Yann LeCun ผู้ชนะรางวัลทัวริงกล่าวว่าระบบ AI ที่โด่งดังที่สุดในปัจจุบันไม่ใช่เส้นทางสู่เครื่องจักรอัจฉริยะอย่างแท้จริง ในการเริ่มต้นที่ปารีส Advanced Machine Intelligence Labs (AMI Labs) อดีตนักวิทยาศาสตร์ AI หัวหน้า Meta กำลังสร้างแบบจำลองที่แตกต่างกันโดยพื้นฐานซึ่งออกแบบมาเพื่อทำความเข้าใจโลกทางกายภาพในแบบที่หนูหรือเด็กวัยหัดเดินสามารถทำได้

LeCun ให้สัมภาษณ์กับ BBC นอกรอบการประชุม VivaTech ที่ปารีส โดยแย้งว่าโมเดลภาษาขนาดใหญ่ เช่น ChatGPT, Claude และ Gemini มีประโยชน์จริงแต่มีเพดานแข็ง หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับ ความครอบคลุมของอุตสาหกรรม AI ซึ่งกำหนดวิธีที่นักวิจัยและนักลงทุนคิดเกี่ยวกับขีดจำกัดเหล่านี้ การถกเถียงในวงกว้างเกี่ยวกับสิ่งที่เกิดขึ้นหลังยุค LLM ได้กลายเป็นหนึ่งในคำถามที่เป็นผลสืบเนื่องมากที่สุดในสาขานี้

“เราไม่มีหุ่นยนต์ที่เกือบจะเข้าใจโลกทางกายภาพได้ดีเท่ากับหนู” LeCun กล่าว เขาออกจาก Meta ที่เป็นเจ้าของ Facebook ในปี 2025 หลังจากผ่านไปหนึ่งทศวรรษในตำแหน่งหัวหน้านักวิทยาศาสตร์ AI และก่อตั้ง AMI Labs เพื่อดำเนินตามสถาปัตยกรรมทางเลือก

ทำไม LeCun ถึงบอกว่า LLM ยังไม่เพียงพอ

LeCun ยืนยันว่า LLM เป็นเลิศในงานที่มีการกำหนดไว้ชัดเจนและคาดเดาได้ เช่น การเขียนโค้ด การแก้ปัญหาทางคณิตศาสตร์ และการสร้างข้อความ แต่เขาแย้งว่าจุดแข็งเหล่านั้นปิดบังข้อจำกัดที่ลึกกว่า: ระบบบิดเบือนรูปแบบทางสถิติมากกว่าการใช้เหตุผลเกี่ยวกับความเป็นจริง

“โดยพื้นฐานแล้วพวกเขาแค่สะสมความรู้” เขากล่าวเกี่ยวกับ LLM “พวกเขาสามารถสำรอกบางสิ่งบางอย่าง คุณฝึกให้พวกเขาสำรอก แต่พวกเขาไม่ได้ฉลาดเป็นพิเศษ พวกเขาไม่มีความเข้าใจที่ซ่อนอยู่”

เพื่อแสดงให้เห็นช่องว่าง LeCun วางปากกาให้ตั้งตรงบนปลายแล้วปล่อยไป แม้แต่เด็กเล็กก็รู้ว่าปากกาจะล้ม แต่เขาตั้งข้อสังเกต แต่ไม่มีมนุษย์คนไหนพยายามคาดเดาทิศทางที่แน่ชัดว่าปากกาจะตกลงไป เพราะผลลัพธ์นั้นไม่แน่นอนอย่างแท้จริง ในทางตรงกันข้าม LLM จะพยายามสร้างการคาดการณ์เดียวโดยอิงตามรูปแบบในข้อมูลการฝึก การทำนายนั้นเกือบจะผิดอย่างแน่นอน เพราะแบบจำลองไม่ได้ให้เหตุผลเกี่ยวกับสถานการณ์ทางกายภาพ มันกำลังสร้างสิ่งที่ดูเป็นไปได้ทางสถิติ

