Лауреат премии Тьюринга Ян ЛеКун говорит, что самые знаменитые сегодня системы искусственного интеллекта — это не путь к по-настоящему интеллектуальным машинам. В своем парижском стартапе Advanced Machine Intelligence Labs (AMI Labs) бывший главный ученый Meta по искусственному интеллекту создает принципиально иную модель, предназначенную для понимания физического мира так, как это могут сделать крыса или малыш.

В беседе с BBC в кулуарах конференции VivaTech в Париже ЛеКун заявил, что большие языковые модели, такие как ChatGPT, Claude и Gemini, имеют реальное применение, но имеют жесткий потолок. Чтобы узнать больше о освещении отрасли искусственного интеллекта, формирующем мнение исследователей и инвесторов об этих ограничениях, более широкие дебаты о том, что произойдет после эпохи LLM, стали одним из наиболее важных вопросов в этой области.

«У нас нет роботов, которые так же хорошо понимают физический мир, как крысы», — сказал ЛеКун. Он покинул компанию Meta, владеющую Facebook, в 2025 году, проработав десять лет в качестве главного ученого в области искусственного интеллекта, и основал AMI Labs для разработки альтернативной архитектуры.

Почему ЛеКун говорит, что степени магистра права недостаточно

ЛеКун утверждает, что студенты LLM превосходно справляются с четко определенными и предсказуемыми задачами, такими как программирование, решение математических задач и генерация текста. Но он утверждает, что эти сильные стороны скрывают более глубокое ограничение: системы манипулируют статистическими закономерностями, а не рассуждают о реальности.

«По сути, они просто накапливают знания», — сказал он о магистратуре. «Они могут что-то изрыгать, вы учите их срыгивать, но они не особенно умны. У них нет глубинного понимания».

Чтобы проиллюстрировать эту разницу, ЛеКун ставит ручку вертикально на кончик и отпускает ее. Он отмечает, что даже малыш знает, что ручка упадет, но ни один человек не попытается предсказать точное направление ее падения, потому что этот результат действительно неопределенен. LLM, напротив, попытается сгенерировать один прогноз на основе шаблонов в своих обучающих данных. Это предсказание почти наверняка будет неверным, поскольку модель не рассуждает о физической ситуации; он производит то, что выглядит статистически правдоподобно.

«Магистр управления правами в значительной степени безнадежен для робототехники», — прямо сказал ЛеКун. «Утверждения о том, что каким-то образом, просто расширяя масштабы LLM, мы собираемся достичь сверхчеловеческого интеллекта, этого просто не произойдет».

Как работает JEPA

Архитектура, которую разрабатывает AMI Labs, называется Joint Embedding Predictive Architecture (JEPA). Вместо того, чтобы предсказывать следующее слово или пиксель, JEPA создает абстракции реального мира, которые позволяют ему взвешивать возможные результаты действия.

Построение этих абстракций требует сложной математики, но принцип прост: модель отфильтровывает ненужные детали, оставляя только полезные представления мира. В примере с ручкой система, основанная на JEPA, поймет, что предсказывать точное направление падения бессмысленно, и вместо этого будет представлять ситуацию на уровне абстракции, который действительно важен для принятия решений.

Такой подход ставит AMI Labs в растущее движение вокруг так называемых моделей мира, целью которых является дать системам ИИ внутреннюю симуляцию поведения окружающей среды, чтобы они могли планировать и действовать, а не просто генерировать текст.

Конкурентное поле

Инвесторы делают ставку на то, что Лекун что-то задумал. Ранее в 2026 году AMI Labs объявила, что привлекла более 1 миллиарда долларов (760 миллионов фунтов стерлингов) в рамках начального раунда финансирования, в число спонсоров которого входили американский гигант чипов Nvidia и фонд, который управляет частным богатством основателя Amazon Джеффа Безоса. Это был один из крупнейших посевных раундов в истории европейских стартапов.

AMI Labs далеко не одинока в этой гонке. В Оксфордском университете профессор Ингмар Познер руководит лабораторией прикладного искусственного интеллекта и возглавляет команду из примерно десяти человек, которая потратила четыре года на альтернативный подход, который он называет «механистической моделью мира», который структурирует знания так, чтобы ИИ мог их эффективно вспоминать, комбинировать и модифицировать.

«Я считаю, что следующее десятилетие действительно будет посвящено системам, способным объяснять», — сказал Познер Би-би-си. «Вам нужны модели, которые могут ответить на такие вопросы, как: Что имеет значение? Что является причиной чего? Что произошло бы, если бы я сделал что-то другое?»

Эта линия восходит к влиятельной статье Дэвида Ха и Юргена Шмидхубера, опубликованной в 2018 году, в которой утверждалось, что достижения в области вычислений и машинного обучения могут позволить ИИ изучать задачи исключительно на основе изученной мысленной симуляции мира. С тех пор эта идея послужила катализатором значительных исследований, в том числе модели мира Dreamer от Google, вариант которой научился собирать алмазы в Minecraft, представляя сценарии будущего. DeepMind от Alphabet продолжает работу над своей моделью Genie, у лондонской Wayve есть система под названием Gaia, а пионер искусственного интеллекта Фей-Фей Ли основал World Labs в Сан-Франциско в 2023 году для достижения тех же целей.

Императив робототехники

Стремление к мировым моделям во многом обусловлено индустрией робототехники, которая вложила миллиарды долларов в роботов-гуманоидов, чьи физические достижения с каждым годом становятся все более впечатляющими. Но обучение этих машин безопасному выполнению домашних задач, таких как глажка или загрузка посудомоечной машины, остается трудным и дорогостоящим, и ЛеКун настаивает, что нынешние модели искусственного интеллекта никогда не будут достаточно хороши для этой среды.

Лекун сказал, что AMI Labs потратит остаток 2026 года на доработку своей модели и надеется начать ее внедрение в промышленных условиях в 2027 году. Если это окажется успешным, амбиции значительно расширятся.

«В конечном итоге у нас будут своего рода общие универсальные интеллектуальные системы, которые можно будет применять практически ко всему в мире с минимальной подготовкой или тонкой настройкой», — сказал он.

Что касается того, что станет с людьми в этом будущем, ЛеКун настроен оптимистично. По его словам, люди по-прежнему будут решать, что строить и какие вопросы задавать, а ИИ работает как способный заместитель.

«Наше взаимодействие с будущими системами искусственного интеллекта, даже если они будут умнее нас, будет похоже на взаимодействие промышленного капитана или политического лидера с их штатом помощников, многие из которых умнее их».

Будьте впереди ИИ

Переход от языковых моделей к моделям мира может перекроить конкурентную карту искусственного интеллекта. Следите за последними разработками в области искусственного интеллекта по мере их развития.

Читать больше новостей об искусственном интеллекте →