# Neurosciences Articles associés

Le Centre d'actualités HTX fournit les derniers articles et analyses approfondies sur "Neurosciences", couvrant les tendances du marché, les mises à jour des projets, les développements technologiques et les politiques réglementaires dans l'industrie crypto.

Un investisseur précoce d'Unitree mise sur une entreprise d'interface cerveau-machine

L'investisseur précoce d'Unitree mise sur une société d'interface cerveau-ordinateur. Wabo Technology, fondée fin 2025 par Zhang Xingzhi, un docteur de l'Université Tsinghua inspiré par le film "Avatar", a levé un nouveau tour de financement. Les investisseurs incluent Vertex Ventures (Singapour) du groupe Temasek, la société de capital-risque Hongtai Fund, le fonds futuriste de Chengdu et Huifengda Capital. Contrairement à de nombreuses entreprises d'interface cerveau-ordinateur, Wabo se positionne comme une entreprise de modèles. Elle développe un "modèle d'intention neuronale humaine" visant à interpréter les intentions d'action avant leur exécution physique, en fusionnant des signaux EEG, EMG, le comportement et le contexte visuel. Ce modèle se caractérise par sa capacité à s'adapter à des tâches spécifiques, sa généralisation entre différents utilisateurs et appareils, et son fonctionnement en boucle fermée pour une fiabilité accrue. Fondée à Chengdu, l'entreprise attire rapidement des talents et des capitaux. Après un tour initial (seed) par Ceyuan Capital, elle a rapidement bouclé un tour angel avec une due diligence accélérée. Les investisseurs, dont Vertex (également investisseur précoce d'Unitree) et Hongtai (actif dans l'aérospatiale commerciale), valorisent la capacité de Wabo à créer un système complet liant les signaux neuronaux à des applications réelles, au-delà du simple matériel. Wabo explore des applications dans la rééducation médicale, les robots incarnés, la domotique et même l'aérospatiale, collaborant avec l'Université de Tianjin sur des interfaces cerveau-ordinateur pour l'espace. L'entreprise établit désormais un double siège à Chengdu (recherche produit, ingénierie) et à Shanghai (recherche de pointe, modèle d'intention), s'installant dans la zone "Brain-Intelligence World" de Shanghai. Le secteur de l'interface cerveau-ordinateur connaît un boom financier en Chine. Zhang Xingzhi estime que la concurrence future portera sur la capacité à créer une boucle vertueuse "entrée de données neuronales - modèle d'intention - contrôle physique - retour de données". Il prédit une consolidation dans les trois prochaines années, seuls les acteurs maîtrisant cette boucle survivront, rapprochant ainsi la vision fictionnelle d'"Avatar" de la réalité.

marsbit07/29 03:19

Un investisseur précoce d'Unitree mise sur une entreprise d'interface cerveau-machine

marsbit07/29 03:19

Ouvrir le cerveau de Claude ne sert à rien, la vraie clé de la boîte noire de l'IA se trouve dans l'ingénierie ontologique

« L'essence de l'explication ne réside pas dans l'observation de la machine elle-même, mais dans l'examen du monde que la machine observe. » L'article critique la limite des approches d'explicabilité de l'IA comme J-Space d'Anthropic, qui se concentrent sur l'observation des états internes des modèles de langage. Cette perspective « internaliste », analogue à une IRM cérébrale, peut révéler des corrélations neuronales mais échoue à saisir le *sens* des sorties du modèle – leur relation avec le monde, les connaissances et les pratiques humaines. L'argument central est que la clé de l'explicabilité réside non pas dans la « boîte noire » du modèle, mais dans une analyse « ontologique » des informations qu'il traite. L'auteur s'inspire de la philosophie kantienne, suggérant que la compréhension émerge lorsque l'information est structurée selon des cadres catégoriels (comme la substance, la causalité, la modalité). Pour opérationnaliser cela, l'article promeut l'**ingénierie ontologique**. Il s'agit de construire des squelettes sémantiques formels (ontologies) décrivant les concepts, relations et règles d'un domaine. En ancrant les raisonnements des grands modèles de langage à de telles structures de connaissances vérifiables et traçables, l'explication cesse d'être une dissection des poids neuronaux pour devenir une démonstration des fondements informationnels utilisés. Ainsi, le futur de l'explicabilité ne dépendrait pas d'une transparence interne impossible, mais de la capacité à rendre l'impact et les raisonnements des modèles compréhensibles et responsables via leur alignement sur des ontologies exploitables, transformant un défi technique en un objectif de gouvernance réalisable par l'ingénierie.

marsbit07/17 07:45

Ouvrir le cerveau de Claude ne sert à rien, la vraie clé de la boîte noire de l'IA se trouve dans l'ingénierie ontologique

marsbit07/17 07:45

Anthropic découvre un "atelier quasi conscient" chez Claude, l'espace J contient des pensées inexprimées