“LLM ส่วนใหญ่สิ้นหวังสำหรับหุ่นยนต์” LeCun กล่าวอย่างตรงไปตรงมา “คำกล่าวอ้างที่ว่าเพียงขยาย LLM เราจะเข้าถึงสติปัญญาขั้นสุดยอดของมนุษย์ นั่นจะไม่เกิดขึ้นเลย”

วิธีการทำงานของ JEPA

สถาปัตยกรรม AMI Labs กำลังพัฒนาเรียกว่า Joint Embedding Predictive Architecture (JEPA) แทนที่จะคาดเดาคำหรือพิกเซลถัดไป JEPA จะสร้างนามธรรมของโลกแห่งความเป็นจริงเพื่อให้ชั่งน้ำหนักผลลัพธ์ที่เป็นไปได้ของการกระทำ

การสร้างนามธรรมเหล่านั้นเกี่ยวข้องกับคณิตศาสตร์ที่ซับซ้อน แต่หลักการนั้นตรงไปตรงมา: แบบจำลองจะกรองรายละเอียดที่ไม่มีประโยชน์ออกไป เหลือเพียงการเป็นตัวแทนที่เป็นประโยชน์ของโลกเท่านั้น ในตัวอย่างปากกา ระบบที่ใช้ JEPA จะเข้าใจว่าการทำนายทิศทางการตกที่แม่นยำนั้นไม่มีจุดหมาย และจะแสดงสถานการณ์ในระดับนามธรรมซึ่งมีความสำคัญต่อการตัดสินใจแทน

แนวทางดังกล่าวทำให้ AMI Labs อยู่ในความเคลื่อนไหวที่เพิ่มมากขึ้นเกี่ยวกับสิ่งที่เรียกว่าโมเดลโลก ซึ่งมีจุดมุ่งหมายเพื่อให้ระบบ AI สามารถจำลองภายในว่าสภาพแวดล้อมมีพฤติกรรมอย่างไร เพื่อให้พวกเขาสามารถวางแผนและดำเนินการได้มากกว่าเพียงสร้างข้อความ

สนามการแข่งขัน

นักลงทุนกำลังเดิมพันว่า LeCun กำลังเข้าสู่บางสิ่งบางอย่าง ในช่วงต้นปี 2026 AMI Labs ประกาศว่าระดมทุนได้มากกว่า 1 พันล้านดอลลาร์ (760 ล้านปอนด์) ในรอบการระดมทุนเริ่มต้น โดยมีผู้สนับสนุนรวมถึงชิปยักษ์ใหญ่ของสหรัฐอเมริกา Nvidia และกองทุนที่จัดการความมั่งคั่งส่วนตัวของ Jeff Bezos ผู้ก่อตั้ง Amazon ถือเป็นการระดมทุนรอบ Seed Round ครั้งใหญ่ที่สุดครั้งหนึ่งในประวัติศาสตร์สตาร์ทอัพในยุโรป

AMI Labs อยู่ห่างไกลจากความโดดเดี่ยวในการแข่งขัน ที่มหาวิทยาลัยอ็อกซ์ฟอร์ด ศาสตราจารย์อิงมาร์ พอสเนอร์เป็นผู้กำกับ Applied AI Lab และเป็นผู้นำทีมงานประมาณ 10 คนซึ่งใช้เวลาสี่ปีในแนวทางอื่นที่เขาเรียกว่า "แบบจำลองโลกกลไก" ซึ่งจัดโครงสร้างความรู้เพื่อให้ AI สามารถจดจำ ผสมผสาน และแก้ไขได้อย่างมีประสิทธิภาพ

“มุมมองของผมคือทศวรรษหน้าจะเป็นเรื่องเกี่ยวกับระบบที่สามารถอธิบายได้จริงๆ” พอสเนอร์บอกกับบีบีซี "คุณต้องการโมเดลที่สามารถตอบคำถามต่างๆ เช่น อะไรสำคัญ อะไรเป็นสาเหตุของอะไร จะเกิดอะไรขึ้นถ้าฉันทำอย่างอื่น"

