Šta dijele sva bića sa inteligencijom?Prema Yann LeCunu, glavnom AI naučniku u Meta, postoje četiri ključne osobine. Na AI Action Summitu u Parizu ranije ove godine, politički lideri i stručnjaci za umjetnu inteligenciju okupili su se da razgovaraju o razvoju AI-ja. Tokom događaja, LeCun je prenio svoju osnovnu definiciju inteligencije voditelju AI tima u IBM-u, Anthonuyu Annunziati. „Postoje četiri osnovne karakteristike inteligentnog ponašanja koje posjeduje svaka životinja—ili relativno pametna životinja—a svakako i ljudi“, objasnio je. „To su razumijevanje fizičkog svijeta, posjedovanje trajne uspomene, sposobnost rezonovanja i kapacitet planiranja, posebno složenih akcija putem hijerarhijskog planiranja. “ LeCun je istaknuo da AI, posebno veliki jezički modeli, još nisu dostigli ovaj nivo i da bi integracija ovih sposobnosti zahtijevala promjenu u njihovim metodama obuke. To objašnjava zašto mnoge vodeće tehnološke kompanije trenutno dodaju nove mogućnosti postojećim modelima u konkurenciji za vođenje područja umjetne inteligencije. „Za razumijevanje fizičkog svijeta, obučavate poseban sistem za viziju, a zatim ga priključujete velikom jezičkom modelu. Za memoriju, koristite generaciju s pojačanjem izvlačenjem (RAG), dodajte neku asocijativnu memoriju ili jednostavno povećajte veličinu modela“, rekao je.

(RAG je tehnika razvijena u Meta-i za poboljšanje velikih jezičkih modela uklapanjem vanjskih izvora znanja. ) Ipak, LeCun smatra da su ti napori samo „hakovi“. Više je puta razgovarao o alternativnom pristupu nazvanom modeli zasnovani na svijetu, koji se obučavaju na stvarnim scenarijima i pokazuju viši kognitivni nivo iznad pukog prepoznavanja obrazaca. U razgovoru s Annunziatom, razradio je ovaj koncept. „Počinjete s idejom stanja svijeta u određenom trenutku T, zamislite akciju, a zatim model svijeta predviđa kako će se stanje svijeta promijeniti kao odgovor na tu akciju“, objasnio je. Međutim, s obzirom da svijet evoluira putem bezbroj nepredvidivih mogućnosti, jedini održivi način za obuku takvih modela je kroz apstrakciju. Meta već istražuje ovaj koncept sa V-JEPA, modelom objavljenim javnosti u februaru. Opisuje se kao model koji ne generiše, već uči predviđanjem nedostajućih ili maskiranih segmenata u video zapisima. „Osnovna ideja je da ne predviđate direktno na nivou piksela. Umjesto toga, obučavate sistem da radi na apstraktnoj reprezentaciji videa, omogućavajući mu da pravi prognoze unutar te apstrakcije. Idealno, ta reprezentacija filtrira nepouzdane detalje“, rekao je LeCun. Ovaj pristup odražava način na koji su hemičari uspostavili fundamentalnu hijerarhiju za sastavne blokove materije. „Stvorili smo apstrakcije: čestice, zatim atome, molekule i na kraju materijale“, rekao je. „Svaki nivo iznad filtrira mnogo nerelevantnih informacija iz nižih nivoa, zavisno od zadatka. “ Suštinski, ovo što želimo reći jeste da razumijemo fizički svijet gradeći hijerarhije, što je suština inteligencije.