Ο νικητής του βραβείου Turing Yann LeCun λέει ότι τα πιο διάσημα συστήματα τεχνητής νοημοσύνης του σήμερα δεν είναι μια διαδρομή προς πραγματικά έξυπνες μηχανές. Στην εκκίνηση του με έδρα το Παρίσι, Advanced Machine Intelligence Labs (AMI Labs), ο πρώην επικεφαλής επιστήμονας τεχνητής νοημοσύνης της Meta κατασκευάζει ένα θεμελιωδώς διαφορετικό είδος μοντέλου σχεδιασμένο να κατανοεί τον φυσικό κόσμο όπως μπορεί ένας αρουραίος ή ένα μικρό παιδί.

Μιλώντας στο BBC στο περιθώριο του συνεδρίου VivaTech στο Παρίσι, ο LeCun υποστήριξε ότι τα μεγάλα γλωσσικά μοντέλα όπως το ChatGPT, ο Claude και το Gemini έχουν πραγματικές χρήσεις αλλά έχουν σκληρό ταβάνι. Για περισσότερα σχετικά με την κάλυψη της βιομηχανίας AI που διαμορφώνει τον τρόπο με τον οποίο οι ερευνητές και οι επενδυτές σκέφτονται για αυτά τα όρια, η ευρύτερη συζήτηση σχετικά με το τι έρχεται μετά την εποχή του LLM έχει γίνει ένα από τα πιο συνεπακόλουθα ερωτήματα στον τομέα.

«Δεν έχουμε ρομπότ που να είναι τόσο καλά στην κατανόηση του φυσικού κόσμου όσο ένας αρουραίος», είπε ο LeCun. Έφυγε από τον ιδιοκτήτη του Facebook Meta το 2025 μετά από μια δεκαετία ως επικεφαλής επιστήμονας AI και ίδρυσε την AMI Labs για να ακολουθήσει μια εναλλακτική αρχιτεκτονική.

Γιατί ο LeCun λέει ότι τα LLM δεν είναι αρκετά

Ο LeCun υποστηρίζει ότι τα LLM υπερέχουν σε καλά καθορισμένες, προβλέψιμες εργασίες όπως η κωδικοποίηση, η επίλυση μαθηματικών προβλημάτων και η δημιουργία κειμένου. Αλλά υποστηρίζει ότι αυτά τα πλεονεκτήματα κρύβουν έναν βαθύτερο περιορισμό: τα συστήματα χειραγωγούν στατιστικά πρότυπα αντί να συλλογίζονται την πραγματικότητα.

«Βασικά απλώς συσσωρεύουν γνώσεις», είπε για τα LLM. "Μπορούν να αναμασήσουν κάτι, τους εκπαιδεύεις να αναμείνουν, αλλά δεν είναι ιδιαίτερα έξυπνοι. Δεν έχουν μια υποκείμενη κατανόηση."

Για να δείξει το κενό, ο LeCun ισορροπεί ένα στυλό όρθιο στην άκρη του και το αφήνει να φύγει. Ακόμη και ένα μικρό παιδί ξέρει ότι το στυλό θα ανατραπεί, σημειώνει, αλλά κανένας άνθρωπος δεν θα προσπαθούσε να προβλέψει την ακριβή κατεύθυνση που θα πέσει, γιατί αυτό το αποτέλεσμα είναι πραγματικά αβέβαιο. Ένα LLM, αντίθετα, θα επιχειρούσε να δημιουργήσει μια ενιαία πρόβλεψη βασισμένη σε μοτίβα στα δεδομένα εκπαίδευσής του. Αυτή η πρόβλεψη θα ήταν σχεδόν σίγουρα λανθασμένη, επειδή το μοντέλο δεν συλλογίζει τη φυσική κατάσταση. παράγει αυτό που φαίνεται στατιστικά εύλογο.

