Artikel
Analysen und Kolumnen über künstliche Intelligenz, Wissenschaft und Co-Thinking zwischen Mensch und KI, in ihrer Originalsprache veröffentlicht.
Diese Artikel bilden ein Archiv: Jeder gibt den Stand der KI zum Zeitpunkt seiner Veröffentlichung wieder.
2025
When Will We Start Using Scientific Fundamentals to Question the Gary Marcuses of the World?
A response to Gary Marcus’s critique that LLMs lack world models. The essay argues from physics, neuroscience and information theory that human intelligence relies on saving and reading, error correction and collective processes, and that AI should be judged on the same footing.
Co-pensée humain-IA dans l'éducation suisse: la transformation est en marche!
Trois ans d’observation d’adultes formés à la co-pensée humain-IA montrent un rapport au travail transformé. AI Swiss veut relier les enfants aux meilleurs co-penseurs et critique les approches éducatives centrées sur les interfaces de type ChatGPT.
Au-delà de l'AGI étroite: dialogue sans filtre sur l'IA
Retour sur deux heures d’échange en podcast avec Bryan Umana. L’avenir de l’IA se joue moins dans la course aux modèles que dans des outils qui augmentent l’humain plutôt que de l’imiter.
Don't Let ChatGPT Set All Agendas
The MIT study “Your Brain on ChatGPT” tests LLMs inside interfaces built for token consumption, not for cognitive engagement. The essay calls for real-world observation and for not letting one platform shape research, design and policy on AI.
Why Are People Surprised That AI Gets Worse With Longer Instructions?
Basic information theory explains why AI loses accuracy over long chains of instructions: without error correction, errors accumulate at each step, for humans and LLMs alike.
La co-pensée humain-IA comme base de littératie en IA
Pour la première fois, l’être humain peut partager sa charge cognitive avec des machines. AI Swiss propose la co-pensée humain-IA, la capacité de dialoguer de manière critique avec l’IA sans sacrifier son autonomie intellectuelle, comme compétence de base de la littératie en IA.
Brain-Inspired AI: Are We Using the Right Brain Map?
A reading of the Foundation Agents survey, which maps agent modules onto brain regions. The essay recalls that modern neuroscience favours distributed, emergent functions, and asks how such functions could emerge in AI instead of being engineered as modules.
ARC-AGI 2 is out. Cognitive emergence goes on to chase that new objective.
Frontier models fall to 4% on ARC-AGI 2. The essay reads this low score as a sign that compositional problem-solving has begun to emerge in AI systems without explicit design.
Les LLMs sont les premiers systèmes capables d'approximer des jugements humains sur la nature d'un discours
Les LLMs savent reproduire les caractéristiques qualitatives du langage humain, y compris des jugements sur la nature d’un discours, mais pas vérifier des faits. Le texte précise cette affirmation, ses limites et son usage possible pour analyser les biais médiatiques.
Déconstruire les mythes de l'IA: de l'émergence à la co-pensée humain-IA
Des benchmarks comme ARC-AGI montrent que des machines commencent à résoudre des tâches de compositionnalité. Le texte décrit ces capacités émergentes et plaide pour la co-pensée humain-IA plutôt que pour la course aux modèles.
The Future of AI: From Verification Tools to Human-AI Co-Thinking
As long as AI models can verify their hypotheses only through tools such as programming environments, their progress towards autonomy stays incremental. The near-term change lies in human-AI co-thinking, where humans take on the verification AI cannot do.
Manus AI: Another "Revolution" Built on LLM Limitations
Manus AI is built on existing LLMs and inherits their inability to verify their own outputs, so it cannot be a truly autonomous agent. The workable approach is human-AI co-thinking, with humans as verifiers.
Oh No, Not You Too: When Scientists Jump on the Hype Train
A physicist’s reaction to the press communication around a Nature paper on topological qubits: the paper shows progress in readout, not a working qubit, and scientists should not feed the hype.
A Reality Check on Current AI "Breakthroughs"
Few fundamental realisations have shaped human-like AI: capabilities emerge from exposure to text, then to problem-solving tasks. Most announced breakthroughs, such as DeepSeek R1 or s1-32B, are engineering refinements.
