זוכה פרס טיורינג יאן לקון אומר שמערכות הבינה המלאכותית המפורסמות ביותר כיום אינן דרך למכונות אינטליגנטיות באמת. בסטארט-אפ שלו בפריז, Advanced Machine Intelligence Labs (AMI Labs), מדען ה-AI הראשי של Meta לשעבר בונה מודל מסוג שונה מהותית שנועד להבין את העולם הפיזי כמו שעכברוש או פעוט יכולים.
בשיחה עם ה-BBC בשולי ועידת VivaTech בפריז, LeCun טען שלדגמי שפה גדולים כמו ChatGPT, קלוד וג'מיני יש שימושים אמיתיים אבל תקרה קשה. למידע נוסף על סיקור תעשיית הבינה המלאכותית המעצב את האופן שבו חוקרים ומשקיעים חושבים על המגבלות הללו, הוויכוח הרחב יותר על מה שמגיע אחרי עידן ה-LLM הפך לאחת השאלות החשובות ביותר בתחום.
"אין לנו רובוטים שמצליחים להבין את העולם הפיזי כמעט כמו עכברוש", אמר לקון. הוא עזב את הבעלים של פייסבוק Meta בשנת 2025 לאחר עשור כמדען הבינה המלאכותית הראשי שלה והקים את AMI Labs כדי לחפש ארכיטקטורה חלופית.
מדוע LeCun אומר שלימודי תואר שני בלימודים אינם מספיקים
LeCun טוענת כי לימודי LLM מצטיינים במשימות מוגדרות היטב וניתנות לחיזוי כגון קידוד, פתרון בעיות מתמטיות והפקת טקסט. אבל לטענתו, העוצמות הללו מסתירות מגבלה עמוקה יותר: המערכות מתפעלות דפוסים סטטיסטיים ולא מנמקים את המציאות.
"הם בעצם רק צוברים ידע", אמר על לימודי תואר שני. "הם יכולים להחזיר משהו, אתה מאמן אותם להפיח, אבל הם לא חכמים במיוחד. אין להם הבנה בסיסית".
כדי להמחיש את הפער, לקון מאזן עט זקוף על קצהו ומשחרר. אפילו פעוט יודע שהעט יתהפך, הוא מציין, אבל אף אדם לא ינסה לחזות את הכיוון המדויק שהוא נופל, כי התוצאה הזו באמת לא בטוחה. LLM, לעומת זאת, ינסה ליצור חיזוי בודד המבוסס על דפוסים בנתוני האימון שלו. תחזית זו תהיה כמעט בוודאות שגויה, מכיוון שהמודל אינו מנמק את המצב הפיזי; זה מייצר מה שנראה סביר מבחינה סטטיסטית.
"LLMs הן במידה רבה חסרות סיכוי לרובוטיקה," אמר לקון בבוטות. "הטענות שאיכשהו רק על ידי הגדלת ה-LLMs, אנחנו הולכים להגיע לאינטליגנציה סופר אנושית, זה פשוט לא יקרה."
איך JEPA עובד
הארכיטקטורה שמפתחת AMI Labs נקראת Joint Embedding Predictive Architecture (JEPA). במקום לחזות את המילה או הפיקסל הבא, JEPA יוצר הפשטות של העולם האמיתי המאפשרות לו לשקול את התוצאות האפשריות של פעולה.
בניית ההפשטות הללו כרוכה במתמטיקה מורכבת, אבל העיקרון הוא פשוט: המודל מסנן פרטים חסרי תועלת, ומשאיר רק ייצוגים שימושיים של העולם. בדוגמה בעט, מערכת מבוססת JEPA תבין שחיזוי הכיוון המדויק של הנפילה הוא חסר טעם, ובמקום זאת תייצג את המצב ברמת ההפשטה שחשובה למעשה לקבלת החלטות.
הגישה ממקמת את AMI Labs בתוך תנועה הולכת וגדלה סביב מה שנקרא מודלים עולמיים, שמטרתם לתת למערכות בינה מלאכותית הדמיה פנימית של האופן שבו סביבות מתנהגות, כך שיוכלו לתכנן ולפעול במקום רק ליצור טקסט.