«Τα LLM είναι σε μεγάλο βαθμό απελπιστικά για τη ρομποτική», είπε ο LeCun ωμά. «Οι ισχυρισμοί ότι με κάποιο τρόπο απλώς κλιμακώνοντας τα LLMs, θα φτάσουμε στην υπερανθρώπινη νοημοσύνη, αυτό απλά δεν πρόκειται να συμβεί».

Πώς λειτουργεί το JEPA

Η αρχιτεκτονική που αναπτύσσει η AMI Labs ονομάζεται Joint Embedding Predictive Architecture (JEPA). Αντί να προβλέπει την επόμενη λέξη ή pixel, το JEPA δημιουργεί αφαιρέσεις του πραγματικού κόσμου που του επιτρέπουν να σταθμίσει τα πιθανά αποτελέσματα μιας ενέργειας.

Η οικοδόμηση αυτών των αφαιρέσεων περιλαμβάνει πολύπλοκα μαθηματικά, αλλά η αρχή είναι απλή: το μοντέλο φιλτράρει τις άχρηστες λεπτομέρειες, αφήνοντας μόνο χρήσιμες αναπαραστάσεις του κόσμου. Στο παράδειγμα του στυλό, ένα σύστημα που βασίζεται στο JEPA θα κατανοούσε ότι η πρόβλεψη της ακριβούς κατεύθυνσης της πτώσης είναι άσκοπη και θα αντιπροσώπευε την κατάσταση στο επίπεδο της αφαίρεσης που είναι πραγματικά σημαντικό για τη λήψη αποφάσεων.

Η προσέγγιση τοποθετεί τα AMI Labs σε μια αυξανόμενη κίνηση γύρω από τα λεγόμενα παγκόσμια μοντέλα, τα οποία στοχεύουν να δώσουν στα συστήματα AI μια εσωτερική προσομοίωση του τρόπου συμπεριφοράς των περιβαλλόντων, ώστε να μπορούν να σχεδιάζουν και να ενεργούν αντί να δημιουργούν απλώς κείμενο.

Ένα ανταγωνιστικό πεδίο

Οι επενδυτές στοιχηματίζουν ότι ο LeCun θέλει κάτι. Νωρίτερα το 2026, η AMI Labs ανακοίνωσε ότι είχε συγκεντρώσει περισσότερα από 1 δισεκατομμύριο δολάρια (760 εκατομμύρια £) σε έναν γύρο χρηματοδότησης εκκίνησης, με υποστηρικτές όπως ο αμερικανικός γίγαντας τσιπ Nvidia και το ταμείο που διαχειρίζεται τον ιδιωτικό πλούτο του ιδρυτή της Amazon, Τζεφ Μπέζος. Ήταν ένας από τους μεγαλύτερους κύκλους εκκίνησης στην ιστορία των ευρωπαϊκών startup.

Η AMI Labs απέχει πολύ από το να είναι μόνη στον αγώνα. Στο Πανεπιστήμιο της Οξφόρδης, ο καθηγητής Ingmar Posner διευθύνει το Applied AI Lab και ηγείται μιας ομάδας περίπου δέκα ατόμων που έχει αφιερώσει τέσσερα χρόνια σε μια εναλλακτική προσέγγιση που αποκαλεί «μηχανιστικό παγκόσμιο μοντέλο», το οποίο δομεί τη γνώση έτσι ώστε η τεχνητή νοημοσύνη να μπορεί να την ανακαλέσει, να τη συνδυάσει και να την τροποποιήσει αποτελεσματικά.

