എല്ലാ ബുദ്ധിമാന്മാരും എന്തൊക്കെയാണ് പങ്കുവെക്കുന്നത്?യാം ലീക്സൂൺ, മേറ്റയുടെ പ്രധാന എഐ ശാസ്ത്രജ്ഞനാണ് പറയുന്നത്, നാലു പ്രാഥമിക ഗുണങ്ങൾ തന്നെയാണ്. ഈ വർഷം പാരീസിലെ എഐ ആക്ഷൻ ശ身份2023-ൽ അഡ്‌വാൻസ്‌ഡിൽ, രാഷ്ട്രീയ നേതാക്കൾക്കും എഐ വിദഗ്ദ്ധർക്കും എഐ വികസനത്തെ കുറിച്ച് ചർച്ച ചെയ്യാനായിരുന്നു യോഗം നടത്തിയത്. അതിനിടെയായി, ലീക്സൂൺ തന്റെ അടിസ്ഥാന വിവക്ഷണമെന്റെ മാത്രമാക്കുന്നു- intelligence എന്നതിന്. ഇന്റലിജൻസ് എന്ന കുഞ്ഞോർത്തലിൽ കുഞ്ഞടുപ്പുകൊണ്ട്, IBM-ന്റെ AI ന ഞാൻ വെചുമിക്കുന്നതൊരു തല്പര്യത്തിന്റെയാകും, അതായത് അനു‍ജിയത. "ഓരോ ജീവിസംവിധാനത്തിനും, അതിന്റേതായ ഒരു വ്യക്തമായ രീതിയിലുമായി, ഓരോ ജീവിയുടെയും അല്ലെങ്കിൽ ഒട്ടുംയേറെ ബുദ്ധിമാനായ ജീവിയുടെയോ, മനുഷ്യന്റെയോ നൈതികതകളും ചാമ്പയുന്നു, " എനിക്ക് എന്നു ഞാൻ പറഞ്ഞു. "അവിടേക്കാണ് ഫിസിക്കൽ ലോകങ്ങളെ മനസിലാക്കുക, സ്ഥിരമായ ഓർമ്മ പുലർത്തുക, യുക്തി ഉപയോഗിച്ച് സമീപനം കാണുക, പ്രത്യേകിച്ച് ചട്ടക്കൂടുകളും ദുർലഭമായ പ്രവർത്തനങ്ങളുമായി യോജിച്ചും അവയിലതോതുക. " ലീക്സൂൺ ഇത് പറഞ്ഞത്, കൃത്രിമബുദ്ധി, പ്രത്യേകിച്ച് വലിയ ഭാഷാ മോഡലുകൾ ഇതുവരെ ഈ പാടവങ്ങളിൽ എത്തിയിട്ടില്ലെന്ന്, ഈ കഴിവുകൾ കൂട്ടിച്ചേർക്കാൻ പരിശീലന മാർഗ്ഗങ്ങളിൽ മാറ്റം വരുത്തേണ്ടതുണ്ടെന്ന് പതിപ്പ് ചെയ്തിരിക്കുന്നു. ഇത് പല പ്രമുഖ ടെക്ക് കമ്പനികളും നിലവിലെ മോഡലുകളിൽ പുതിയ കഴിവുകൾ ചേർക്കാനാണ് ശ്രമിക്കുന്നത്, എഐ മേഖലയെ നയിക്കാനായതിനാണ് ഇത് കാര്യം. "ഭൗതിക ലോകത്തെ മനസിലാക്കാൻ, നീ ഒരു യോജിച്ച ദർശന സംവിധാനം പരിശീലിപ്പിച്ച് അതിനെ വലിയ ഭാഷാ മോഡൽക്ക് ഒപ്പമായ് ചേർക്കുക. ഓർമയ്ക്കായി, നീ Retrieval Augmented Generation (RAG) ഉപയോഗിക്കുന്നു, ചില അസോസിയേറ്റീവ് ഓർമ്മ ചേര്ക്കുക, അല്ലെങ്കിൽ മോഡലുകൾ വലുതാക്കുക, " അദ്ദേഹം പറഞ്ഞു. (RAG എന്നു പറഞ്ഞതാലാണ് മേറ്റയിലെ ഒരു സാങ്കേതിക വിദ്യ, വലിയ ഭാഷാ മോഡലുകൾക്ക് പുറമേ അറിവ് ഉറക്കം ചേർക്കുന്നത് ഉദ്ദേശിച്ചിരിക്കുന്നു. ) പക്ഷേ, ലീക്സൂൺ ഈ മുഴുവൻ ശ്രമങ്ങളും “ഹാക്കുകൾ” मात्रമാകാമെന്ന് കരുതുന്നു. അദ്ദേഹം മറ്റൊരു പ്രതിപക്ഷം, ലോകാധിഷ്ഠിത മാതൃകകളെ കുറിച്ച് പലവട്ടം സംസാരിച്ചിട്ടുണ്ട്, അവ യථാർത്ഥ ലോക പരിസരങ്ങളിൽ പരിശീലിപ്പിക്കപ്പെടുന്നു, സങ്കീർണ്ണമായ കൃത്യങ്ങളെക്കാൾ ഉയർന്ന ബുദ്ധിമുട്ടുകൾ കാണിക്കുന്നു.

