டூரிங் விருது வென்ற Yann LeCun, இன்றைய மிகவும் பிரபலமான AI அமைப்புகள் உண்மையான அறிவார்ந்த இயந்திரங்களுக்கான பாதை அல்ல என்கிறார். அவரது பாரிஸை தளமாகக் கொண்ட தொடக்கமான மேம்பட்ட இயந்திர நுண்ணறிவு ஆய்வகங்களில் (AMI Labs), முன்னாள் மெட்டா தலைமை AI விஞ்ஞானி, ஒரு எலி அல்லது குறுநடை போடும் குழந்தையால் இயற்பியல் உலகத்தைப் புரிந்துகொள்ளும் வகையில் அடிப்படையில் வேறுபட்ட மாதிரியை உருவாக்கி வருகிறார்.

பாரிஸில் நடந்த விவாடெக் மாநாட்டின் ஓரத்தில் பிபிசியிடம் பேசிய LeCun, ChatGPT, Claude மற்றும் Gemini போன்ற பெரிய மொழி மாதிரிகள் உண்மையான பயன்பாடுகளைக் கொண்டுள்ளன, ஆனால் கடினமான உச்சவரம்பு என்று வாதிட்டார். இந்த வரம்புகளைப் பற்றி ஆராய்ச்சியாளர்கள் மற்றும் முதலீட்டாளர்கள் எவ்வாறு சிந்திக்கிறார்கள் என்பதை வடிவமைக்கும் AI தொழில்துறை கவரேஜ் பற்றி மேலும் அறிய, LLM சகாப்தத்திற்குப் பிறகு என்ன வருகிறது என்பது குறித்த பரந்த விவாதம் இந்த துறையில் மிக முக்கியமான கேள்விகளில் ஒன்றாக மாறியுள்ளது.

"எலியைப் போல இயற்பியல் உலகைப் புரிந்துகொள்வதில் ஏறக்குறைய சிறந்த ரோபோக்கள் எங்களிடம் இல்லை" என்று LeCun கூறினார். ஃபேஸ்புக்-உரிமையாளரான மெட்டாவை அதன் தலைமை AI விஞ்ஞானியாக ஒரு தசாப்தத்திற்குப் பிறகு 2025 இல் விட்டுவிட்டு, மாற்றுக் கட்டமைப்பைத் தொடர AMI ஆய்வகங்களை நிறுவினார்.

ஏன் LeCun LLMகள் போதாது என்று கூறுகிறது

குறியீட்டு முறை, கணிதச் சிக்கல்களைத் தீர்ப்பது மற்றும் உரையை உருவாக்குதல் போன்ற நன்கு வரையறுக்கப்பட்ட, யூகிக்கக்கூடிய பணிகளில் LLMகள் சிறந்து விளங்குவதாக LeCun வாதிடுகிறது. ஆனால் அந்த பலங்கள் ஒரு ஆழமான வரம்பை மறைப்பதாக அவர் வாதிடுகிறார்: அமைப்புகள் யதார்த்தத்தைப் பற்றிய காரணத்தைக் காட்டிலும் புள்ளிவிவர வடிவங்களைக் கையாளுகின்றன.

"அவர்கள் அடிப்படையில் அறிவைக் குவிக்கிறார்கள்," என்று அவர் LLM களைப் பற்றி கூறினார். "அவர்கள் எதையாவது திரும்பப் பெறலாம், நீங்கள் அவர்களைத் தூண்டிவிடலாம், ஆனால் அவர்கள் குறிப்பாக புத்திசாலிகள் அல்ல. அவர்களுக்கு அடிப்படையான புரிதல் இல்லை."

இடைவெளியை விளக்க, LeCun ஒரு பேனாவை அதன் முனையில் நிமிர்ந்து சமப்படுத்துகிறது. ஒரு குறுநடை போடும் குழந்தைக்கு கூட பேனா கவிழ்ந்துவிடும் என்று அவர் குறிப்பிடுகிறார், ஆனால் எந்த மனிதனும் அது விழும் திசையை துல்லியமாக கணிக்க முயல மாட்டான், ஏனெனில் அந்த முடிவு உண்மையாகவே நிச்சயமற்றது. ஒரு எல்எல்எம், மாறாக, அதன் பயிற்சித் தரவுகளில் உள்ள வடிவங்களின் அடிப்படையில் ஒரு ஒற்றைக் கணிப்பை உருவாக்க முயற்சிக்கும். அந்த கணிப்பு நிச்சயமாக தவறாக இருக்கும், ஏனென்றால் அந்த மாதிரி உடல் நிலையைப் பற்றி தர்க்கம் செய்யவில்லை; இது புள்ளிவிவர ரீதியாக நம்பத்தகுந்ததாக இருப்பதை உருவாக்குகிறது.

