Янн Лекун: Чому збільшення розміру мовних моделей не зробить штучний інтелект людським
Колишній головний науковець Meta з штучного інтелекту та засновник AMI Labs Янн Лекун поставив під сумнів ідею, що просте розширення великих мовних моделей (LLM) призведе до створення інтелекту, подібного до людського. Він стверджує, що сучасні системи ШІ мають суттєві обмеження у розумінні і взаємодії з фізичним світом, про що повідомляє BBC.
Що не влаштовує у сучасних мовних моделях?
Під час конференції VivaTech у Франції Лекун пояснив, що такі моделі, як ChatGPT, Claude і Gemini, мають неабиякі навички в програмуванні, розв’язанні математичних задач і створенні текстів. Однак вони не здатні логічно мислити про реальні середовища. Вчений нагадав:
- Жодні роботи поки що не можуть зрозуміти фізичний світ на рівні, принаймні, щура.
- Наявні великі мовні моделі не ведуть до людського рівня інтелекту чи навіть тваринного, бо вони просто не будуються на основі роботи з даними реального світу.
Новий підхід від AMI Labs: Joint Embedding Predictive Architecture (JEPA)
Натомість, компанія AMI Labs у Парижі формує іншу архітектуру штучного інтелекту, яку називають JEPA. За словами Лекуна, система створює абстрактні уявлення про фізичний світ, що дозволяє ШІ концентруватися на важливій інформації, а не на прогнозуванні всіх можливих варіантів подій.
Для ілюстрації різниці Лекун навів приклад із балансуванням ручки на кінчику. Людина розуміє, що ручка впаде, не намагаючись вгадати напрямок падіння. Натомість мовна модель, прагнучи дати єдину імовірну відповідь, не спроможна визнати, що напрямок невизначений заздалегідь.
Обмеження LLM для робототехніки
Лекун не такий оптимістичний і щодо застосування великих мовних моделей у робототехніці:
- Він вважає, що LLM малоефективні для контролю реальних роботів.
- Збільшення розмірів моделей не веде автоматично до створення суперінтелекту.
- Для розуміння складних фізичних завдань потрібні інші підходи.
Фінансова підтримка та плани розвитку AMI Labs
AMI Labs отримали підтримку інвесторів на суму понад 1 мільярд доларів у рамках посівного фінансування, серед яких такі гіганти, як Nvidia та інвестиційний фонд, що управляє приватним капіталом Джеффа Безоса. Це одна з найбільших інвестиційних раундів у європейських стартапах.
Компанія має намір удосконалювати свою систему протягом року, а вже наступного — впроваджувати її в промислових застосуваннях. Якщо цей проєкт буде успішним, технологія може стати основою для універсального інтелекту з мінімальним додатковим навчанням.
Тенденції в галузі робототехніки та майбутнє ШІ
Індустрія робототехніки шукає системи, які краще розуміють фізичне середовище. Компанії інтенсивно інвестують у розробку гуманоїдних роботів, але при цьому стикаються з численними проблемами в навчанні їх безпечній і надійній роботі в побуті.
Професор Оксфордського університету Інґмар Познер, який очолює лабораторію прикладного штучного інтелекту та є вченим Amazon, наголошує, що майбутні системи ШІ мають виходити за межі простої генерації тексту. Їхнє завдання — пояснювати, як працює світ, відповідати на питання про причинно-наслідкові зв’язки, виділяти суттєве та прогнозувати, як зміни у діях вплинуть на результат.
Познер та його команда роками працюють над механістичною моделлю світу, яка упорядковує знання для кращого їхнього запам’ятовування, комбінування і адаптації.
Хто ще розробляє подібні системи?
Прогрес у напрямку світових моделей підтримують і інші лабораторії:
- Google DeepMind із проєктом Genie
- Wayve із системою Gaia
- World Labs, засновані відомою дослідницею штучного інтелекту Фей-Фей Лі
Таким чином, світова наукова спільнота рухається до створення розумних систем, які зможуть краще оперувати інформацією про реальний світ і працювати в більш широкому спектрі завдань.
Роль людини у майбутньому штучного інтелекту
Лекун також підкреслив, що, незважаючи на загальний розвиток штучного інтелекту, люди залишатимуться ключовими у прийнятті рішень щодо того, які проблеми варто розв’язувати за допомогою машин.
За його словами, наше спілкування з майбутніми AI-системами буде схоже на те, як капітани промисловості чи державні лідери взаємодіють зі своїми командами асистентів — численні з яких можуть бути розумнішими за самих керівників, але все ж слугуватимуть їм.
