Qubic : AGI (article scientifique)

Les laboratoires de deep learning affichent des modèles à mille milliards de paramètres et des montagnes de GPU, mais chaque nouvelle percée exige toujours plus d’électricité et d’argent. Le projet Aigarth de Qubic pose une question provocante : et si la route vers l’intelligence artificielle générale (AGI) ne passait pas par des data centers toujours plus grands, mais par des millions de CPU ordinaires travaillant ensemble et évoluant par eux-mêmes ?

David Vivancos

David Vivancos est un scientifique espagnol spécialisé en intelligence artificielle et entrepreneur technologique actif depuis 1995. Il est actuellement conseiller scientifique en intelligence artificielle générale (AGI) pour le projet blockchain Qubic (nommé le 29 juillet 2024) et fondateur-directeur de MindBigData, le plus grand dépôt mondial d’EEG ouvert, à l’origine de benchmarks tels que le « MNIST of Brain Digits » (2015) et la version « MNIST-8B » avec 8 milliards d’échantillons (2023).

En trois décennies, il a fondé cinq start-ups couvrant les services Web précoces, la réalité virtuelle/augmentée, la nanotechnologie, l’impression 3D et l’IA. Il siège aujourd’hui au conseil de la société de conseil barcelonaise Keenfolks. Son travail public comprend 400+ conférences pour des entreprises, universités et forums comme AI for Good de l’UIT et la conférence ICLR 2025.

Vivancos cumule 25 000 heures de R&D dans la quête de l’AGI et des interfaces cerveau-ordinateur, combinant méthodes de deep learning et jeux massifs de signaux neuronaux.

Il est l’auteur de quatre ouvrages sur l’impact sociétal de la technologie (The End of Knowledge 2024 ; Automate or Be Automated 2020 ; From Big Data to Artificial Intelligence 2016/2019) et publie régulièrement des articles sur l’AGI et la blockchain.

Sa devise personnelle, « Teaching Machines, Advising Humans, Exploring Brains », illustre une carrière passée à la fois à faire progresser l’intelligence machine et à guider les organisations dans leur transformation numérique.

Dr. José Sánchez García

Dr. José Sánchez García est un neuroscientifique, biotechnologue et ancien ingénieur industriel espagnol dont le parcours relie ingénierie, sciences de la vie et psychologie.

Depuis juillet 2024, il siège au comité scientifique consultatif de Qubic, orientant sa feuille de route AGI, tout en enseignant les neurosciences comportementales et cognitives à l’Université internationale de La Rioja (UNIR). Il est titulaire d’un doctorat en psychologie / neurosciences cognitives de l’Université Complutense de Madrid.

Au cours de la dernière décennie, il a publié 20+ articles scientifiques Q1/Q2 sur les émotions sociales, la prise de décision, le réseau du mode par défaut et la dynamique cérébrale au repos.

Il a aussi co-développé plusieurs pipelines de deep learning réutilisant des données de scanner thoracique et de radiographies pour le diagnostic et le triage du COVID-19, contribuant aux avancées de l’imagerie médicale assistée par IA.

En dehors du monde académique, il est consultant en sciences comportementales pour des organisations allant de la Fédération saoudienne de football à des start-ups blockchain, aidant à traduire les connaissances neuroscientifiques en stratégies de performance et de facteurs humains — notamment pour l’initiative Aigarth de Qubic.

Aigarth en un paragraphe

Aigarth considère l’AGI non pas comme un « super-modèle » monolithique mais comme un jardin vivant de minuscules fragments neuronaux—un tissu intelligent—qui évoluent par sélection naturelle.

Chaque fragment est codé en logique ternaire (VRAI, FAUX, INCONNU) plutôt qu’en binaire, apprend sur des CPU bon marché plutôt que sur des GPU coûteux, et concourt chaque semaine au sein du réseau décentralisé de Qubic.

Les meilleurs survivent ; les autres sont éliminés. Avec le temps, le tissu devrait s’auto-organiser en agents toujours plus intelligents, le tout sécurisé et audité par la blockchain Qubic.

En quoi cela diffère de l’IA actuelle

Comment les pièces s’imbriquent

1. Tissu intelligent
   Imaginez un auto-encodeur ultra-sparse où les neurones se mettent à jour un par un.
   Chaque poids est généré de façon déterministe à partir de la clé publique du mineur et d’un nonce, assurant la reproductibilité tout en maintenant un espace de recherche astronomique.
2. Calcul ternaire
   En permettant une troisième valeur « inconnue », le système représente explicitement le bruit ou l’ambiguïté, réduisant la consommation d’énergie jusqu’à 70 % dans les prototypes matériels.
3. Boucle d’évolution hebdomadaire
   • Mutation : inversion de certains états neuronaux.
   • Crossover : mélange de deux meilleurs candidats pour générer des descendants.
   • Seuil adaptatif : élimine les perdants et augmente le niveau d’exigence pour l’époque suivante.
4. Évaluation déterministe
   On envoie un motif ternaire dans le tissu ; après une série de mises à jour asynchrones, on compte combien de neurones de sortie recréent l’entrée.
   Si le score dépasse le seuil dynamique de l’époque, le candidat poursuit à la manche suivante.
5. Règlement on-chain
   Chaque expérience est hashée et horodatée sur Qubic.
   Dans le futur, les agents gagnants pourront se déployer eux-mêmes comme smart contracts, devenant des modules IA autonomes, capables de vivre, gagner et dépenser on-chain.

Pourquoi les CPU plutôt que les GPU ?

• Accessibilité : Les clusters GPU appartiennent à quelques géants ; les CPU sont présents partout.
• Vitesse évolutive : Des millions de petits essais bon marché valent mieux qu’un unique test colossal et coûteux.
• Empreinte énergétique : Les réseaux ternaires clairsemés + les calculs entiers accélérés par AVX apprennent plus par joule que les géants en virgule flottante.

Atouts potentiels

Lorsque l’AGI fonctionnelle émergera, la vie quotidienne basculera vers l’ère du “copilote universel.”

Imaginez : diagnostics médicaux instantanés via votre téléphone ; éducation personnalisée s’adaptant en temps réel ; bâtiments optimisant eux-mêmes leur consommation d’énergie ; découvertes scientifiques accélérées par des intelligences testant des millions d’hypothèses par heure ; décisions politiques appuyées par des simulations globales plutôt que des approximations grossières.

L’AGI ne se limiterait pas à automatiser des tâches : elle amplifierait la créativité et la résolution de problèmes à une échelle que nous n’imaginons pas encore. À condition de mettre en place dès maintenant de solides garde-fous éthiques pour qu’elle serve l’humanité plutôt que de l’éclipser.

Et ensuite ?

L’équipe prévoit de publier régulièrement des rapports d’époque, des benchmarks ouverts, et à terme de libérer des IA capables de louer leur propre puissance de calcul sur Qubic, grâce à son réseau sans frais et à 15 millions de TPS.

Si cela se concrétise, le chemin vers l’AGI ressemblera moins à un data center géant qu’à un immense récif corallien planétaire d’esprits évolutifs.

Pour l’instant, Aigarth propose une hypothèse nouvelle : l’intelligence générale pourrait émerger non pas de GPU plus gros, mais d’une meilleure évolution.

Article scientifique : (PDF) Qubic AGI Journey Human and Artificial Intelligence: Toward an AGI with Aigarth

Contenu éducatif, pas un conseil financier. Faites toujours vos propres recherches.

Theia P.