რა ანიჭებს ყველა ინტელიგენტ ბალანსს?იან ლეკუნის, Meta-ს მთავარი AI მეცნიერსა და მკვლევარს, ოთხი მნიშვნელოვანი თვისება აქვს. აპრილში პარიზში AI მოქმედების სემინარზე, პოლიტიკური ლიდერები და AI-მეცნება-სახით პირები შეიკრიბნენ AI განვითარების განხილვაზე. האירამისას, ლეკუნი გამოთქვა თავისი ძირითადი გამოთქმა ინტელიგენციის შესახებ IBM-ის AI ლიდერს, ენტონი ანნუჟატასთან. „არსებობს ოთხი ძირითადი თვისება, რომლებიც ყველა ცხოველს — ან რელიადულად მსხვილ ცხოველს — და निश्चितად ადამიანებს, აქვთ, “ — განაცხადა მან. „ეს არის ფიზიკური სამყაროს გაგება, დამკვიდრებული მეხსიერება, აზრის გამოთქმის უნარი და დაგეგმვის შესაძლებლობა, განსაკუთრებით სირთულეიანი მოქმედებების ჰიერქიქულობით დაგეგმვა. “ ლეკუნი აღნიშნავს, რომ AI-ს, განსაკუთრებით დიდი ენების მოდელებს, ჯერ კიდევ აკლია ეს დონე და რომ ამ უნარების ინტეგრაცია მოითხოვს მათ გაკვეთილების მეთოდების შეცვლას. ეს განაპირობებს, რატომაც ბევრი წამყვანი ტექნოლოგიური კომპანია ამჟამად ზიდავს ახალი შესაძლებლობებს არსებული მოდელებისკენ, რათა ლიდერობა შეინარჩუნოს AI-ის სფეროში. „ფიზიკური სამყაროს გაგებისთვის, თქვენ სწავლობთ ცალკეულ ხედვის სისტემას და შემდეგ აკავშირებთ მას დიდი ენის მოდელთან. მეხსიერებისთვის, იყენებთ Retrieval Augmented Generation-ს (RAG), რომელიც ამატებს ასოციურ მეხსიერებას ან უბრალოდ ზრდის მოდელის ზომას, “ — განაცხადა მან.

(RAG არის ტექნიკა, რომელიც Meta-ს მიერაა შექმნილი, რათა გაუმჯობესდეს დიდი ენის მოდელები, ჩართვით გარე ცოდნის წყაროების. ) გაგრამ, ლეკუნი ყველა ამ მცდელობებს მხოლოდ „ჰიქებს“ უწოდებს. ის ხშირად ლაპარაკობს ალტერნატიულ მიდგომაზე, სახელწოდებით მსოფლიო-საბაზისო მოდელები, რომლებიც ტრენინგდებიან რეალურ სამყაროსთან და აჩვენებენ მაღალი ზნეობრივი შესაძლებლობებს, რაც მეტია უბრალო ნიმუშის ამოცნობაზე. ახალ საუბარში ანნუჟატასთან, მან ამ ქცევაზე ისაუბრა. „შეგიძლიათ დაიწყოთ იდეით, თუ რა მდგომარეობა აქვს სამყაროს გარკვეულ დროზე T-ზე, წარმოიდგინოთ მოქმედება, და ამის შემდეგ მსოფლიო მოდელი ამბობს, როგორ შეიცვლება სამყაროს მდგომარეობა ამ აქტის პასუხად, “ — განმარტა მან. მაგრამ, რადგან მსოფლიო სასიცოცხლოდ ვითარდება უამრავი არასანდო შესაძლებლობით, ამგვარი მოდელების გაკვეთილში ერთ-ერთი ხელმისაწვდომი მეთოდი განბანა (abstraction) გახლავთ. Meta უკვე გამოდის ამ იდეით V-JEPA მოდელზე, რომელიც საზოგადოებამ წარადგინა შარშან თებერვალში. მას აღწერენ როგორც არა-გენერაციული მოდელის სახეს, რომლიც სწავლობს გაუჩინარებული ან დაფარვილი სექციების ვარაუდით ვიდეოებში. „ძირითადი იდეაა, რომ თქვენ პირდაპირ არ ამტკიცებთ პიქსელზე. ამის ნაცვლად, სწავლობთ სისტემას, რომ იმუშაოს ვიდეოს აბსტრაქტულ ილურაციაზე, რაც საშუალებას აძლევს მას გააკეთოს პროგნოზები ამ აბსტრაქციაში. იდეალურად, ეს ილურაცია ფილტრავს დაუფიქრებელ დეტალებს, “ — თქვა ლეკუნი. ეს მიდგომა ანალოგიურია ქიმიკის ძირითად ჰიერქიქულობასთან, როდესაც მათ დაადგეს ძირითადი სამგანზომილებიანი ნაშალი შეადგინეს. „ჩვენ შექმენით abstraction-ები: ნაწილაკები, რომლის თავზეა ატომები, შემდეგ მოლეკულები და საბოლოოდ მასალები, “ — განაცხადა მან. „თითოეული ფენა ფილტრავს ბევრ უქორწინებელ ინფორმაციას ქვედა ფენებიდან, რაც დამოკიდებულია ამოცანაზე. “ შესაბამისად, ეს ნიშნავს, რომ ჩვენ ფიზიკურ სამყაროს ვართმევთ ჰიერქიქულობებით, რაც არსებითია ინტელიგენციისთვის.