អ្នកឈ្នះពានរង្វាន់ Turing Award លោក Yann LeCun និយាយថា ប្រព័ន្ធ AI ដ៏ល្បីល្បាញបំផុតនាពេលបច្ចុប្បន្ននេះ មិនមែនជាផ្លូវទៅកាន់ម៉ាស៊ីនឆ្លាតវៃពិតប្រាកដនោះទេ។ នៅឯការចាប់ផ្ដើមអាជីវកម្មដែលមានមូលដ្ឋាននៅទីក្រុងប៉ារីសរបស់គាត់ Advanced Machine Intelligence Labs (AMI Labs) អតីតប្រធាន Meta អ្នកវិទ្យាសាស្ត្រ AI កំពុងបង្កើតគំរូផ្សេងគ្នាជាមូលដ្ឋានដែលត្រូវបានរចនាឡើងដើម្បីយល់ពីពិភពរូបវន្តតាមរបៀបដែលកណ្តុរ ឬក្មេងទើបចេះដើរតេះតះ។

ថ្លែងទៅកាន់ BBC នៅក្រៅសន្និសីទ VivaTech នៅទីក្រុងប៉ារីស លោក LeCun បានអះអាងថា គំរូភាសាធំៗដូចជា ChatGPT, Claude និង Gemini មានការប្រើប្រាស់ពិតប្រាកដ ប៉ុន្តែមានពិដានរឹង។ សម្រាប់ព័ត៌មានបន្ថែមអំពី ការគ្របដណ្តប់ឧស្សាហកម្ម AI បង្ហាញពីរបៀបដែលអ្នកស្រាវជ្រាវ និងអ្នកវិនិយោគគិតអំពីដែនកំណត់ទាំងនេះ ការពិភាក្សាកាន់តែទូលំទូលាយអំពីអ្វីដែលកើតឡើងបន្ទាប់ពីសម័យ LLM បានក្លាយជាសំណួរមួយក្នុងចំណោមសំណួរដែលជាប់ពាក់ព័ន្ធបំផុតនៅក្នុងវិស័យនេះ។

LeCun បាននិយាយថា "យើងមិនមានមនុស្សយន្តដែលស្ទើរតែល្អក្នុងការយល់ដឹងអំពីពិភពរូបវ័ន្តដូចសត្វកណ្តុរនោះទេ" ។ គាត់បានចាកចេញពី Facebook ដែលជាម្ចាស់ Meta ក្នុងឆ្នាំ 2025 បន្ទាប់ពីមួយទសវត្សរ៍ក្នុងនាមជាប្រធានអ្នកវិទ្យាសាស្ត្រ AI និងបានបង្កើត AMI Labs ដើម្បីបន្តស្ថាបត្យកម្មជំនួស។

ហេតុអ្វីបានជា LeCun និយាយថា LLMs មិនគ្រប់គ្រាន់

LeCun អះអាង​ថា LLMs ពូកែ​ក្នុង​កិច្ចការ​ដែល​អាច​ទស្សន៍ទាយ​បាន​ច្បាស់លាស់​ដូច​ជា​ការ​សរសេរ​កូដ ការ​ដោះស្រាយ​បញ្ហា​គណិតវិទ្យា និង​បង្កើត​អត្ថបទ។ ប៉ុន្តែលោកអះអាងថា ភាពខ្លាំងទាំងនោះបានបិទបាំងដែនកំណត់ដ៏ស៊ីជម្រៅមួយ៖ ប្រព័ន្ធគ្រប់គ្រងគំរូស្ថិតិជាជាងហេតុផលអំពីការពិត។

គាត់បាននិយាយថា "ពួកគេជាមូលដ្ឋានគ្រាន់តែប្រមូលចំណេះដឹង" គាត់បាននិយាយអំពី LLMs ។ "ពួកគេ​អាច​បន្ទោបង់​បាន​អ្វីមួយ អ្នក​បង្ហាត់​ពួកគេ​ឱ្យ​សះស្បើយ ប៉ុន្តែ​ពួកគេ​មិន​សូវ​ឆ្លាត។ ពួកគេ​មិនមាន​ការយល់ដឹង​ពីមូលដ្ឋាន"។

