सर्व बुद्धिमान प्राणी त काय सामायिक करतात?यान लेकुन यांच्या मते, मेटाच्या मुख्य एआय शास्त्रज्ञ, त्यांना चार महत्त्वाच्या गुणधर्मांबद्दल माहिती आहे. पॅरिसमधील एआय acción समिटमध्ये यंदाच्या वर्षी राजकीय नेते आणि एआय तज्ञ एकत्र आले होते. या कार्यक्रमादरम्यान, लेकुन यांनी IBM च्या एआय नेते अँथनी अन्नुझियाटा यांना बुद्धिमत्तेची मूलभूत व्याख्या व्यक्त केली. "बुद्धिमान वर्तनाच्या चार अनिवार्य वैशिष्ट्यांचा समावेश होतो, जे प्रत्येक प्राणी—आणि तुलनेत स्मार्ट प्राणी—आणि निश्चितच मानवांमध्ये असतात, " त्यांनी स्पष्ट केले. "यामध्ये भौतिक विश्वाची समज, कायमस्वरूपी आठवण, _reasoning_ची क्षमता, आणि नियोजन करण्याची क्षमता, विशेषतः जटिल क्रियाकलापांसाठी श्रेणीबद्ध नियोजन यांचा समावेश होतो. " लेकुन यांनी नमूद केले की, एआय, विशेषतः मोठ्या भाषेच्या मॉडेल्स, या क्षमतेपर्यंत पोहोचलेले नाहीत आणि या क्षमतांना समाकलित करणे त्यांच्या प्रशिक्षण पद्धतींमध्ये बदल आवश्यक आहे. म्हणूनच अनेक आघाडीच्या तंत्रज्ञान कंपन्या सध्या त्यांच्या विद्यमान मॉडेल्सवर नवीन क्षमता जोडत आहेत, कारण ते एआय क्षेत्रात नेतृत्व करण्याच्या स्पर्धेत आहेत. "भौतिक विश्वाविषयी समजण्यासाठी, तुम्ही वेगळे दृष्टीसंबंधित प्रणाली प्रशिक्षण देता आणि त्यानंतर ती मोठ्या भाषेच्या मॉडेलला जोडता. आठवणासाठी, तुम्ही_retrieval augmented generation_ (RAG) वापरता, काही संघटनात्मक आठवण जोडा, किंवा फक्त मॉडेलचे प्रमाण वाढवा, " ते म्हणाले.

(RAG ही एक तंत्रज्ञान आहे जी Meta मध्ये विकसित केली गेली असून मोठ्या भाषा मॉडेल्समध्ये बाह्य ज्ञान स्रोतांचा समावेश करून त्यांची क्षमता सुधारते. ) तथापि, लेकुन या सर्व प्रयत्नांना फक्त "हॅक्स" मानतात. त्यांनी वारंवार जागतिक-आधारित मॉडेल्स नावाच्या पर्यायी दृष्टीकोनावर चर्चा केली, जी खरेतर जागतिक परिस्थितींवर आधारित शिकवली जातात आणि केवळ नमुना ओळखण्याच्या क्षमतेच्या पुढे जाऊन उच्च श्रेणीच्या संज्ञानक क्षमतांचे प्रदर्शन करतात. अँथनी अन्नुझियाटा यांच्याशी बोलताना, त्यांनी या कल्पनेवर अधिक चर्चा केली. "तुम्ही विशिष्ट वेळ T या काळातल्या विश्वाच्या स्थितीची कल्पना करताना सुरू करता, एक क्रिया कल्पना करता, आणि नंतर विश्व मॉडेल त्या क्रियेच्या प्रतिक्रियेप्रमाणे विश्वाची स्थिती कशी बदलेल याचा अंदाज लावतं, " त्यांनी स्पष्ट केलं. पण, जग अनेक अनिश्चित शक्यता आणि संभाव्य स्थितींमुळेच विकसित होत असतं, त्यामुळे अशा मॉडेल्सची शिकवणूक केवळ तपशीलांपासून वर्गीकरण करतानाच शक्य आहे. मेटा ही संकल्पना V-JEPA नावाच्या मॉडेलसह पूर्वीच तपासत आहे, जे फेब्रुवारीत सार्वजनिकपणे लाँच झाले. याला अनिर्मिती (non-generative) मॉडेल म्हटलं जातं, जे व्हिडिओमधील हरवलेले किंवा मुखवटा घाललेले भाग भाकीत करून शिकते. "मूल कल्पना अशी आहे की, तुम्ही थेट पिक्सेल स्तरावर भाकीत करत नाही. त्यापलीकडे, तुम्ही एका संख्यात्मक प्रतिनिधित्वावर कार्य करणारी प्रणाली शिकवता, ज्यामुळे ती त्या प्रतिनिधित्वामध्ये भाकीत करू शकते. आदर्शपणे, हे प्रतिनिधित्व अनिश्चित तपशीलांना वगळते, " लेकुन म्हणाले. ही पद्धत तत्त्वतः रासायनिक शास्त्रज्ञांनी पदार्थाचे मूलभूत घटक तयार करताना स्थापिलेली श्रेणीसमान आहे. "आम्ही तपशील तयार केले: कण, त्यावर अणू, त्यानंतर संयुगे, आणि अखेरीस पदार्थ, " ते म्हणाले. "प्रत्येक स्तर वरच्या स्तरामधून खूपशी अवांछित माहिती वगळते, कार्यानुसार. " म्हणजेच, याचा अर्थ असा आहे की आपण भौतिक विश्वाची समज ruim श्रेणी तयार करत असतो, जी बुद्धिमत्तेचं मूलभूत आधार आहे.