Un ancien d'OpenAI fonde Telepathy

Naomi Bashkansky a récemment quitté son poste de chercheuse au sein de l'équipe d'alignment d'OpenAI pour rejoindre Conduit en tant que Founding Researcher. Cette transition marque le début du développement de "Telepathy", un projet ambitieux visant à créer des modèles de conversion pensée-vers-texte entraînés sur des données neuronales non invasives. L'objectif technique consiste à établir une interface de communication directe entre l'activité cérébrale humaine et les agents d'intelligence artificielle, supprimant progressivement le besoin d'intermédiaires physiques comme les claviers ou les commandes vocales.

Le visionnage prospectif proposé par l'article décrit une implantation progressive de cette technologie. Dès 2027, l'utilisation d'un bandeau neural couplé à un LLM (tel qu'un hypothétique GPT-7) permettrait de transformer des pensées vagues en commandes informatiques précises. Dans ce scénario, l'IA agit comme une extension naturelle de l'utilisateur, capable d'interpréter des états mentaux flous — confusion, curiosité ou agacement — pour déclencher des actions spécifiques via des sous-agents. La technologie repose sur l'idée que le signal mental, bien que bruité, suffit à guider l'IA grâce à ses "priors" linguistiques et contextuels, un principe comparé à la navigation GPS qui corrige une position approximative par le contexte de la carte.

La feuille de route technique de Conduit s'appuie sur l'application des "scaling laws" aux interfaces cerveau-ordinateur (BCI). L'entreprise collecte d'immenses quantités de données neuronales non invasives pour entraîner des modèles prédictifs, suivant le principe de la "bitter lesson" : l'augmentation massive du calcul et des données surpasse les algorithmes artisanaux. Les chercheurs observent actuellement que la similarité cosinus des prédictions de leur espace latent par rapport aux cibles augmente de manière linéaire avec le logarithme des heures de données enregistrées. Naomi Bashkansky estime que l'état actuel de la technologie correspond à l'ère "GPT-2" des modèles de langage, suggérant que des performances utilitaires sont déjà atteignables sans nécessiter un décodage parfait de la pensée.

Les projections à plus long terme, vers 2030 et 2035, décrivent une évolution vers une symbiose plus profonde. L'interface évoluerait d'une simple lecture de la pensée vers une intégration directe des représentations latentes de Conduit par les modèles d'IA, permettant la transmission de concepts difficiles à textualiser, comme des images mentales. L'entreprise prévoit également d'explorer des technologies de "write" (écriture neuronale), non seulement pour améliorer le contrôle numérique, mais potentiellement pour augmenter la neuroplasticité ou l'efficacité cognitive humaine. Cette approche s'aligne avec des visions précédemment énoncées par des figures comme Elon Musk ou Sam Altman concernant la nécessité d'une symbiose homme-machine pour gérer l'avènement de super-intelligences.

Ce projet se distingue par son choix méthodologique de privilégier des capteurs non invasifs, contrairement à des initiatives comme Neuralink qui nécessitent des implants chirurgicaux. Bien que la fidélité du signal soit moindre, l'adoption généralisée est facilitée par l'absence de risque chirurgical. Le défi technique réside donc dans la capacité de l'algorithmie à nettoyer et interpréter ce signal bruité à grande échelle, une tâche rendue possible selon l'auteure par l'amélioration constante du matériel et l'efficacité des modèles de deep learning. Ce positionnement vise à créer une norme ouverte pour la lecture neuronale généraliste, avec des implications potentielles pour l'accessibilité et le contrôle direct des systèmes numériques complexes.