เชื้อสายดังกล่าวย้อนกลับไปในรายงานที่มีอิทธิพลในปี 2018 โดย David Ha และ Jürgen Schmidhuber ซึ่งแย้งว่าความก้าวหน้าในการเรียนรู้ด้านคอมพิวเตอร์และการเรียนรู้ของเครื่องอาจทำให้ AI เรียนรู้งานจากการจำลองทางจิตที่ได้เรียนรู้ของโลกล้วนๆ แนวคิดนี้ได้กระตุ้นการวิจัยที่สำคัญ ซึ่งรวมถึงแบบจำลองโลก Dreamer ของ Google ซึ่งเป็นรูปแบบที่สอนตัวเองให้รวบรวมเพชรใน Minecraft โดยการจินตนาการถึงสถานการณ์ในอนาคต DeepMind ของ Alphabet ยังคงทำงานร่วมกับโมเดล Genie ต่อไป, Wayve ในลอนดอนมีระบบที่เรียกว่า Gaia และผู้บุกเบิก AI Fei-Fei Li ก่อตั้ง World Labs ในซานฟรานซิสโกในปี 2023 เพื่อบรรลุเป้าหมายที่คล้ายกัน

ความจำเป็นของหุ่นยนต์

การผลักดันไปสู่โมเดลระดับโลกนั้นได้รับแรงผลักดันจากอุตสาหกรรมหุ่นยนต์เป็นส่วนใหญ่ ซึ่งได้ทุ่มเงินหลายพันล้านดอลลาร์ให้กับหุ่นยนต์ฮิวแมนนอยด์ซึ่งมีผลงานทางกายภาพที่น่าประทับใจมากขึ้นในแต่ละปี แต่การฝึกอบรมเครื่องจักรเหล่านั้นให้ทำงานบ้านได้อย่างปลอดภัย เช่น การรีดผ้าหรือใส่เครื่องล้างจาน ยังคงเป็นเรื่องยากและมีราคาแพง และ LeCun ยืนยันว่าโมเดล AI ในปัจจุบันจะไม่ดีพอสำหรับสภาพแวดล้อมนั้น

LeCun กล่าวว่า AMI Labs จะใช้เวลาที่เหลือของปี 2569 ในการปรับปรุงโมเดลและหวังว่าจะเริ่มปรับใช้ในการตั้งค่าอุตสาหกรรมในปี 2570 หากพิสูจน์ได้ว่าประสบความสำเร็จ ความทะเยอทะยานจะขยายออกไปอย่างมาก

“ท้ายที่สุดแล้ว เราจะมีระบบข่าวกรองทั่วไปที่สามารถนำไปใช้กับทุกสิ่งในโลกด้วยการฝึกอบรมเพียงเล็กน้อยหรือการปรับแต่งอย่างละเอียด” เขากล่าว

สำหรับสิ่งที่จะเกิดขึ้นของมนุษย์ในอนาคตนั้น LeCun นั้นร่าเริง ผู้คนจะยังคงตัดสินใจว่าจะสร้างอะไรและถามคำถามไหน ในขณะที่ AI ทำงานเป็นรองผู้มีอำนาจ

“ปฏิสัมพันธ์ของเรากับระบบ AI ในอนาคต แม้ว่าพวกเขาจะฉลาดกว่าเรา แต่ก็จะเป็นเหมือนกับปฏิสัมพันธ์ระหว่างกัปตันอุตสาหกรรมหรือผู้นำทางการเมืองกับเจ้าหน้าที่ผู้ช่วย ซึ่งหลายคนฉลาดกว่าพวกเขา”

ก้าวนำหน้า AI

การเปลี่ยนจากโมเดลภาษาไปเป็นโมเดลโลกอาจวาดแผนที่การแข่งขันของปัญญาประดิษฐ์ขึ้นมาใหม่ ติดตาม การพัฒนา AI ล่าสุด ที่กำลังเปิดเผย

อ่านข่าว AI เพิ่มเติม →