"எல்.எல்.எம்கள் ரோபோட்டிக்ஸ் மீது நம்பிக்கையற்றவை" என்று LeCun அப்பட்டமாக கூறினார். "எல்.எல்.எம்.களை எப்படியாவது அதிகரிப்பதன் மூலம், சூப்பர் மனித நுண்ணறிவை அடையப் போகிறோம், அது நடக்கப்போவதில்லை."

JEPA எப்படி வேலை செய்கிறது

ஏஎம்ஐ ஆய்வகங்கள் உருவாக்கி வரும் கட்டிடக்கலையானது ஜாயின்ட் எம்பெடிங் ப்ரெடிக்டிவ் ஆர்கிடெக்சர் (JEPA) என்று அழைக்கப்படுகிறது. அடுத்த சொல் அல்லது பிக்சலைக் கணிக்காமல், ஒரு செயலின் சாத்தியமான விளைவுகளை எடைபோட அனுமதிக்கும் நிஜ உலகின் சுருக்கங்களை JEPA உருவாக்குகிறது.

அந்த சுருக்கங்களை உருவாக்குவது சிக்கலான கணிதத்தை உள்ளடக்கியது, ஆனால் கொள்கை நேரடியானது: மாதிரியானது பயனற்ற விவரங்களை வடிகட்டி, உலகின் பயனுள்ள பிரதிநிதித்துவங்களை மட்டுமே விட்டுச்செல்கிறது. பேனா எடுத்துக்காட்டில், வீழ்ச்சியின் துல்லியமான திசையை கணிப்பது அர்த்தமற்றது என்பதை JEPA-அடிப்படையிலான அமைப்பு புரிந்து கொள்ளும், மேலும் முடிவெடுப்பதற்கு உண்மையில் முக்கியத்துவம் வாய்ந்த சுருக்கத்தின் மட்டத்தில் நிலைமையை பிரதிபலிக்கும்.

அணுகுமுறையானது, உலக மாதிரிகள் என்று அழைக்கப்படுவதைச் சுற்றி வளர்ந்து வரும் இயக்கத்திற்குள் AMI ஆய்வகங்களை வைக்கிறது, இது AI அமைப்புகளுக்கு சூழல்கள் எவ்வாறு செயல்படுகின்றன என்பதற்கான உள் உருவகப்படுத்துதலை வழங்குவதை நோக்கமாகக் கொண்டுள்ளது, எனவே அவை வெறுமனே உரையை உருவாக்குவதை விட திட்டமிட்டு செயல்பட முடியும்.

ஒரு போட்டிக் களம்

முதலீட்டாளர்கள் LeCun ஏதோ ஒன்றில் பந்தயம் கட்டுகின்றனர். முன்னதாக 2026 ஆம் ஆண்டில், அமெரிக்க சிப் நிறுவனமான என்விடியா மற்றும் அமேசான் நிறுவனர் ஜெஃப் பெசோஸின் தனிப்பட்ட செல்வத்தை நிர்வகிக்கும் நிதி உள்ளிட்ட ஆதரவாளர்களுடன், விதை நிதி சுற்றில் $1 பில்லியன் (760 மில்லியன் பவுண்டுகள்) திரட்டியதாக AMI லேப்ஸ் அறிவித்தது. ஐரோப்பிய தொடக்க வரலாற்றில் இது மிகப்பெரிய விதை சுற்றுகளில் ஒன்றாகும்.

ஏஎம்ஐ லேப்ஸ் பந்தயத்தில் தனியாக இல்லை. ஆக்ஸ்போர்டு பல்கலைக்கழகத்தில், பேராசிரியர் இங்மார் போஸ்னர், அப்ளைடு AI ஆய்வகத்தை இயக்குகிறார், மேலும் ஒரு மாற்று அணுகுமுறையில் நான்கு ஆண்டுகள் செலவழித்த சுமார் பத்து நபர்களைக் கொண்ட குழுவை வழிநடத்துகிறார், அவர் ஒரு "இயந்திர உலக மாதிரி" என்று அழைக்கிறார், இது அறிவைக் கட்டமைக்கிறது, இதனால் AI அதை திறம்பட நினைவுபடுத்தவும், ஒன்றிணைக்கவும் மற்றும் மாற்றவும் முடியும்.

"எனது கருத்து என்னவென்றால், அடுத்த தசாப்தம் உண்மையில் விளக்கக்கூடிய அமைப்புகளைப் பற்றியதாக இருக்கும்" என்று போஸ்னர் பிபிசியிடம் கூறினார். "இது போன்ற கேள்விகளுக்கு பதிலளிக்கக்கூடிய மாதிரிகள் உங்களுக்குத் தேவை: எது முக்கியம்? எதனால் ஏற்படுகிறது? நான் வேறு ஏதாவது செய்தால் என்ன நடக்கும்?"