അന്‌ബു‌സിയേറ്റയോടൊപ്പം നടത്തിയ സംഭാഷണത്തിൽ, അദ്ദേഹം ഈ ആശയത്തെ വിശദീകരിച്ചു. "നിനക്ക് ചില ആശയങ്ങൾ ഉണ്ടാകുക, ഒരു സമയത്ത് ലോകത്തിന്റെ നിലയെക്കുറിച്ച്, ഒരു പ്രവൃത്തി കൽപ്പന ചെയ്ത്, ആ പ്രവൃത്തി എങ്ങനെ ലോകത്തിന്റെ നിലയെ മാറ്റം വരുത്തുമെന്ന് പ്രവചിക്കുന്നു, " അദ്ദേഹം പറഞ്ഞു. എങ്കിലും, ലോകം അനന്തരവും അനിശ്ചിതത്വ നിറഞ്ഞ കാര്യങ്ങളിൽ അതിവേക്ഷണമാകുമ്പോൾ, ഇത്തരത്തിലുള്ള മോഡലുകൾ പരിശീലിപ്പിക്കാൻ ഒറ്റകരമായ മാർഗ്ഗം അതിന്റെ അന്തഃപ്രവൃത്തി മാത്രം. അതായത്, അവർക്ക് കാര്യങ്ങൾ യഥാർത്ഥത്തിൽ എങ്ങനെ സംഭവിക്കും എന്നു മുൻകൂട്ടി പ്രവചിക്കാൻ കഴിയില്ല. അതിനാൽ, അതിനെ പ്രശ്നം പരിഹരിക്കുന്നതിനായി, അവ അടിയന്തരമായ രൂപത്തിലോ, അത് abstractions രൂപത്തിലോ പരിुभ്രമിക്കുന്ന പ്രക്രിയ എന്നതാണ്. മേറ്റ ഇത് ഇപ്പോൾ V-JEPA എന്ന മാതൃകയിലൂടെ പരിശോധിക്കുന്നു, ഫെബ്രുവരി മാസത്തിൽ പബ്ലിക് ആയി പുറത്തിറങ്ങിയിട്ടുള്ളതാണ്. ഇത് ഒരു ഗാന്ധിയയുള്ള മോഡൽ അല്ല, അതായത്, ഓർമ്മക്കുറവുകളും വിഡിയോയിൽ മാറ്റം വരുത്തുന്ന ഭാഗങ്ങളേ നിന്നു പഠിക്കുന്നു എന്നു വിശേഷിപ്പിക്കുന്നു. "അടിസ്ഥാന ആശയം, പിക്സ്ൽ തലത്തിൽ നേരിട്ട് പ്രവചിക്കുന്നത് ഒന്നല്ല. ബദലിൽ, ഒരു സംവിധാനത്തെ വിഡിയോയുടെ ഒരു കണ്ട്യാപ് സ്ഥാനാന്തരത്തിൽ പ്രവർത്തിക്കാൻ പരിശീലിപ്പിക്കപ്പെടുന്നു, അതിലൂടെ അതിന് അഥവാ പരിരക്ഷയിലേക്ക് പ്രവചിക്കാനാകും. ഇത്, വിസർജ്ജനമായ വിശദാംശങ്ങൾ ഒഴിവാകുവാന് സഹായിക്കുന്നു, " അദ്ദേഹം പറഞ്ഞു. ഈ രീതിയിലൊരു നിർമ്മാണം ഉണ്ടാക്കിയുള്ളത്, രാസശാസ്ത്രജ്ഞന്മാരും അടിസ്ഥാന ഘടനകൾക്കുള്ള ഒരു പിരിയൽ സ്ഥാപിച്ചതുപോലെ തന്നെ ആണ്. "നാം abstractions സൃഷ്ടിച്ചു: കണങ്ങൾ, അവയുടെ മേൽ അറ്റം, അണുക്കൾ, അനന്തരമായി ദ്രവങ്ങൾ, അതുപൈതെങ്കിലും, അവസാനിച്ച് പദാർത്ഥങ്ങൾ, " അദ്ദേഹം പറഞ്ഞു. "ഓരോ ലെയറും, താഴെയുള്ള ലെയറുകൾയൊക്കെ, നിർദ്ദിഷ്ട പ്രവൃത്തി അനുസരിച്ചും, അവയിലേക്കുള്ള അസംബന്ധ വിവരങ്ങൾ ഒഴിവാക്കുകയും ചെയ്യും. " സാരാംശമായി പറയുമ്പോൾ, നമ്മുടെ ഭൗതിക ലോകത്തെ മനസിലാക്കുന്നത് hierarchies രൂപപ്പെടുത്തുന്നതാണ്, അത് ബുദ്ധിമാന്മാരുടെയുളള സാരമായ ഘടകം.