Feuille de route d’apprentissage pour la recherche sur l’AGI

Trois années mènent des mathématiques, de la physique et des circuits au ML, à la robotique et à la sécurité, chaque étape comprenant des diagnostics et des critères de sortie, pour aboutir à un projet final reproductible.

Loading preview...
Élaborer une feuille de route pour la recherche en IA

Créez un programme progressif, vérifié par version, avec projets, jalons, sécurité et éthique, sans promettre l’AGI ni une carrière.

Pour une ingénieure logicielle

Modifiez uniquement le profil de l’apprenant : programmeur peu à l’aise avec les mathématiques formelles.

Essayer Deep Research
Tâche : concevez une feuille de route évolutive sur trois ans pour une personne aspirant à devenir chercheuse en AGI. Utilisez la 2025–2028 de la page uniquement comme modèle historique ; planifiez les années 1 à 3 à partir de la date de début réelle. Évaluez les compétences en mathématiques, en programmation et en recherche, le temps disponible, le budget, la langue, le matériel, et l’orientation ; prévoyez des embranchements lorsque ces éléments sont inconnus.

Protocole de la feuille de route : ne promettez ni l’AGI, ni un emploi, ni une admission, ni un calendrier pour l’AGI ; considérez l’AGI comme un sujet controversé et distinguez le programme établi des axes spéculatifs. Au moment de l’exécution, vérifiez les éditions des cours, logiciels, benchmarks et livres, ainsi que l’accès, le coût, les prérequis et la disponibilité ; datez les recommandations et proposez des alternatives pérennes. Structurez les années 1 à 3 à partir de la date de début réelle, avec diagnostics, charge de travail, prérequis, résultats attendus, ressources, exercices et critères de sortie. Exigez des dérivations, des logiciels testés, des reproductions, des ablations, des résultats négatifs, des fiches de modèle, des évaluations de sécurité, des propositions et un projet de fin d’études reproductible. Couvrez les mathématiques, les probabilités, l’optimisation, la physique, la programmation et les systèmes ; le génie électronique, les circuits, l’électronique numérique et les signaux ; le ML, l’apprentissage profond/RL, la cinématique des robots, la perception et le contrôle ; la conception expérimentale, la rédaction, la sécurité, l’éthique, la gouvernance des données et la divulgation. Incluez des options de projets interdisciplinaires étayées par des preuves en protection de l’environnement, énergies renouvelables et exploration spatiale, sans les présenter comme des nécessités ou des prévisions liées à l’AGI. Incluez des niveaux de calcul et de budget, l’accessibilité, la relecture, des preuves pour le portfolio, la réévaluation, ainsi que des branches théoriques, empiriques, robotiques et de sécurité. Vérifiez les conseils pédagogiques attribués.
Donner la priorité à la sécurité de l’IA

Modifiez uniquement la spécialisation : sécurité de l’IA.

Essayer Deep Research
Tâche : concevez une feuille de route évolutive sur trois ans pour une personne aspirant à devenir chercheuse en AGI. Utilisez la 2025–2028 de la page uniquement comme modèle historique ; planifiez les années 1 à 3 à partir de la date de début réelle. Évaluez les compétences en mathématiques, en programmation et en recherche, le temps disponible, le budget, la langue, le matériel et l’orientation ; prévoyez des embranchements lorsque ces éléments sont inconnus.

Protocole de la feuille de route : ne promettez ni l’AGI, ni un emploi, ni une admission, ni un calendrier pour l’AGI ; considérez l’AGI comme un sujet controversé et distinguez le programme établi des axes spéculatifs. Au moment de l’exécution, vérifiez les éditions des cours, logiciels, benchmarks et livres, ainsi que l’accès, le coût, les prérequis et la disponibilité ; datez les recommandations et proposez des alternatives pérennes. Structurez les années 1 à 3 à partir de la date de début réelle, avec diagnostics, charge de travail, prérequis, résultats attendus, ressources, exercices et critères de sortie. Exigez des dérivations, des logiciels testés, des reproductions, des ablations, des résultats négatifs, des fiches de modèle, des évaluations de sécurité, des propositions et un projet de fin d’études reproductible. Couvrez les mathématiques, les probabilités, l’optimisation, la physique, la programmation et les systèmes ; le génie électronique, les circuits, l’électronique numérique et les signaux ; le ML, l’apprentissage profond/RL, la cinématique des robots, la perception et le contrôle ; la conception expérimentale, la rédaction, la sécurité, l’éthique, la gouvernance des données et la divulgation. Incluez des options de projets interdisciplinaires étayées par des preuves en protection de l’environnement, énergies renouvelables et exploration spatiale, sans les présenter comme des nécessités ou des prévisions liées à l’AGI. Incluez des niveaux de calcul et de budget, l’accessibilité, la relecture, des preuves pour le portfolio, la réévaluation, ainsi que des branches théoriques, empiriques, robotiques et de sécurité. Vérifiez les conseils pédagogiques attribués.
Utilisez peu de puissance de calcul

Modifiez uniquement la contrainte de ressources : puissance de calcul et coût réduits.

Essayer Deep Research
Tâche : Concevez une feuille de route glissante sur trois ans pour un futur chercheur en AGI. Utilisez la source de 2025 à 2028 uniquement comme modèle historique ; planifiez les années 1 à 3 à partir de la date de début réelle. Évaluez les mathématiques, la programmation, l'expérience en recherche, le temps, le budget, la langue et le matériel, et suivez les progrès ; prévoyez des branches en cas d'inconnu.

Protocole de la feuille de route : ne promettez ni l'AGI, ni un emploi, ni une admission, ni un calendrier pour l'AGI ; considérez l'AGI comme un sujet controversé et distinguez le cursus établi des programmes spéculatifs. Au moment de l'exécution, vérifiez les éditions, l'accès, le coût, les prérequis et la disponibilité des cours, logiciels, benchmarks et ouvrages ; datez les recommandations et proposez des alternatives durables. Structurez les années 1 à 3 à partir de la date de début réelle, avec des diagnostics, la charge de travail, les prérequis, les résultats attendus, les ressources, les exercices et les critères de sortie. Exigez des démonstrations, des logiciels testés, des reproductions, des études d'ablation, des résultats négatifs, des fiches de modèle, des évaluations de sécurité, des propositions et un projet final reproductible. Couvrez les mathématiques, les probabilités, l'optimisation, la physique, la programmation et les systèmes ; le génie électronique, les circuits, l'électronique numérique et les signaux ; le ML, le deep learning/RL, la cinématique des robots, la perception et le contrôle ; la conception expérimentale, la rédaction, la sécurité, l'éthique, la gouvernance des données et la divulgation. Incluez des options de projets interdisciplinaires fondées sur des données probantes dans la protection de l'environnement, les énergies renouvelables et l'exploration spatiale, sans les présenter comme des nécessités ou des prévisions liées à l'AGI. Incluez des niveaux de calcul et de budget, l'accessibilité, la révision, des preuves pour le portfolio, la réévaluation, ainsi que des parcours en théorie, empirique, robotique et sécurité. Vérifiez les conseils pédagogiques attribués.