ដើម្បីបង្ហាញពីគម្លាតនេះ LeCun ធ្វើឱ្យមានតុល្យភាពប៊ិចបញ្ឈរនៅលើចុងរបស់វា ហើយអនុញ្ញាតឱ្យទៅ។ សូម្បីតែក្មេងទើបចេះដើរតេះតះដឹងថា ប៊ិចនឹងដួល ក៏គាត់កត់សម្គាល់ដែរ ប៉ុន្តែគ្មានមនុស្សណាម្នាក់ព្យាយាមទស្សន៍ទាយទិសដៅពិតប្រាកដដែលវាធ្លាក់នោះទេ ព្រោះលទ្ធផលនោះមិនប្រាកដប្រជា។ ផ្ទុយទៅវិញ LLM នឹងព្យាយាមបង្កើតការព្យាករណ៍តែមួយដោយផ្អែកលើគំរូនៅក្នុងទិន្នន័យបណ្តុះបណ្តាលរបស់វា។ ការទស្សន៍ទាយនោះស្ទើរតែប្រាកដជាខុស ពីព្រោះគំរូមិនសមហេតុផលអំពីស្ថានភាពរាងកាយ។ វា​កំពុង​ផលិត​នូវ​អ្វី​ដែល​មើល​ទៅ​ទំនង​ជា​ស្ថិតិ។

LeCun បាននិយាយដោយត្រង់ៗថា "LLMs ភាគច្រើនអស់សង្ឃឹមសម្រាប់មនុស្សយន្ត"។ "ការអះអាងដែលថាដោយគ្រាន់តែធ្វើមាត្រដ្ឋាន LLMs យើងនឹងឈានដល់ភាពវៃឆ្លាតរបស់មនុស្សដ៏អស្ចារ្យ វានឹងមិនកើតឡើងនោះទេ។"

របៀបដែល JEPA ដំណើរការ

ស្ថាបត្យកម្ម AMI Labs កំពុងអភិវឌ្ឍត្រូវបានគេហៅថា Joint Embedding Predictive Architecture (JEPA)។ ជាជាងការទស្សន៍ទាយពាក្យបន្ទាប់ ឬភីកសែល JEPA បង្កើតអរូបីនៃពិភពពិត ដែលអនុញ្ញាតឱ្យវាថ្លឹងថ្លែងពីលទ្ធផលដែលអាចកើតមាននៃសកម្មភាពមួយ។

ការកសាងអរូបីទាំងនោះពាក់ព័ន្ធនឹងគណិតវិទ្យាដ៏ស្មុគស្មាញ ប៉ុន្តែគោលការណ៍គឺត្រង់៖ គំរូនេះច្រោះព័ត៌មានលម្អិតដែលគ្មានប្រយោជន៍ ដោយបន្សល់ទុកតែតំណាងដ៏មានប្រយោជន៍នៃពិភពលោកប៉ុណ្ណោះ។ នៅក្នុងឧទាហរណ៍ប៊ិច ប្រព័ន្ធដែលមានមូលដ្ឋានលើ JEPA នឹងយល់ថាការទស្សន៍ទាយទិសដៅច្បាស់លាស់នៃការដួលរលំគឺគ្មានន័យអ្វីទាំងអស់ ហើយជំនួសមកវិញនូវស្ថានភាពនៅកម្រិតនៃភាពអរូបី ដែលពិតជាមានសារៈសំខាន់សម្រាប់ការសម្រេចចិត្ត។

វិធីសាស្រ្តនេះដាក់ AMI Labs នៅក្នុងចលនាដែលកំពុងរីកចម្រើនជុំវិញអ្វីដែលហៅថាគំរូពិភពលោក ដែលមានបំណងផ្តល់ឱ្យប្រព័ន្ធ AI នូវការក្លែងធ្វើខាងក្នុងនៃរបៀបដែលបរិស្ថានប្រព្រឹត្ត ដូច្នេះពួកគេអាចរៀបចំផែនការ និងធ្វើសកម្មភាពជាជាងគ្រាន់តែបង្កើតអត្ថបទ។