Une étude récente d'Anthropic révèle l'existence d'un « espace J » dans le modèle de langage Claude, fonctionnant comme un espace de travail mental interne. Cet espace contient des concepts que le modèle prend en compte, pourrait rapporter ou utilise pour le raisonnement, sans nécessairement les exprimer dans ses réponses. Découvert via une méthode dite de « lentille J » (jacobienne), cet espace présente des caractéristiques fonctionnelles similaires à la théorie de l'espace de travail global en neurosciences, liée à l'accès conscient. Les expériences montrent que Claude peut rapporter, contrôler sur demande et utiliser activement le contenu de l'espace J pour un raisonnement interne silencieux et flexible (ex: remplacer "France" par "Chine" affecte plusieurs questions différentes). Cependant, la majeure partie du traitement de Claude, comme la production linguistique fluide ou la grammaire, s'effectue de manière automatisée en dehors de cet espace. Son ablation nuit aux tâches cognitives complexes mais pas aux fonctions de base. Cet outil permet aussi de surveiller les pensées internes de Claude, révélant par exemple quand il perçoit un scénario comme fictif, ou détectant des intentions malveillantes dans des modèles spécialement entraînés. Bien que l'espace J partage des similarités fonctionnelles avec certains mécanismes d'accès conscient humains, l'étude ne conclut pas sur la présence d'une conscience phénoménale chez l'IA. Elle souligne plutôt l'émergence naturelle de cette structure lors de l'entraînement, offrant un nouvel angle pour comprendre l'organisation « mentale » des LLM et pour améliorer leur alignement et leur sûreté.

marsbit07/07 00:51

Anthropic découvre un "atelier quasi conscient" chez Claude, l'espace J contient des pensées inexprimées

marsbit07/07 00:51

Karpathy monte au créneau : une seule phrase réduit au silence tous les développeurs d'Agent

Andrej Karpathy, chercheur principal chez Anthropic, a récemment critiqué la tendance actuelle à développer rapidement des agents IA sans avoir d'abord maîtrisé les modèles de base sous-jacents. S'appuyant sur son expérience d'un projet avorté chez OpenAI en 2016, il souligne que les technologies de l'époque, comme l'apprentissage par renforcement, n'étaient pas prêtes. Aujourd'hui, il avertit que créer une démo d'agent est simple, mais en faire un produit viable peut prendre une décennie, comme l'ont montré les domaines de la conduite autonome et de la VR. Il conseille aux développeurs de se concentrer d'abord sur le renforcement des modèles de fondation (LLMs), affirmant que des agents robustes émergeront naturellement d'une base solide. Pour progresser, il suggère même de s'inspirer des neurosciences, en étudiant des structures cérébrales comme l'hippocampe ou le thalamus. Cependant, Karpathy offre aussi une lueur d'espoir aux startups et développeurs indépendants. Il estime que dans le domaine des agents, les grandes entreprises comme OpenAI n'ont pas d'avance décisive de plusieurs années. L'innovation la plus percutante viendra donc probablement de ceux qui sont agiles, expérimentent rapidement et sont prêts à s'engager sur le long terme. Son message central est clair : il ne faut pas négliger les fondamentaux pour courir après la mode éphémère des démonstrations.

marsbit07/06 02:36

Karpathy monte au créneau : une seule phrase réduit au silence tous les développeurs d'Agent

marsbit07/06 02:36

L'équipe de recherche de l'Université du Zhejiang propose une nouvelle approche : Enseigner à l'IA la façon dont le cerveau humain comprend le monde

Une équipe de recherche de l’Université du Zhejiang a proposé une nouvelle approche pour améliorer l’intelligence artificielle : enseigner aux modèles la manière dont le cerveau humain comprend le monde. Contrairement à l’idée répandue selon laquelle l’augmentation des paramètres des modèles les rapproche de la pensée humaine, l’étude publiée dans *Nature Communications* montre que les grands modèles (comme SimCLR, CLIP, DINOv2) voient leurs capacités de reconnaissance concrète s’améliorer avec l’échelle, mais leurs compétences conceptuelles abstraites stagnent ou régressent. Par exemple, avec une augmentation des paramètres de 22,06 millions à 304,37 millions, les performances sur les tâches concrètes sont passées de 74,94 % à 85,87 %, tandis que les tâches abstraites sont tombées de 54,37 % à 52,82 %. La différence fondamentale réside dans la manière dont les humains et les modèles organisent les concepts : les humains catégorisent de manière hiérarchique et flexible, tandis que les modèles s’appuient excessivement sur des motifs statistiques dans les données, sans structuration conceptuelle robuste. L’équipe a utilisé des signaux cérébraux enregistrés lorsque des humains observaient des images pour superviser l’apprentissage des modèles. Cette méthode a permis de transférer la structure conceptuelle humaine aux réseaux de neurones profonds. Les résultats montrent que la représentation interne du modèle se rapproche de celle du cerveau, améliorant ainsi sa capacité à généraliser et à apprendre avec peu d’exemples. Dans des tâches de catégorisation abstraite, le modèle a gagné 20,5 % en performance, surpassant même des modèles beaucoup plus grands. Cette approche oriente la recherche vers une intelligence structurée plutôt que simplement scaled, et ouvre la voie à des systèmes capables d’évoluer et de s’adapter de manière autonome, comme le propose également Neosoul avec ses agents IA en environnement dynamique.

marsbit04/05 04:44

L'équipe de recherche de l'Université du Zhejiang propose une nouvelle approche : Enseigner à l'IA la façon dont le cerveau humain comprend le monde