Лауреат премії Тюрінга Янн ЛеКун каже, що найвідоміші сучасні системи штучного інтелекту не є шляхом до справді інтелектуальних машин. У своєму паризькому стартапі Advanced Machine Intelligence Labs (AMI Labs) колишній головний науковець Meta зі штучного інтелекту будує принципово іншу модель, призначену для розуміння фізичного світу так, як це можуть зробити щури чи малюки.

Говорячи BBC на полях конференції VivaTech у Парижі, Лекун стверджував, що великі мовні моделі, такі як ChatGPT, Claude і Gemini, мають реальне застосування, але мають жорстку стелю. Щоб дізнатися більше про [висвітлення індустрії штучного інтелекту] (https://aibuzzwire.news), що впливає на те, як дослідники та інвестори думають про ці обмеження, ширша дискусія про те, що буде після ери LLM, стала одним із найважливіших питань у цій галузі.

«У нас немає роботів, які настільки ж добре розуміють фізичний світ, як щури», — сказав ЛеКун. У 2025 році він залишив компанію Meta, власника Facebook, після десяти років роботи головним науковцем зі штучного інтелекту та заснував компанію AMI Labs для розробки альтернативної архітектури.

Чому Лекун каже, що LLM недостатньо

ЛеКун стверджує, що магістратури відмінно справляються з чітко визначеними, передбачуваними завданнями, такими як кодування, вирішення математичних задач і генерування тексту. Але він стверджує, що ці переваги приховують глибше обмеження: системи маніпулюють статистичними моделями, а не розмірковують про реальність.

«Вони просто накопичують знання», — сказав він про магістра. «Вони можуть щось відригувати, ви навчите їх відригувати, але вони не дуже розумні. Вони не мають глибинного розуміння».

Щоб проілюструвати розрив, ЛеКун тримає ручку вертикально на кінчику й відпускає. Він зазначає, що навіть дитина знає, що ручка впаде, але жодна людина не намагатиметься передбачити точний напрямок, у якому вона впаде, тому що результат справді невизначений. Магістр права, навпаки, намагався б створити єдиний прогноз на основі шаблонів у своїх навчальних даних. Це передбачення майже напевно буде неправильним, оскільки модель не міркує про фізичну ситуацію; він виробляє те, що виглядає статистично правдоподібним.

«Програми LLM здебільшого безнадійні для робототехніки», — прямо сказав ЛеКун. «Твердження про те, що якимось чином просто збільшуючи LLMs, ми досягнемо надлюдського інтелекту, цього просто не станеться».

Як працює JEPA

Архітектура, яку розробляє AMI Labs, називається Joint Embedding Predictive Architecture (JEPA). Замість того, щоб передбачати наступне слово чи піксель, JEPA створює абстракції реального світу, які дозволяють зважити можливі результати дії.

Побудова цих абстракцій передбачає складну математику, але принцип простий: модель відфільтровує непотрібні деталі, залишаючи лише корисні уявлення про світ. У прикладі з пером система, заснована на JEPA, зрозуміла б, що прогнозувати точний напрямок падіння безглуздо, і натомість представляла б ситуацію на рівні абстракції, який насправді має значення для прийняття рішень.

Цей підхід розміщує AMI Labs у зростаючому русі навколо так званих світових моделей, які мають на меті надати системам штучного інтелекту внутрішню симуляцію того, як поводиться середовище, щоб вони могли планувати та діяти, а не просто генерувати текст.

Конкурентне поле

Інвестори роблять ставку, що ЛеКун щось придумав. Раніше у 2026 році AMI Labs оголосила, що залучила понад 1 мільярд доларів США (760 мільйонів фунтів стерлінгів) у рамках раунду початкового фінансування за підтримки американського чіп-гіганта Nvidia та фонду, який управляє приватним капіталом засновника Amazon Джеффа Безоса. Це був один із найбільших початкових раундів в історії європейських стартапів.

Лабораторії AMI далеко не самотні в цій гонці. В Оксфордському університеті професор Інгмар Познер керує лабораторією прикладного штучного інтелекту та очолює команду приблизно з десяти осіб, яка витратила чотири роки на альтернативний підхід, який він називає «механістичною моделлю світу», яка структурує знання, щоб штучний інтелект міг їх запам’ятовувати, комбінувати та ефективно змінювати.

«Я вважаю, що наступне десятиліття справді буде присвячено системам, які можуть пояснити», — сказав Познер BBC. «Вам потрібні моделі, які можуть відповісти на такі запитання: що важливо? Що викликає що? Що станеться, якби я зробив щось інше?»

Цей родовід сходить до впливової статті 2018 року Девіда Ха та Юргена Шмідгубера, в якій стверджувалося, що прогрес у обчислювальній техніці та машинному навчанні може дозволити штучному інтелекту навчатися завданням виключно на основі вивченої розумової симуляції світу. Відтоді ця ідея стала каталізатором значних досліджень, у тому числі моделі світу Dreamer від Google, варіант якої навчився збирати алмази в Minecraft, уявляючи майбутні сценарії. DeepMind від Alphabet продовжує роботу зі своєю моделлю Genie, лондонська компанія Wayve має систему під назвою Gaia, а піонер штучного інтелекту Фей-Фей Лі заснував World Labs у Сан-Франциско у 2023 році для досягнення подібних цілей.

Імператив робототехніки

Поштовх до світових моделей значною мірою обумовлений індустрією робототехніки, яка вклала мільярди доларів у роботів-гуманоїдів, чиї фізичні здібності з кожним роком стають все більш вражаючими. Але навчання цих машин безпечному виконанню домашніх завдань, таких як прасування або завантаження посудомийної машини, залишається складним і дорогим, і ЛеКун наполягає, що поточні моделі ШІ ніколи не будуть достатньо хорошими для такого середовища.

ЛеКун сказав, що AMI Labs витратить решту 2026 року на вдосконалення своєї моделі та сподівається розпочати її розгортання в промислових умовах у 2027 році. Якщо це виявиться успішним, амбіції значно розширяться.

«Врешті-решт ми матимемо загальні загальні системи інтелекту, які можна буде застосувати практично до будь-чого у світі з мінімальним навчанням або тонким налаштуванням», — сказав він.

Щодо того, що станеться з людьми в майбутньому, ЛеКун оптимістично налаштований. Люди все одно будуть вирішувати, що будувати і які питання ставити, сказав він, поки ШІ працює як спроможний депутат.

«Наша взаємодія з майбутніми системами штучного інтелекту, навіть якщо вони розумніші за нас, буде схожа на взаємодію між капітаном промисловості чи політичним лідером із штатом помічників, багато з яких розумніші за них самих».

Будьте попереду ШІ

Перехід від мовних моделей до моделей світу може перекроїти конкурентну карту штучного інтелекту. Слідкуйте за останніми розробками ШІ, коли вони розгортаються.

Читати більше новин AI →