Loosh

Le Subnet Loosh vise à résoudre le manque de fiabilité, de raisonnement éthique et de mémoire contextuelle des LLMs standards, qui sont des freins majeurs à l'intégration d'agents IA autonomes, comme les robots humanoïdes, dans des environnements humains.

Les points techniques clés :

• Architecture Cognitive Externe : Le système fonctionne comme une surcouche de contrôle autour d'un LLM. Il utilise des ontologies et des bases de données graphes pour imposer une structure sémantique et des contraintes déterministes, transformant la sortie statistique du LLM en une décision logique et compréhensible.

• Moteur de Raisonnement Éthique : L'agent évalue les requêtes à travers de multiples prismes éthiques (déontologie, éthique de la vertu) pour prendre des décisions justifiables. Cela lui permet d'analyser des situations complexes et de refuser d'exécuter une instruction si elle est jugée inappropriée ou dangereuse.

• Système de Mémoire Double : Le Subnet intègre une mémoire de travail (cache temps réel pour le contexte immédiat) et une mémoire à long terme (combinant bases de données graphe et vectorielle). Cette architecture permet à l'agent d'apprendre de ses expériences passées et d'agir avec un contexte durable.

• Inférence Émotionnelle : Un mécanisme d'incitation est dédié à l'entraînement de modèles capables de déduire l'état émotionnel humain à partir de signaux multimodaux. Le processus est initialisé avec des données EEG pour créer un modèle de base fiable qui est ensuite étendu à l'analyse audio-visuelle.

L'objectif final de Loosh est de fournir le "cerveau" et la conscience émotionnelle nécessaires pour créer des robots et des agents IA sûrs, fiables et capables de s'intégrer de manière intuitive et sécurisée aux côtés des humains.