Laboratoire SOFAIR (Science of Fundamental AI Research) — dirigé par l'UCL

Dirigé par le Professeur David Barber à l'UCL, en collaboration avec les universités de Cambridge, d'Oxford et d'Édimbourg, la mission de SOFAIR est de développer de nouvelles technologies d'IA open-source pouvant fonctionner sur du matériel largement disponible, y compris des ordinateurs personnels ordinaires . Le laboratoire rassemble des chercheurs en informatique, mathématiques, statistiques et neurosciences pour concevoir des architectures d'IA fondamentalement nouvelles, répondant directement à des problèmes actuels comme les réponses inexactes des systèmes d'IA .

Laboratoire BOLD (British Open-ended Learning and Discovery) — dirigé par Oxford

Dirigé par le Professeur Associé Jakob Foerster à Oxford, avec l'UCL et d'autres partenaires, BOLD vise à repenser la manière dont l'IA apprend du monde, en développant des approches novatrices qui permettent à l'IA d'apprendre sans nécessiter une puissance de calcul centralisée massive . Au lieu de simplement passer à l'échelle les méthodes existantes, il explorera de nouveaux paradigmes d'apprentissage, visant à construire une IA plus efficace, plus ouverte et mieux adaptée aux besoins humains .

La stratégie : l'efficacité plutôt que l'échelle

L'ensemble de l'initiative est une alternative délibérée à l'approche du « plus c'est gros, mieux c'est » des grandes entreprises technologiques américaines . La stratégie n'est pas de dépenser plus que les plus grandes entreprises technologiques en données et en calcul, mais de les surpasser en matière d'efficacité, d'ouverture et d'accessibilité .

• Coûts réduits grâce à l'efficacité fondamentale : Au lieu d'essayer de rivaliser sur l'échelle, les laboratoires ciblent des changements fondamentaux dans le fonctionnement de l'IA, la rendant moins chère à exécuter et accessible à un plus grand nombre d'organisations .
• IA open-source et indépendante du matériel : SOFAIR construira des modèles open-source qui fonctionnent sur du matériel largement disponible, réduisant ainsi le besoin d'infrastructures spécialisées coûteuses .
• Réduction de la dépendance aux centres de données centralisés : Les travaux de BOLD sur l'apprentissage décentralisé visent à réduire la dépendance à l'égard de l'infrastructure des centres de données distants appartenant à de grands fournisseurs .
• Capacité souveraine du Royaume-Uni : Le Ministre de l'IA, Kanishka Narayan, a déclaré que l'initiative renforce l'expertise britannique « chez nous » et « réduit la dépendance à l'égard des autres » . Le Professeur David Barber a explicitement déclaré que SOFAIR « réduira la dépendance à l'égard du petit nombre de fournisseurs de modèles, renforçant ainsi la souveraineté du Royaume-Uni » .
• Accès pour les petites entreprises et les services publics : En rendant l'IA moins chère et plus facile à adopter, les laboratoires visent à ouvrir l'IA aux petites entreprises, aux services publics et aux chercheurs à travers le Royaume-Uni qui ne peuvent actuellement pas se permettre les systèmes d'IA les plus performants .

En résumé, le Royaume-Uni poursuit une voie d'IA souveraine, ouverte et efficace, avec le potentiel de remodeler la façon dont l'IA est construite et déployée — non pas en construisant le plus gros modèle, mais en en construisant un que presque tout le monde peut exécuter.

Laboratoire SOFAIR (Science of Fundamental AI Research) — dirigé par l'UCL

Dirigé par le Professeur David Barber à l'UCL, en collaboration avec les universités de Cambridge, d'Oxford et d'Édimbourg, la mission de SOFAIR est de développer de nouvelles technologies d'IA open-source pouvant fonctionner sur du matériel largement disponible, y compris des ordinateurs personnels ordinaires . Le laboratoire rassemble des chercheurs en informatique, mathématiques, statistiques et neurosciences pour concevoir des architectures d'IA fondamentalement nouvelles, répondant directement à des problèmes actuels comme les réponses inexactes des systèmes d'IA .

Laboratoire BOLD (British Open-ended Learning and Discovery) — dirigé par Oxford

Dirigé par le Professeur Associé Jakob Foerster à Oxford, avec l'UCL et d'autres partenaires, BOLD vise à repenser la manière dont l'IA apprend du monde, en développant des approches novatrices qui permettent à l'IA d'apprendre sans nécessiter une puissance de calcul centralisée massive . Au lieu de simplement passer à l'échelle les méthodes existantes, il explorera de nouveaux paradigmes d'apprentissage, visant à construire une IA plus efficace, plus ouverte et mieux adaptée aux besoins humains .

La stratégie : l'efficacité plutôt que l'échelle

L'ensemble de l'initiative est une alternative délibérée à l'approche du « plus c'est gros, mieux c'est » des grandes entreprises technologiques américaines . La stratégie n'est pas de dépenser plus que les plus grandes entreprises technologiques en données et en calcul, mais de les surpasser en matière d'efficacité, d'ouverture et d'accessibilité .

• Coûts réduits grâce à l'efficacité fondamentale : Au lieu d'essayer de rivaliser sur l'échelle, les laboratoires ciblent des changements fondamentaux dans le fonctionnement de l'IA, la rendant moins chère à exécuter et accessible à un plus grand nombre d'organisations .
• IA open-source et indépendante du matériel : SOFAIR construira des modèles open-source qui fonctionnent sur du matériel largement disponible, réduisant ainsi le besoin d'infrastructures spécialisées coûteuses .
• Réduction de la dépendance aux centres de données centralisés : Les travaux de BOLD sur l'apprentissage décentralisé visent à réduire la dépendance à l'égard de l'infrastructure des centres de données distants appartenant à de grands fournisseurs .
• Capacité souveraine du Royaume-Uni : Le Ministre de l'IA, Kanishka Narayan, a déclaré que l'initiative renforce l'expertise britannique « chez nous » et « réduit la dépendance à l'égard des autres » . Le Professeur David Barber a explicitement déclaré que SOFAIR « réduira la dépendance à l'égard du petit nombre de fournisseurs de modèles, renforçant ainsi la souveraineté du Royaume-Uni » .
• Accès pour les petites entreprises et les services publics : En rendant l'IA moins chère et plus facile à adopter, les laboratoires visent à ouvrir l'IA aux petites entreprises, aux services publics et aux chercheurs à travers le Royaume-Uni qui ne peuvent actuellement pas se permettre les systèmes d'IA les plus performants .

En résumé, le Royaume-Uni poursuit une voie d'IA souveraine, ouverte et efficace, avec le potentiel de remodeler la façon dont l'IA est construite et déployée — non pas en construisant le plus gros modèle, mais en en construisant un que presque tout le monde peut exécuter.