«Η άποψή μου είναι ότι η επόμενη δεκαετία θα αφορά πραγματικά συστήματα που μπορούν να εξηγήσουν», είπε ο Πόσνερ στο BBC. "Χρειάζεστε μοντέλα που μπορούν να απαντήσουν σε ερωτήσεις όπως: Τι έχει σημασία; Τι προκαλεί τι; Τι θα συνέβαινε αν έκανα κάτι άλλο;"

Αυτή η γενεαλογία ανάγεται σε μια σημαντική εργασία του 2018 των David Ha και Jürgen Schmidhuber, η οποία υποστήριξε ότι η πρόοδος στην υπολογιστική και τη μηχανική μάθηση θα μπορούσε να επιτρέψει σε ένα AI να μάθει εργασίες καθαρά από μια μαθημένη νοητική προσομοίωση του κόσμου. Η ιδέα έκτοτε έχει καταλύσει σημαντική έρευνα, συμπεριλαμβανομένου του παγκόσμιου μοντέλου Dreamer της Google, μια παραλλαγή του οποίου έμαθε να συλλέγει διαμάντια στο Minecraft φανταζόμενος μελλοντικά σενάρια. Το DeepMind της Alphabet συνεχίζει τη δουλειά με το μοντέλο Genie, η Wayve με έδρα το Λονδίνο διαθέτει ένα σύστημα που ονομάζεται Gaia και η πρωτοπόρος της τεχνητής νοημοσύνης Fei-Fei Li ίδρυσε την World Labs στο Σαν Φρανσίσκο το 2023 για να επιδιώξει παρόμοιους στόχους.

Η Ρομποτική Επιτακτική

Η ώθηση προς τα παγκόσμια μοντέλα καθοδηγείται σε μεγάλο βαθμό από τη βιομηχανία της ρομποτικής, η οποία έχει διοχετεύσει δισεκατομμύρια δολάρια σε ανθρωποειδή ρομπότ των οποίων τα φυσικά κατορθώματα γίνονται πιο εντυπωσιακά κάθε χρόνο. Ωστόσο, η εκπαίδευση αυτών των μηχανημάτων για την ασφαλή εκτέλεση οικιακών εργασιών, όπως το σιδέρωμα ή η φόρτωση ενός πλυντηρίου πιάτων, παραμένει δύσκολη και δαπανηρή, και ο LeCun επιμένει ότι τα τρέχοντα μοντέλα AI δεν θα είναι ποτέ αρκετά καλά για αυτό το περιβάλλον.

Ο LeCun είπε ότι η AMI Labs θα αφιερώσει το υπόλοιπο του 2026 βελτιώνοντας το μοντέλο της και ελπίζει να αρχίσει να το αναπτύσσει σε βιομηχανικά περιβάλλοντα το 2027. Εάν αυτό αποδειχθεί επιτυχές, οι φιλοδοξίες επεκτείνονται σημαντικά.

«Τελικά στη συνέχεια θα έχουμε ένα είδος γενικών συστημάτων νοημοσύνης που μπορούν να εφαρμοστούν σχεδόν σε οτιδήποτε στον κόσμο με ελάχιστη εκπαίδευση ή τελειοποίηση», είπε.

Όσο για το τι θα γίνει με τους ανθρώπους στο μέλλον, ο LeCun είναι αισιόδοξος. Οι άνθρωποι θα αποφασίσουν ακόμα τι θα φτιάξουν και ποιες ερωτήσεις θα κάνουν, είπε, ενώ η τεχνητή νοημοσύνη λειτουργεί ως ικανός αναπληρωτής.

«Η αλληλεπίδρασή μας με τα μελλοντικά συστήματα AI, ακόμα κι αν είναι πιο έξυπνα από εμάς, θα είναι σαν την αλληλεπίδραση μεταξύ ενός καπετάνιου της βιομηχανίας ή ενός πολιτικού ηγέτη με το προσωπικό των βοηθών τους, πολλοί από τους οποίους είναι πιο έξυπνοι από αυτούς».

Μείνετε μπροστά από την τεχνητή νοημοσύνη

Η μετάβαση από τα γλωσσικά μοντέλα στα μοντέλα του κόσμου θα μπορούσε να επαναφέρει τον ανταγωνιστικό χάρτη της τεχνητής νοημοσύνης. Ακολουθήστε τις τελευταίες εξελίξεις AI καθώς αυτές ξεδιπλώνονται.

Διαβάστε περισσότερα νέα AI →