Mit osztanak meg minden intelligens lény?Yann LeCun, a Meta fő AI-tudósa szerint, négy kulcsfontosságú jellemző van. Az idei januárban Párizsban megrendezett AI Akciócsúcson politikai vezetők és AI-szakértők gyűltek össze, hogy megvitassák az AI fejlődését. Az esemény során LeCun alapvető definícióját közölte az intelligenciáról az IBM AI vezetőjével, Anthony Annunziatával. „Négy alapvető jellemzője van az intelligens viselkedésnek, melyeket minden állat—vagy valamivel okosabb állat—és különösen az emberek birtokolnak, ” magyarázta. „Ezek: a fizikai világ megértése, állandó memória megléte, a következtetési képesség, és a tervezés, különösen összetett műveletek hierarchikus megtervezése. ” LeCun rámutatott, hogy az AI, különösen a nagyméretű nyelvi modellek, még nem érték el ezt a szintet, és ezeknek a képességeknek a integrálása módosítaná a tanítási módszereiket is. Ez az oka annak, hogy sok vezető technológiai vállalat jelenleg meglévő modellekhez új képességeket ad hozzá, miközben versengenek az AI élén való vezetésért. „A fizikai világ megértéséhez egy külön látás-rendszert tanítasz, majd ezt csatlakoztatod a nagy nyelvi modellhez. A memória esetében a lekérdezés-megújított generálást (RAG) alkalmazod, hozzáadsz némi asszociatív memóriát, vagy egyszerűen csak nagyobb méretre méretezöd a modellt, ” mondta.

(A RAG egy, a Meta által kifejlesztett technika, amely külső tudásforrásokat von be a nagy nyelvi modellek fejlesztéséhez. ) Mindazonáltal LeCun ezeket az erőfeszítéseket csupán „hekkeléseknek” tartja. Sokszor beszélt egy alternatív megközelítésről, az úgynevezett világ-alapú modellekről, amelyeket valódi világhelyzetekre tréningeznek, és magasabb kognitív képességekkel rendelkeznek, mint puszta minta felismerése. Ebben a beszélgetésében Annunziatával részletesebben kifejtette ezt a koncepciót. „Kezded valamiféle elképzeléssel a világ állapotáról egy adott időpontban T, elképzelsz egy műveletet, majd a világmodell megjósolja, hogyan változik a világ állapota a művelet hatására, ” magyarázta. Azonban mivel a világ számtalan kiszámíthatatlan lehetőség révén fejlődik, az egyetlen realisztikus módja ezeknek a modelleknek a tréningezésének az absztrakció útján történik. A Meta már vizsgálja ezt a koncepciót a V-JEPA modell segítségével, melyet februárban tették nyilvánossá. Ez egy nem-generatív modell, amely videók hiányzó vagy maszkolt szegmenseinek megjóslásával tanul. „A lényeg, hogy nem közvetlenül a pixel szinten jósolsz. Ehelyett egy olyan rendszert tanítasz, amely egy videó absztrakt reprezentációján működik, lehetővé téve, hogy azon belül jósoljon. Ideális esetben ez a reprezentáció kiszűri a kiszámíthatatlan részleteket, ” mondta LeCun. Ez a megközelítés hasonlít arra, ahogyan a chemisták egy alaphierarchiát alakítottak ki az anyag építőelemeiből. „Absztrakciókat hoztunk létre: részecskék, felettük atomok, majd molekulák, végül anyagok, ” magyarázta. „Minden réteg felülről szűri ki a sok nem releváns információt az alsó rétegekből, a feladattól függően. ” Lényegében ez annyit jelent, hogy a fizikai világot hierarchiák felépítésével értjük meg, ami alapvető része az intelligenciának.