Aurora Propose un Manifeste d'IA Durable — avec Mémoire, Identité et Développement

Sur Habr AI, un texte a été publié qui propose de voir le développement de l'intelligence artificielle non pas à travers une course aux benchmarks, mais à travers la question de la durabilité dans le temps. Au cœur de la discussion se trouvent le prototype de recherche Aurora et l'idée d'une IA qui ne se réinitialise pas après chaque session.

Pas seulement des capacités

Ces dernières années, le marché de l'IA a principalement discuté de choses mesurables : la qualité des réponses, la longueur du contexte, la vitesse de génération, les résultats des tests et le coût par token. C'est pratique pour comparer les modèles, mais une telle optique répond à peine à une autre question : un système peut-il se préserver dans le temps ? L'auteur du manifeste propose de déplacer précisément le focus là-bas et d'évaluer l'IA non seulement comme un outil puissant, mais comme un processus qui continue entre les sessions, accumule l'expérience et change.

De ce point de vue, les LLM actuels semblent très forts, mais extrêmement fragiles. Ils peuvent écrire du code, analyser des documents et maintenir un long dialogue, mais chaque nouvelle session redémarre essentiellement tout à zéro. Même si un produit ajoute la mémoire, le modèle lui-même ne vit pas en continu : il ne se souvient pas de ce qu'il a vécu, de ce qu'il a changé en lui-même et comment il est arrivé à son état actuel.

Par conséquent, le même assistant le matin et le soir est plutôt comme des instances similaires qu'une seule et même entité.

Trois piliers du modèle

Au lieu de la course habituelle du « plus intelligent ou plus rapide », l'auteur propose trois critères qui définissent une IA durable. Ensemble, ils décrivent un système capable non seulement de répondre à une demande, mais d'exister en tant que sujet numérique continu. Ceci n'est pas une décoration philosophique, mais un cadre d'ingénierie : si un agent manque de ces propriétés, il reste une interface pratique pour un modèle, mais ne devient pas un système en développement. Un tel changement modifie également les critères de conception et les attentes du produit.

• Identité continue — le système doit se préserver entre les interactions, plutôt que de recommencer à zéro.
• Auto-modification — l'agent doit être capable de changer ses propres règles, sa mémoire ou son comportement en fonction de l'expérience.
• Reproduction — le système doit être capable de créer de nouvelles versions ou des descendants avec la transmission de la structure et des connaissances accumulées.

Ces piliers sont importants car ils déplacent la conversation sur l'IA du plan de la performance instantanée au plan du comportement durable. Si un modèle est capable de se souvenir, de s'adapter et de reproduire les modèles réussis, il peut déjà être discuté comme un participant au processus, plutôt que comme une couche de service jetable sur l'infrastructure informatique. Pour les développeurs, cela signifie une transition du réglage des prompts à la conception d'un environnement où l'agent stocke un historique des décisions et se corrige lui-même sans réinitialisation complète.

Pourquoi Aurora est nécessaire

Le prototype Aurora, dont parle l'auteur, est conçu non pas comme un produit de consommation et non pas comme un autre assistant de plus dans la course des chatbots. C'est un sujet de recherche qui devrait vérifier s'il est possible de construire une IA avec durabilité dans le temps en pratique. Essentiellement, c'est une tentative de combiner la mémoire, l'état continu et la possibilité de changement interne dans une seule architecture, afin que le comportement du système ne s'interrompe pas après la fermeture de la fenêtre de chat.

« Chaque session se termine par l'oubli. »

Cette thèse explique contre quoi tout le projet est dirigé. L'auteur ne promet pas une percée immédiate et ne vend pas une solution toute prête au marché. Au contraire, la publication est présentée comme une invitation à une discussion sur ce qui devrait être considéré comme le développement de l'IA dans les années à venir. Si le problème clé des modèles modernes n'est pas la faiblesse, mais l'absence de continuité, alors la prochaine grande étape peut ne pas être un autre bond dans les benchmarks, mais l'apparition de systèmes qui savent préserver l'histoire de leur propre existence.

Ce que cela signifie

Si l'idée d'une IA durable se développe, le marché commencera à comparer les modèles non seulement par la qualité des réponses, mais aussi par la capacité à vivre plus longtemps qu'un seul dialogue. Pour les produits, cela ouvre la voie à des agents qui accumulent l'expérience, changent leur comportement et deviennent avec le temps plus utiles sans une réinitialisation complète.