در جریان نشست «AI Action Summit» در پاریس، یان لکون (Yann LeCun)، مدیر ارشد علمی هوش مصنوعی در شرکت متا، اظهار داشت که مدل‌های فعلی هوش مصنوعی فاقد رفتار هوشمند واقعی هستند. او تأکید کرد که برای دستیابی به هوش مصنوعی واقعی، باید به سمت مدل‌های مبتنی بر جهان (world-based models) حرکت کرد که بر اساس سناریوهای واقعی آموزش می‌بینند و توانایی درک دنیای فیزیکی، حافظه پایدار، استدلال و برنامه‌ریزی پیچیده را دارند.
چهار ویژگی کلیدی رفتار هوشمند از دیدگاه یان لکون
لکون معتقد است که برای دستیابی به هوش مصنوعی واقعی، مدل‌ها باید چهار ویژگی اساسی را داشته باشند:
-
درک دنیای فیزیکی: توانایی فهم و تعامل با محیط اطراف.
-
حافظه پایدار: ذخیره‌سازی و بازیابی اطلاعات به‌صورت مداوم.
-
توانایی استدلال: استنتاج منطقی و تصمیم‌گیری بر اساس داده‌ها.
-
برنامه‌ریزی پیچیده: توانایی برنامه‌ریزی اقدامات در سطوح مختلف و به‌صورت سلسله‌مراتبی.
به‌گفته‌ی لکون، مدل‌های زبانی بزرگ (LLMs) فعلی، مانند ChatGPT، فاقد این ویژگی‌ها هستند و برای دستیابی به آن‌ها نیاز به تغییرات اساسی در نحوه آموزش دارند.
مدل‌های مبتنی بر جهان: راهکاری برای هوش مصنوعی واقعی
لکون پیشنهاد می‌کند که به‌جای افزودن ماژول‌های جداگانه به مدل‌های فعلی، باید به سمت مدل‌هایی حرکت کرد که بر اساس سناریوهای واقعی آموزش می‌بینند. این مدل‌ها، با استفاده از انتزاع، می‌توانند پیش‌بینی‌های دقیق‌تری از دنیای واقعی داشته باشند.
متا در حال حاضر در حال آزمایش مدلی به نام V-JEPA است که به‌جای پیش‌بینی پیکسل به پیکسل، از نمایش‌های انتزاعی برای پیش‌بینی قسمت‌های گمشده ویدئو استفاده می‌کند. این رویکرد شباهت زیادی به نحوه درک انسان از دنیای اطراف دارد.
خروج استعدادها از تیم هوش مصنوعی متا
در حالی که متا در حال توسعه مدل‌های جدید است، با چالش خروج استعدادها مواجه شده است. از ۱۴ نویسنده اصلی مدل Llama در سال ۲۰۲۳، تنها سه نفر در متا باقی مانده‌اند و بسیاری به استارتاپ فرانسوی Mistral پیوسته‌اند. این موضوع می‌تواند بر روند توسعه مدل‌های جدید تأثیرگذار باشد.
جدول مقایسه‌ای: مدل‌های فعلی در برابر مدل‌های پیشنهادی
| ویژگی‌ها | مدل‌های فعلی (LLMs) | مدل‌های مبتنی بر جهان (World-based Models) |
|---|---|---|
| درک دنیای فیزیکی | محدود | پیشرفته |
| حافظه پایدار | محدود | قوی |
| توانایی استدلال | محدود | پیشرفته |
| برنامه‌ریزی پیچیده | محدود | پیشرفته |
| استفاده از انتزاع | کم | زیاد |
| آموزش بر اساس سناریوهای واقعی | خیر | بله |
نتیجه‌گیری
اظهارات یان لکون نشان می‌دهد که برای دستیابی به هوش مصنوعی واقعی، باید از رویکردهای فعلی فاصله گرفت و به سمت مدل‌هایی حرکت کرد که توانایی درک و تعامل با دنیای واقعی را دارند. این تغییر نیازمند بازنگری در نحوه آموزش مدل‌ها و تمرکز بر ویژگی‌های انسانی مانند استدلال و برنامه‌ریزی است.
نظر شما درباره رویکرد پیشنهادی یان لکون چیست؟ آیا مدل‌های مبتنی بر جهان می‌توانند جایگزین مناسبی برای مدل‌های فعلی باشند؟ تجربیات و دیدگاه‌های خود را با ما در میان بگذارید.
