Ko kopīgo visu inteliģento būtni?Saskaņā ar Yann LeCun, Meta galveno AI zinātnieku, ir četri galvenie īpašības. Šā gada sākumā Parīzē notika AI darbības samits, kur pulcējās politikas līderi un AI eksperti, lai apspriestu AI attīstību. Pasākuma laikā LeCun nodeva savu pamatdefinīciju par inteliģenci IBM AI vadītājam Anthonym Annunziatai. „Ir četras būtiskas inteliģentas uzvedības īpašības, kuras ir katram dzīvniekam — vai relatīvi gudram dzīvniekam — un noteikti cilvēkiem, ” viņš skaidroja. „Tie ir izpratne par fizisko pasauli, pastāvīgas atmiņas iespēja, spējaReasonēt un plānot, īpaši sarežģītus darbus, izmantojot hierarhisku plānošanu. ” LeCun norādīja, ka AI, īpaši lielie valodu modeļi, vēl nav sasnieguši šo līmeni, un šo spēju integrēšana prasītu izmaiņas to apmācības metodēs. Tas skaidro, kāpēc daudzas vadošās tehnoloģiju uzņēmumi pašlaik pievieno jaunas iespējas esošajiem modeļiem, konkurējot AI jomā. „Lai izprastu fizisko pasauli, jūs apmācāt atsevišķu redzes sistēmu un tad to pievienojat lielajam valodu modelim. Atmiņas nodrošināšanai izmantojat retrieval augmented generation (RAG), pievienojat kādu asociatīvo atmiņu vai vienkārši palielināt modeli, ” viņš teica.

(RAG ir tehnika, kas izstrādāta Meta, lai uzlabotu lielos valodu modeļus, integrējot ārējos zināšanu avotus. ) Tomēr LeCun uzskata, ka visi šie centieni ir tikai „hakeri” vai īslaicīgi risinājumi. Viņš atkārtoti runā par alternatīvu pieeju, ko sauc par pasaulē balstītiem modeļiem, kas apmācīti uz reālas pasaules scenārijiem un parāda augstāku kognitīvo spēju līmeni nekā vienkārša modeļa atpazīšana. Par šo koncepciju viņš runāja arī sarunā ar Annunziatu. „Sāc ar kādu ideju par pasaules stāvokli konkrētā laikā T, iedomājies darbību, un tad pasaules modelis prognozē, kā pasaules stāvoklis mainīsies atbilstoši šai darbībai, ” viņš skaidroja. Tomēr, ņemot vērā, ka pasaule attīstās daudzu neatkārtojamu iespēju rezultātā, vienīgais dzinējspēks šādu modeļu apmācīšanai ir abstrakcija. Meta jau pēta šo jēdzienu ar V-JEPA modeli, kurš tika publiski izlaists februārī. To raksturo kā ne-generatīvu modeli, kas māca prognozēt trūkstošus vai maskētus video segmentus. „Galvenā ideja ir tāda, ka neveicat tiešu prognozi uz pixelu līmeņa. Tā vietā apmācāt sistēmu darboties ar video abstraktu reprezentāciju, ļaujot tai veikt prognozi tieši šajā abstrakcijā. Ideālā gadījumā šī reprezentācija filtrē neparedzamas detaļas, ” teica LeCun. Šī pieeja atbilst tam, kā ķīmiķi ir izveidojuši būtiskas hierarhijas par materijas sastāvdaļām. „Mēs esam izveidojuši abstrahijas: daļiņas, virs kurām ir atomi, tad molekulas un visbeidzot materiāli, ” viņš teica. „Katrs līmenis filtrē lielu daļu nerelevantās informācijas no zemāk esošajiem līmeņiem, atkarībā no uzdevuma. ” Būtībā tas nozīmē, ka mēs izprotam fizisko pasauli, būvējot hierarhijas, kas ir fundamentālas inteliģencei.