Alors que l'IA est devenue une industrie de premier plan, elle s'est dans une large mesure égarée. De quoi avons-nous besoin pour retrouver le chemin de la véritable intelligence ? Nous avons besoin d'agents qui apprennent en permanence. Nous avons besoin de modèles du monde et de planification. Nous avons besoin de connaissances de haut niveau et susceptibles d'être apprises. Nous devons méta-apprendre à généraliser. L'architecture Oak est une réponse à tous ces besoins. Dans les grandes lignes, il s'agit d'une architecture RL basée sur un modèle qui présente trois caractéristiques particulières : 1) tous ses composants apprennent continuellement, 2) chaque poids appris a un paramètre de taille de pas dédié qui est méta-appris en utilisant la validation croisée en ligne, et 3) les abstractions dans l'état et le temps sont continuellement créées dans une progression en cinq étapes : Construction des caractéristiques, pose d'une sous-tâche basée sur la caractéristique, apprentissage d'une option pour résoudre la sous-tâche, apprentissage d'un modèle de l'option et planification à l'aide du modèle de l'option (la progression FC-STOMP). L'architecture d'Oak est assez volumineuse ; dans cet exposé, nous en donnons un aperçu et soulignons les nombreux travaux, antérieurs et co-temporanés, qui contribuent à sa vision globale de la manière dont la superintelligence peut naître de l'expérience d'un agent.