תחום תחרותי
המשקיעים מהמרים שלקון על משהו. מוקדם יותר ב-2026, AMI Labs הודיעה שגייסה יותר ממיליארד דולר (760 מיליון ליש"ט) בסבב גיוס ראשוני, עם התומכים בהם ענקית השבבים האמריקאית Nvidia והקרן המנהלת את העושר הפרטי של מייסד אמזון ג'ף בזוס. זה היה אחד מסבבי ה-Seed הגדולים בתולדות הסטארט-אפים האירופיים.
AMI Labs רחוקה מלהיות לבד במירוץ. באוניברסיטת אוקספורד, פרופסור אינגמר פוזנר מנהל את מעבדת הבינה המלאכותית היישומית ומוביל צוות של כעשרה אנשים שבילה ארבע שנים בגישה אלטרנטיבית שהוא מכנה "מודל עולם מכניסטי", המבנה ידע כך שה-AI יוכל לזכור, לשלב ולשנות אותו ביעילות.
"הדעה שלי היא שהעשור הבא באמת יעסוק במערכות שיכולות להסביר", אמר פוזנר ל-BBC. "אתה צריך מודלים שיכולים לענות על שאלות כמו: מה חשוב? מה גורם למה? מה היה קורה אם הייתי עושה משהו אחר?"
השושלת הזו חוזרת למאמר רב השפעה משנת 2018 מאת דיוויד הא ויורגן שמידהובר, שטענו שהתקדמות בתחום למידת המחשוב והמכונה יכולה לאפשר לבינה מלאכותית ללמוד משימות אך ורק מסימולציה מחשבתית נלמדת של העולם. הרעיון זירז מאז מחקר משמעותי, כולל מודל העולם Dreamer של גוגל, שגרסה שלו לימדה את עצמה לאסוף יהלומים במיינקראפט על ידי דימיון תרחישים עתידיים. DeepMind של Alphabet ממשיכה את העבודה עם מודל Genie שלה, ל-Wayve הלונדונית יש מערכת בשם Gaia, וחלוצת הבינה המלאכותית Fei-Fei Li הקימה את World Labs בסן פרנסיסקו ב-2023 כדי לרדוף אחרי יעדים דומים.
ציווי הרובוטיקה
הדחיפה לעבר מודלים עולמיים מונעת בחלקה הגדול על ידי תעשיית הרובוטיקה, שהזרימה מיליארדי דולרים לרובוטים דמויי אדם שהישגיהם הפיזיים הולכים ומרשימים מדי שנה. אבל אימון המכונות האלה לבצע בבטחה משימות ביתיות כמו גיהוץ או העמסת מדיח כלים נשאר קשה ויקר, ולקון מתעקש שדגמי הבינה המלאכותית הנוכחית לעולם לא יהיו טובים מספיק עבור הסביבה הזו.
LeCun אמר כי AMI Labs תבלה את שארית 2026 בשכלול המודל שלה ומקווה להתחיל לפרוס אותו במסגרות תעשייתיות ב-2027. אם זה יתברר כמוצלח, השאיפות מתרחבות במידה ניכרת.
"בסופו של דבר יהיו לנו מעין מערכות מודיעין כלליות שניתן ליישם כמעט על כל דבר בעולם עם אימון מינימלי או כוונון עדין", אמר.
באשר למה שעובר על בני אדם בעתיד הזה, לקון הוא מרגש. אנשים עדיין יחליטו מה לבנות ואילו שאלות לשאול, הוא אמר, בעוד שה-AI עובד כסגן מוכשר.
"האינטראקציה שלנו עם מערכות AI עתידיות, גם אם הן חכמות מאיתנו, הולכת להיות כמו האינטראקציה בין קפטן התעשייה או מנהיג פוליטי עם צוות העוזרים שלהם, שרבים מהם חכמים מהם".
הישאר לפני AI
המעבר ממודלים של שפה למודלים עולמיים יכול לשרטט מחדש את המפה התחרותית של בינה מלאכותית. עקבו אחר הפיתוחי הבינה המלאכותית האחרונים תוך כדי התפתחותם.
קרא עוד חדשות AI →
