Какво общо имат всички интелигентни същества?Според Йан Лекун, главен учен по изкуствения интелект в Meta, има четири ключови черти. На AI Action Summit в Париж по-рано тази година, политически лидери и експерти по изкуствен интелект се събраха, за да обсъдят развитието на ИИ. По време на събитието Лекун представи своето основно дефиниране на интелигентността пред лидера на IBM по изкуствен интелект Антъни Анунциата. „Има четири основни характеристики на интелигентното поведение, които всеки животински вид — или сравнително умен животински вид — и разбира се хората притежават, “ обясни той. „Те са разбиране на физическия свят, наличие на постоянна памет, способността за разсъждение и способността за планиране, особено сложни действия чрез йерархично планиране. “ Лекун посочи, че ИИ, особено големите езикови модели, все още не достигат този етап и че интегрирането на тези умения ще изисква промяна в методите на обучение. Това обяснява защо много водещи технологични компании в момента добавят нови възможности към съществуващи модели, докато се състезават за лидерство в областта на ИИ. „За разбирането на физическия свят, се обучава отделна система за зрение и след това я свързва с големия езиков модел. За паметта използваш възстановяване-усилено генериране (RAG), добавяш някаква асоциативна памет или просто мащабираш модела, “ каза той.

(RAG е техника, разработена в Meta за подобряване на големите езикови модели чрез включване на външни източници на знания. ) Въпреки това, Лекун смята, че всички тези усилия са просто „хакове“. Той многократно е обсъждал алтернативен подход, наречен модели, базирани на света, които се обучават върху реални сценарии и проявяват по-високи когнитивни способности отвъд простото разпознаване на модели. В разговора си с Анунциа Лекун разясни тази концепция. „Започваш с някаква идея за състоянието на света в конкретен момент T, предполагаш действие и след това моделът на света предсказва как ще се промени състоянието на света в отговор на това действие, “ обясни той. Но тъй като светът се развива чрез безброй непредсказуеми възможности, единственият реалистичен начин да тренираш такива модели е чрез абстракция. Meta вече изследва тази концепция с V-JEPA, модел, пуснат на публично достъп през февруари. Той се описва като негенеративен модел, който учи чрез предсказване на липсващи или скрити сегменти във видеа. „Основната идея е, че не предсказва директно на ниво пиксел. Вместо това, обучава система да работи върху абстрактно представяне на видеото, позволяващо ѝ да прави предсказания вътре в тази абстракция. Идеално е това представяне да филтрира непредсказуемите детайли, “ каза Лекун. Този подход напомня как химици са установили фундаментална йерархия за градивните елементи на материята. „Създадохме абстракции: частици, върху които са атомите, после молекулите и накрая веществата, “ каза той. „Всеки по-горен слой филтрира много нерелевантна информация от по-ниските слоеве, в зависимост от задачата. “ В същността си, това означава, че разбираме физическия свят, като създаваме йерархии, което е фундаментално за интелигентността.