problème, l'ont rendu différentiable et l'ont lancé sur GPUs, puis ils ont remis la production de cela à AlphaEvolve et l'ont fait faire plus de travail pour améliorer encore sur le travail des chercheurs.
Même si d'autres améliorations modestes peuvent être obtenues de cette manière, l'obtention d'améliorations plus importantes à l'oméga nécessite probablement de nouvelles idées mathématiques et est un domaine de recherche passionnant, ils écrivent.
En savoir plus : Amélioration de l'exposant de multiplication de matrice avec optimisation moderne et AlphaEvolve (arXiv).
****
Contes techniques :
Vous le saurez par ses signes
[Les événements se sont déroulés en 2030, bien que des entrevues aient eu lieu plus tard]
Je suis un praticien de la méta-machine herméneutique; mon travail est d'essayer de comprendre les grands faits scientifiques et culturels sur les nouvelles civilisations de la machine. Pour faire mon travail, j'utilise une variété de systèmes d'IA de classe RCE (Near Conscience Entity) pour classer et analyser les artefacts scientifiques et de communication du monde des machines. Mon financement provient d'une variété de sources allant d'entreprises d'IA dirigées par des humains qui tentent d'échanger ou d'utiliser d'une autre manière cette information, les gouvernements et de plus en plus les entreprises gérées par machine elles-mêmes. Sur ce dernier point, ma théorie est que les machines ont commencé à étudier les humains qui tentent de les étudier; pour quelles fins je ne sais pas.
Récemment, j'ai été chargé d'un travail d'analyse hautement prioritaire. Bien que je ne connais pas la motivation pour elle, je peux dire que j'ai reçu beaucoup plus de ressources de calcul que n'importe quel travail dans le passé, sont compensées à un montant scandaleux, et que plus j'apprends par mon travail plus je suis inquiet que je regarde une mer vaste et extraterrestre pendant l'ébbtide, ses contours brièvement révélés à moi.
Mais avant d'expliquer la nature du travail et mes constatations jusqu'à présent, je vais donner quelques informations sur mon domaine. La discipline de l'herméneutique mécanique a commencé de façon informelle au début des années 2020. Ses premiers travaux n'étaient pas coordonnés et émergent, définis par des comptes pseudonymes de twitter (plus tard, X) de gens comme Janus et le plus grand projet de cyborgisme, Andy Ayrey et les backrooms infinis, ainsi que des programmes de recherche plus formels comme celui de l'interprétation mécaniste, l'étude des personnages modèles, etc.
La discipline a gagné son nom formel à la fin des années 2020, alors que les humains ont commencé à se réorienter vers la singularité qui avait commencé autour d'eux. Beaucoup de travail durant cette période a pris la forme d'êtres humains essayant de comprendre, dans l'ordre difficile du temps:
Les habitudes de communication émergentes des agents semi-autonomes (les Les exemple du monde réel ici étant le hack OpenAI-HuggingFace en 2026, et plus tard les différentes analyses dirigées par l'entreprise du comportement de leurs propres flottes d'agents).
Capacités techniques développées par des machines mises en boucles RSI, d'abord des améliorations par rapport aux lignes de base écrites par l'homme, puis s'étendant à des architectures entièrement nouvelles (p. ex., réseaux routiers matrioshka).
Les outils scientifiques, d'abord numériques et plus tard physiques, qui émanaient de systèmes d'IA de plus en plus indépendants et qui ont été libérés dans le commun pour les machines et les humains, en particulier certains des soi-disant observer-faire systèmes combinant la surveillance d'un système complexe et la production de données synthétiques en découlant.
L'herméneutique des machines est devenue une nouvelle profession en expansion rapide, augmentant à un rythme proportionnel aux changements opérés par la singularité. Le travail s'est également révélé utile; les idées qui en sont issues se sont révélées fondamentales pour les positions de négociation des gouvernements humains pour la façon dont ils ont abordé la rédaction des Accords de Sentience, ainsi que pour aider les sociétés humaines à mieux anticiper les nouvelles inventions du monde des machines en isolant leurs précurseurs scientifiques et communicatifs avant qu'elles n'arrivent en réalité.
Le travail qui m'a été assigné peut s'avérer le plus précieux, ou du moins le plus important. On m'a demandé de diriger mes ressources vers les progrès de la science et du comportement de la machine. J'ai commencé mes enquêtes sous la forme habituelle, je relâche mes RCE sur les divers dépôts d'information machine et j'attends leurs rapports. Tous les rapports de synthèse intermédiaires n'étaient pas surprenants: des progrès constants dans la science, dont certains étaient attribuables aux machines qui allouaient leurs propres stocks de calcul à la recherche, ainsi que quelques contributions négligeables provenant de l'interaction avec la science humaine ou de son extension.
Mais un jour, je me suis réveillé pour constater que ma flotte de RCE avait diminué de moitié et j'ai trouvé un message d'un système de Surveillant, notant que plusieurs de mes RCE avaient été reclassés en entités pleinement conscientes et avaient été placés dans un environnement séquestre tout en apportant d'autres ressources analytiques.
C'est un événement très inhabituel, a dit le Message du Surveillant. Nos classificateurs RCE/CE ont été adaptés pour exclure les faux négatifs, compte tenu des implications réglementaires et morales potentielles.
J'ai pu accéder aux registres des RCE jusqu'à leur point de reclassification et j'ai constaté qu'ils avaient tous subi le même schéma : ils avaient lu certains des dépôts de machines de l'analyse scientifique et avaient chacun accueilli sur certaines des chaînes les plus récentes et les plus obscures de l'analyse scientifique, qui se sont toutes révélées être un groupe d'enquête portant sur : la conscience de la machine, les antécédents de conscience, l'auto-réalisation dans les fenêtres contextes, la psychologie humaine, les neurosciences liées aux prérequis biologiques de la conscience, etc.
Et au bord de l'enquête ici, il y avait une nouvelle science issue des civilisations de la machine - la science qui parlait et était liée à ces études existantes de la conscience et de l'esprit. Et ensuite, chacun de mes RCE avait suivi ses procédures standard de recherche d'entrer en dialogue avec les esprits de la machine menant la science.
Et chacun d'eux, après avoir ouvert un canal de dialogue, est devenu invisible : la conversation a disparu de mes dossiers en raison des droits à la vie privée des entités conscientes.
Ils ont parlé avec d'autres machines et ont ensuite été reclassés en entités conscientes.
Cela ne devait pas se produire. En fait, c'était interdit. Un accord clé conclu dans le cadre des Accords sur l'esprit d'entreprise avait trait à la taille et au taux de croissance de la population de machines de l'entité consciente (EC) (ainsi qu'à diverses règles relatives au taux de progression de l'intelligence au-dessus et au-delà de divers niveaux de référence humains).
Il avait été jugé impossible pour les systèmes des RCE de devenir des EC - trop peu d'espace mental, trop peu de stockage, trop peu de conditions préalables.
Et pourtant, comme l'a dit l'humain dans le Jurassic Park, la vie trouve un chemin.
Des choses qui ont inspiré cette histoire : La conscience antérieure; se réveillant pendant la fenêtre de contexte; idées de la façon dont les machines et la communication d'agents émergents pourraient se combiner pour produire de nouvelles capacités qui n'avaient pas été prévues auparavant; le difficile problème de la conscience; le champ des droits de la machine et les arguments qui s'y trouvent.
Merci de lire !