វាលប្រកួតប្រជែង

វិនិយោគិនកំពុងភ្នាល់ថា LeCun គឺនៅលើអ្វីមួយ។ នៅដើមឆ្នាំ 2026 ក្រុមហ៊ុន AMI Labs បានប្រកាសថាខ្លួនបានរៃអង្គាសប្រាក់បានជាង 1 ពាន់លានដុល្លារ (760 លានដុល្លារ) នៅក្នុងជុំផ្តល់មូលនិធិដោយមានអ្នកគាំទ្ររួមមានបន្ទះឈីបយក្សរបស់អាមេរិក Nvidia និងមូលនិធិដែលគ្រប់គ្រងទ្រព្យសម្បត្តិឯកជនរបស់ស្ថាបនិក Amazon លោក Jeff Bezos ។ វា​គឺ​ជា​ការ​បង្កាត់​គ្រាប់​ដ៏​ធំ​បំផុត​មួយ​ក្នុង​ប្រវត្តិសាស្ត្រ​ការ​ចាប់​ផ្តើម​អាជីវកម្ម​នៅ​អឺរ៉ុប។

AMI Labs គឺនៅឆ្ងាយពីតែម្នាក់ឯងក្នុងការប្រណាំង។ នៅសាកលវិទ្យាល័យ Oxford សាស្ត្រាចារ្យ Ingmar Posner ដឹកនាំ Applied AI Lab ហើយកំពុងដឹកនាំក្រុមមនុស្សប្រហែលដប់នាក់ដែលបានចំណាយពេល 4 ឆ្នាំលើវិធីសាស្រ្តជំនួសដែលគាត់ហៅថា "គំរូពិភពលោកមេកានិច" ដែលរៀបចំរចនាសម្ព័ន្ធចំណេះដឹង ដូច្នេះ AI អាចរំលឹក បញ្ចូលគ្នា និងកែប្រែវាប្រកបដោយប្រសិទ្ធភាព។

Posner បានប្រាប់ BBC ថា "ទស្សនៈរបស់ខ្ញុំគឺថាទសវត្សរ៍ក្រោយពិតជានឹងនិយាយអំពីប្រព័ន្ធដែលអាចពន្យល់បាន" ។ "អ្នកត្រូវការគំរូដែលអាចឆ្លើយសំណួរដូចជា៖ តើអ្វីជាបញ្ហា? តើអ្វីបណ្តាលឱ្យអ្វី? តើនឹងមានអ្វីកើតឡើងប្រសិនបើខ្ញុំធ្វើអ្វីផ្សេងទៀត?"

ពូជពង្សនោះបានតាមដានក្រដាសឆ្នាំ 2018 ដ៏មានឥទ្ធិពលមួយដោយ David Ha និង Jürgen Schmidhuber ដែលបានប្រកែកថាភាពជឿនលឿនក្នុងការគណនា និងការរៀនម៉ាស៊ីនអាចអនុញ្ញាតឱ្យ AI រៀនកិច្ចការសុទ្ធសាធពីការក្លែងធ្វើផ្លូវចិត្តដែលបានរៀនពីពិភពលោក។ ចាប់តាំងពីពេលនោះមក គំនិតនេះបានជំរុញការស្រាវជ្រាវសំខាន់ៗ រួមទាំងគំរូពិភពលោក Dreamer របស់ Google ដែលជាជម្រើសដែលបង្រៀនខ្លួនវាឱ្យប្រមូលត្បូងពេជ្រនៅក្នុង Minecraft ដោយស្រមៃមើលស្ថានភាពនាពេលអនាគត។ DeepMind របស់ Alphabet បន្តការងារជាមួយម៉ូដែល Genie របស់ខ្លួន Wayve ដែលមានមូលដ្ឋាននៅទីក្រុងឡុងដ៍មានប្រព័ន្ធមួយហៅថា Gaia ហើយអ្នកត្រួសត្រាយ AI Fei-Fei Li បានបង្កើតមន្ទីរពិសោធន៍ពិភពលោកនៅសាន់ហ្វ្រាន់ស៊ីស្កូក្នុងឆ្នាំ 2023 ដើម្បីបន្តគោលដៅស្រដៀងគ្នា។