அந்த பரம்பரையானது டேவிட் ஹா மற்றும் ஜூர்கன் ஷ்மிதுபர் ஆகியோரின் செல்வாக்கு மிக்க 2018 பேப்பரைப் பின்தொடர்கிறது, இது கம்ப்யூட் மற்றும் மெஷின் லேர்னிங்கில் உள்ள முன்னேற்றங்கள், உலகின் கற்றறிந்த மன உருவகப்படுத்துதலில் இருந்து முற்றிலும் பணிகளைக் கற்றுக்கொள்ள AI ஐ அனுமதிக்கும் என்று வாதிட்டது. இந்த யோசனை கூகிளின் ட்ரீமர் வேர்ல்ட் மாடல் உட்பட குறிப்பிடத்தக்க ஆராய்ச்சியை ஊக்குவித்துள்ளது, இதன் மாறுபாடு எதிர்கால காட்சிகளை கற்பனை செய்து Minecraft இல் வைரங்களை சேகரிக்க கற்றுக்கொண்டது. Alphabet's DeepMind அதன் Genie மாடலுடன் பணியைத் தொடர்கிறது, லண்டனை தளமாகக் கொண்ட Wayve ஆனது Gaia என்ற அமைப்பைக் கொண்டுள்ளது, மேலும் AI முன்னோடியான Fei-Fei Li 2023 ஆம் ஆண்டில் சான் பிரான்சிஸ்கோவில் உலக ஆய்வகங்களை இதேபோன்ற இலக்குகளைத் தொடர நிறுவினார்.

ரோபாட்டிக்ஸ் கட்டாயம்

உலக மாதிரிகளை நோக்கிய உந்துதல் ரோபாட்டிக்ஸ் துறையால் பெருமளவில் இயக்கப்படுகிறது, இது மனித உருவ ரோபோக்களுக்கு பில்லியன் கணக்கான டாலர்களை ஊற்றியுள்ளது, அதன் உடல் சாதனைகள் ஒவ்வொரு ஆண்டும் மிகவும் ஈர்க்கக்கூடியதாக வளரும். ஆனால் டிஷ்வாஷரை அயர்னிங் செய்வது அல்லது ஏற்றுவது போன்ற வீட்டுப் பணிகளைப் பாதுகாப்பாகச் செய்ய அந்த இயந்திரங்களைப் பயிற்றுவிப்பது கடினமாகவும் விலை உயர்ந்ததாகவும் இருக்கிறது, மேலும் தற்போதைய AI மாதிரிகள் அந்தச் சூழலுக்குப் போதுமானதாக இருக்காது என்று LeCun வலியுறுத்துகிறது.

2026 ஆம் ஆண்டின் எஞ்சிய காலத்தை AMI லேப்ஸ் அதன் மாடலைச் செம்மைப்படுத்துவதாகவும், 2027 ஆம் ஆண்டில் தொழில்துறை அமைப்புகளில் இதைப் பயன்படுத்தத் தொடங்கும் என்று நம்புவதாகவும் LeCun கூறியது. அது வெற்றிகரமாக நிரூபிக்கப்பட்டால், லட்சியங்கள் கணிசமாக விரிவடையும்.

"இறுதியில், குறைந்த பயிற்சி அல்லது சிறந்த ட்யூனிங் மூலம் உலகில் உள்ள எதற்கும் பயன்படுத்தக்கூடிய பொதுவான பொதுவான நுண்ணறிவு அமைப்புகளை நாங்கள் பெறுவோம்," என்று அவர் கூறினார்.

அந்த எதிர்காலத்தில் மனிதர்கள் என்னவாகிறார்கள் என்பதைப் பொறுத்தவரை, LeCun துக்கமாக இருக்கிறது. AI ஒரு திறமையான துணைவராக வேலை செய்யும் போது, ​​எதை உருவாக்க வேண்டும், எந்த கேள்விகளைக் கேட்க வேண்டும் என்பதை மக்கள் இன்னும் முடிவு செய்வார்கள்.

"எதிர்கால AI அமைப்புகளுடனான நமது தொடர்பு, அவர்கள் நம்மை விட புத்திசாலியாக இருந்தாலும் கூட, தொழில்துறையின் தலைவர் அல்லது ஒரு அரசியல் தலைவர் அவர்களின் உதவியாளர் ஊழியர்களுடன் தொடர்புகொள்வது போல இருக்கும், அவர்களில் பலர் அவர்களை விட புத்திசாலிகள்."

AIக்கு முன்னால் இருங்கள்

மொழி மாதிரிகளிலிருந்து உலக மாதிரிகளுக்கு மாறுவது செயற்கை நுண்ணறிவின் போட்டி வரைபடத்தை மீண்டும் வரையலாம். சமீபத்திய AI மேம்பாடுகள் அவை வெளிவரும்போது அவற்றைப் பின்தொடரவும்.

மேலும் AI செய்திகளைப் படிக்கவும் →