Conférence AI Swiss 2025: quand l'intelligence artificielle devient un art de vivre
Retour sur la conférence annuelle du 6 février 2025 au grand auditoire de l'EPFL à Neuchâtel: l'IA comme exploration de l'espace des possibles, et les enseignements de la table ronde.
Pour une éducation suisse transformée par l'IA
La vision d’AI Swiss pour l’école suisse: enseigner la co-pensée avec l’IA dans toutes les disciplines, réformer l’évaluation et se doter d’un cadre national, au-delà des cadres de l’UNESCO et de la DGEP jugés trop prudents.
DeepSeek R1: Scientific Progress vs User Experience
DeepSeek R1 shows in detail how problem-solving capabilities emerge, but in daily use it remains less coherent than GPT-o1. A scientific milestone, not a user experience one.
Précision plutôt que puissance: l'art martial de l'IA
Plutôt que de rivaliser avec les investissements américains dans l’infrastructure IA, l’Europe et la Suisse peuvent utiliser cette puissance pour des projets précis à impact humain, en santé, en énergie ou en éducation.
State of AI in 2025: Beyond Simplistic Narratives
At the start of 2025, public discourse on AI misses the scientific significance of emergent capabilities. The essay calls on journalists and policymakers to ground themselves in complexity theory and emergence, and thanks the AI Swiss community.
2024
State of AI today: Where should we be surprised?
A quantum physicist’s view: the emergence of human-like behaviour in foundation models is less surprising than the fact that we ever found simple theories of that behaviour.
Are we stuck again in the "Swiss-Made" comfort zone with AI?
The “Swiss-made” label and data sovereignty claims can stop critical assessment of AI tools, many of which are local hosting of international solutions. The essay asks decision makers to judge tools on their capabilities and to focus resources on real problems.
Digital Health in Switzerland: Are We Still Missing the Mark?
After a symposium on AI in medicine at the CHUV, the author asks whether Swiss digital health funding, centred on research and publications, produces pilot projects that never scale, and proposes ways to favour real-world impact.
When Democracy Meets Science: Can AI Help Debug Society?
Written the day after the 2024 US election, the essay argues that complex societal problems need evidence-based approaches, and that AI can help as a tool that augments human judgement without replacing it.
Brain2Brain.Lab: Demystifying AI Through Hands-On Learning
A look back at the first Brain2Brain.Lab in Neuchâtel, where participants, many without a coding background, used Python to work directly with language models.
Analyzing OpenAI o1 "Reasoning": Beyond the Hype
To analyse OpenAI o1 “reasoning”, the essay distinguishes reasoning that emerges from exposure to the world from reasoning added by human-crafted algorithms, and argues that o1 is mostly the second kind.
La «misogynie des intelligences artificielles»: au-delà des biais cognitifs
Parler de «misogynie» des IA relève de l’anthropomorphisme. Les biais algorithmiques reflètent ceux des données; ils deviennent visibles et mesurables, ce qui permet de choisir par des méthodes scientifiques les biais que l’on veut pour nos sociétés.
Que de dégâts créés par ceux qui ne décryptent l'IA que par le langage
Les théories plausibles diffusées dans les médias sans autre justification que le langage créent des couches de réalité détachées de la science. Le texte demande aux critiques des algorithmes de peser aussi leurs bénéfices, notamment en santé.
Our Healthcare System is Sick
Healthcare is overwhelmed by complexity. The essay argues for deploying algorithms now on what kills and costs the most, instead of spending years standardising data.
Quand Le Monde confond science et plausibilité sur l'IA
Critique d’un article du Monde qui affirme que l’IA ne peut pas sortir du champ pour lequel elle a été conçue. Le texte oppose à ces affirmations plausibles les preuves empiriques de la recherche en neurosciences et en IA.
Les LLMs face aux barrières fondamentales de la complexité
La théorie de la complexité rappelle que le calcul de la plupart des systèmes, LLMs inclus, ne peut pas être réduit à des calculs plus simples. Il n’y a pas de raccourci pour comprendre ou contrôler des systèmes émergents.