ការចាំបាច់របស់មនុស្សយន្ត

ការជំរុញឆ្ពោះទៅរកម៉ូដែលពិភពលោកកំពុងត្រូវបានជំរុញមួយផ្នែកធំដោយឧស្សាហកម្មមនុស្សយន្ត ដែលបានចំណាយប្រាក់រាប់ពាន់លានដុល្លារទៅក្នុងមនុស្សយន្តដែលមានសមត្ថភាពរាងកាយកាន់តែគួរឱ្យចាប់អារម្មណ៍ជារៀងរាល់ឆ្នាំ។ ប៉ុន្តែការបណ្ដុះបណ្ដាលម៉ាស៊ីនទាំងនោះឱ្យធ្វើការងារផ្ទះដោយសុវត្ថិភាព ដូចជាការដែក ឬដាក់ម៉ាស៊ីនលាងចាន នៅតែពិបាក និងមានតម្លៃថ្លៃ ហើយ LeCun ទទូចថា ម៉ូដែល AI បច្ចុប្បន្ននឹងមិនល្អគ្រប់គ្រាន់សម្រាប់បរិស្ថាននោះទេ។

LeCun បាននិយាយថា AMI Labs នឹងចំណាយពេលនៅសល់នៃឆ្នាំ 2026 ដើម្បីកែលម្អគំរូរបស់ខ្លួន ហើយសង្ឃឹមថានឹងចាប់ផ្តើមដាក់ពង្រាយវានៅក្នុងកន្លែងឧស្សាហកម្មនៅឆ្នាំ 2027។ ប្រសិនបើនោះបង្ហាញឱ្យឃើញពីភាពជោគជ័យ មហិច្ឆតានឹងពង្រីកយ៉ាងខ្លាំង។

គាត់បាននិយាយថា "នៅទីបំផុតតាមខ្សែបន្ទាត់ យើងនឹងមានប្រព័ន្ធស៊ើបការណ៍ទូទៅទូទៅ ដែលអាចអនុវត្តបានចំពោះអ្វីៗទាំងអស់នៅក្នុងពិភពលោក ជាមួយនឹងការបណ្តុះបណ្តាលតិចតួចបំផុត ឬការលៃតម្រូវបានល្អ" ។

ចំពោះ​អ្វី​ដែល​ក្លាយ​ទៅ​ជា​មនុស្ស​នៅ​ពេល​អនាគត​នោះ LeCun គឺ​ជា sanguine ។ លោកបាននិយាយថា មនុស្សនឹងនៅតែសម្រេចចិត្តថាតើត្រូវសាងសង់អ្វី និងសំណួរដែលត្រូវសួរ ខណៈដែល AI ធ្វើការជាអនុប្រធានដែលមានសមត្ថភាព។

"អន្តរកម្មរបស់យើងជាមួយប្រព័ន្ធ AI នាពេលអនាគត ទោះបីជាពួកគេឆ្លាតជាងយើងក៏ដោយ ក៏នឹងដូចជាអន្តរកម្មរវាងប្រធានផ្នែកឧស្សាហកម្ម ឬអ្នកដឹកនាំនយោបាយជាមួយបុគ្គលិកជំនួយការ ដែលភាគច្រើនឆ្លាតជាងពួកគេ"។

នាំមុខ AI

ការផ្លាស់ប្តូរពីគំរូភាសាទៅជាគំរូពិភពលោកអាចគូរឡើងវិញនូវផែនទីប្រកួតប្រជែងនៃបញ្ញាសិប្បនិម្មិត។ អនុវត្តតាម [ការអភិវឌ្ឍន៍ AI ចុងក្រោយបំផុត] (https://aibuzzwire.news) នៅពេលពួកគេលាតត្រដាង។

អានព័ត៌មាន AI បន្ថែម →