Ο κορυφαίος ερευνητής στον τομέα της τεχνητής νοημοσύνης Yann LeCun, πρώην Chief AI Scientist της Meta, υποστηρίζει ότι τα σημερινά συστήματα τεχνητής νοημοσύνης απέχουν πολύ από το να μπορέσουν να πετύχουν πραγματική νοημοσύνη.
Την ίδια στιγμή δηλώνει ότι η επόμενη φάση καινοτομίας στον χώρο της AI θα εστιάσει σε μηχανές που κατανοούν καλύτερα τον φυσικό κόσμο και όχι απλά να περιορίζονται στην πρόβλεψη της επόμενης λέξης.
Ο Yann LeCun εγκατέλειψε τη Meta το 2025 για να ιδρύσει την Advanced Machine Intelligence Labs (AMI Labs). Κατά τη διάρκεια τoυ συνεδρίου VivaTech στη Γαλλία, είχε αναφέρει ότι τα υπάρχοντα συστήματα AI δεν είναι σχεδιασμένα να αντιμετωπίσουν την πολυπλοκότητα του πραγματικού κόσμου.
Τα όρια των LLMs και η έλλειψη κατανόησης του φυσικού κόσμου
Δεν έχουμε ρομπότ που να είναι τόσο καλά στην κατανόηση του φυσικού κόσμου όσο ένας αρουραίος, είχε αναφέρει χαρακτηριστικά.
Τα υπάρχοντα μοντέλα μπορούν να παράγουν κείμενο, να λύσουν διάφορα προβλήματα, να γράψουν κώδικα, αλλά και παράλληλα να χειρίζονται μαθηματικές εργασίες. Δυστυχώς όμως, σύμφωνα με τον LeCun, στερούνται γνήσιας κατανόησης. Ουσιαστικά αυτό που κάνουν είναι να συσσωρεύουν γνώση. Εκπαιδεύονται για να αναμασούν τη γνώση. Ωστόσο δεν είναι ιδιαίτερα έξυπνα. Δεν έχουν κατανόηση.
Παράλληλα, θέτει και μια άκρως ενδιαφέρουσα παράμετρο στη συζήτηση, τονίζοντας ότι το scaling των υπαρχόντων γλωσσικών μοντέλων δεν θα οδηγήσει σε κατανόηση τύπου ανθρώπου, ούτε καν ζώου. Ο λόγος είναι απλός. Δεν μπορούν να διαχειριστούν προβλήματα του φυσικού κόσμου. Δεν έχουν σχεδιαστεί για κάτι τέτοιο.
Η αρχιτεκτονική JEPA της AMI Labs
Η AMI Labs ανακοίνωσε έναν νέο τύπο τεχνητής νοημοσύνης με την ονομασία Joint Embedding Predictive Architecture (JEPA). Στόχος της είναι να κατανοήσει πώς λειτουργεί ο φυσικός κόσμος και όχι απλά να προβλέψει ποια θα είναι η επόμενη λέξη.
Η μεγάλη διαφορά που παρουσιάζει σε σχέση με τα συνήθη γλωσσικά μοντέλα, τα οποία βασίζονται σε στατιστικά μοτίβα, είναι το γεγονός ότι η JEPA δημιουργεί αφηρημένες αναπαραστάσεις του πραγματικού κόσμου.
Έτσι, το AI αξιολογεί πιθανά αποτελέσματα χωρίς να επιχειρεί να πραγματοποιήσει αδύνατες προβλέψεις. Ίσως ο καλύτερος τρόπος να το κατανοήσουμε είναι το παράδειγμα με το στυλό που έδωσε.
Όταν προσπαθούμε να το ισορροπήσουμε στην άκρη του, όπως υποστηρίζει ο ίδιος, οι άνθρωποι γνωρίζουν ενστικτωδώς ότι θα πέσει, χωρίς να μπορούμε να προβλέψουμε ακριβώς την κατεύθυνση που θα ακολουθήσει. Από την άλλη πλευρά, τα κλασικά μοντέλα που υπάρχουν αυτή τη στιγμή στην αγορά θα επιχειρήσουν να κάνουν τέτοιες προβλέψεις υπολογίζοντας τις μοίρες, εντούτοις όμως θα καταλήξουν να κάνουν σχεδόν λάθος, ενώ αντίθετα η JEPA θα αναγνωρίσει ότι η κατεύθυνση δεν μπορεί να προσδιοριστεί εκ των προτέρων και δεν θα ασχοληθεί με τέτοιους υπολογισμούς.
Ο ρόλος του ανθρώπου και το μέλλον της τεχνητής νοημοσύνης
Αυτό που θέλει να πει και με το παράδειγμα με το στυλό είναι ότι τα σημερινά μοντέλα αποτελούν ισχυρά εργαλεία αναπαραγωγής μοτίβων, όχι όμως πραγματικής νοημοσύνης, ενώ από την άλλη πλευρά επισημαίνει ότι ο άνθρωπος θα συνεχίσει να διαδραματίζει σημαντικό ρόλο στη λήψη αποφάσεων.
Όσον αφορά το μέλλον, επισημαίνει ότι τα μελλοντικά AI συστήματα, ακόμη και αν καταφέρουν να ξεπεράσουν την ανθρώπινη νοημοσύνη σε ορισμένους τομείς, θα συνεχίσουν να λειτουργούν περισσότερο σαν βοηθοί με μεγάλες ικανότητες.
Και εδώ πάλι κλείνει με ένα πολύ χαρακτηριστικό παράδειγμα ότι η αλληλεπίδρασή μας με τα μελλοντικά AI συστήματα, ακόμη κι αν είναι πιο έξυπνα από εμάς, θα μπορούσε να παρουσιαστεί ως η αλληλεπίδραση μεταξύ ενός επικεφαλής μιας βιομηχανίας ή ενός πολιτικού αρχηγού με το βοηθητικό προσωπικό του, πολλοί εκ των οποίων είναι πιο έξυπνοι από τον ίδιο.
