Kaj vsi inteligentni bitja delijo?Po besedah Yann LeCuna, glavnega znanstvenika za umetno inteligenco pri Meta, obstajajo štiri ključne lastnosti. Na AI Action Summitu v Parizu je v začetku letošnjega leta zbralo voditelje politik in strokovnjake za umetno inteligenco, ki so razpravljali o razvoju umetne inteligence. Med dogodkom je LeCun predstavil svojo temeljno opredelitev inteligence vodji AI pri IBM-u, Anthonyju Annunziati. “Obstajajo štirje osnovni značilnosti inteligentnega vedenja, ki jih ima vsak žival — ali vsaj relativno pametna žival — in zagotovo tudi ljudje, ” je razložil. “To so razumevanje fizičnega sveta, obstojna spomin, sposobnost sklepanja in zmožnost načrtovanja, še posebej zapletenih dejanj prek hierarhičnega načrtovanja. ” LeCun je poudaril, da umetna inteligenca, zlasti veliki jezikovni modeli, še niso dosegli tega nivoja in da bi za integracijo teh sposobnosti bilo treba spremeniti njihove metode usposabljanja. To pojasnjuje, zakaj številne vodilne tehnološke družbe trenutno dodajajo nove zmožnosti obstoječim modelom, saj se potegujejo za vodilno vlogo na področju umetne inteligence. "Za razumevanje fizičnega sveta trenirate ločen vidni sistem, nato pa ga priključite velikemu jezikovnemu modelu. Za spomin uporabljate tehniko pridobivanja in generiranja (RAG), dodate nekaj povezanega spomina ali pa preprosto povečate obseg modela, " je povedal.

(RAG je tehnika, razvita pri Meta, za izboljšanje velikih jezikovnih modelov z vključevanjem zunanjih virov znanja. ) Kljub temu LeCun vse te napore smatra za le “hacke. ” Večkrat je razpravljal o alternativnem pristopu, imenovanem modeli temelji na svetu, ki se usposabljajo na resničnih scenarijih in kažejo višje kognitivne sposobnosti, ki presegajo zgolj prepoznavanje vzorcev. V pogovoru z Annunziato je podrobneje razložil ta koncept. “Začnete z idejo o stanju sveta v določenem času T, si zamislite dejanje, nato pa model sveta napove, kako se bo stanje sveta spremenilo kot odziv na to dejanje, ” je pojasnil. Vendar pa se svet razvija skozi neskončno število nepredvidljivih možnosti, edini realen način za usposabljanje takih modelov pa je prek apstrakcije. Meta že raziskuje ta koncept z modelom V-JEPA, ki je bil javno objavljen februarja. Opisujejo ga kot ne-generativni model, ki se uči z napovedovanjem manjkajočih ali maskiranih delov videoposnetkov. “Osnovna ideja je, da ne napovedujete neposredno na ravni pixelov. Namesto tega trenirate sistem, ki deluje na abstraktni predstavitvi videa, kar mu omogoča, da naredi napovedi znotraj te abstrakcije. Idealno je, če ta predstavitev izloči nepredvidljive podrobnosti, ” je povedal LeCun. Ta pristop odraža način, kako so kemičarji vzpostavili temeljno hierarhijo za sestavne dele snovi. “Ustvarili smo abstrakcije: delce, nad katerimi so atomi, nato molekule in na koncu materiali, ” je povedal. “Vsaka višja plast filtrira veliko nepomembnih informacij iz nižjih slojev, odvisno od naloge. ” V bistvu to pomeni, da fizični svet razumemo z gradnjo hierarhij, kar je temeljno za inteligenco.