Bạn tất cả các sinh vật thông minh đều có điểm chung gì?Theo Yann LeCun, chuyên gia hàng đầu về AI của Meta, có bốn đặc điểm chính. Tại Hội nghị Thực thi AI ở Paris đầu năm nay, các nhà lãnh đạo chính trị và các chuyên gia AI đã tụ họp để thảo luận về sự phát triển của AI. Trong sự kiện này, LeCun đã trình bày định nghĩa cơ bản về trí thông minh của mình với người đứng đầu AI của IBM, Anthony Annunziata. "Có bốn đặc điểm thiết yếu của hành vi thông minh mà mọi loài động vật — hoặc loài động vật khá thông minh — và chắc chắn con người đều sở hữu, " ông giải thích. "Đó là hiểu thế giới vật chất, có bộ nhớ liên tục, khả năng lập luận và khả năng lập kế hoạch, đặc biệt là các hành động phức tạp thông qua lập kế hoạch phân cấp. " LeCun nhấn mạnh rằng AI, đặc biệt là các mô hình ngôn ngữ lớn, vẫn chưa đạt đến mức này và việc tích hợp các khả năng này đòi hỏi một sự thay đổi trong phương pháp đào tạo của chúng. Điều này giải thích tại sao nhiều công ty công nghệ hàng đầu hiện nay đang gắn thêm khả năng mới vào các mô hình đã có để cạnh tranh dẫn đầu lĩnh vực AI. "Để hiểu thế giới vật chất, bạn huấn luyện một hệ thống thị giác riêng biệt rồi gắn nó vào mô hình ngôn ngữ lớn. Đối với bộ nhớ, bạn sử dụng kỹ thuật gọi là tạo ra dữ liệu tăng cường truy xuất (RAG), thêm một số bộ nhớ liên kết, hoặc đơn giản là mở rộng quy mô mô hình, " ông nói.

(RAG là một kỹ thuật được phát triển tại Meta nhằm cải thiện các mô hình ngôn ngữ lớn bằng cách kết hợp các nguồn kiến thức bên ngoài. ) Tuy nhiên, LeCun coi tất cả những nỗ lực đó chỉ là những “mẹo vặt. ” Ông đã nhiều lần bàn luận về một cách tiếp cận khác gọi là các mô hình dựa trên thế giới, được huấn luyện trên các tình huống thực tế và thể hiện khả năng nhận thức cao hơn ngoài việc nhận diện mẫu đơn thuần. Trong cuộc trò chuyện với Annunziata, ông đã mở rộng về khái niệm này. "Bạn bắt đầu với một ý tưởng về trạng thái của thế giới tại một thời điểm cụ thể T, tưởng tượng một hành động, và sau đó mô hình thế giới dự đoán cách trạng thái của thế giới sẽ thay đổi phản ứng với hành động đó, " ông giải thích. Tuy nhiên, vì thế giới liên tục tiến hóa qua vô vàn khả năng không thể dự đoán, cách duy nhất khả thi để huấn luyện các mô hình như vậy là thông qua trừu tượng hóa. Meta đã bắt đầu khám phá ý tưởng này với V-JEPA, một mô hình được công bố rộng rãi vào tháng 2. Nó được mô tả là một mô hình không sinh tạo, học bằng cách dự đoán các đoạn bị mất hoặc che trong video. "Ý tưởng cốt lõi là bạn không dự đoán trực tiếp ở cấp pixel. Thay vào đó, bạn huấn luyện một hệ thống hoạt động trên biểu diễn trừu tượng của video, cho phép nó dự đoán trong phạm vi biểu diễn đó. Lý tưởng là biểu diễn này loại bỏ các chi tiết không thể dự đoán được, " LeCun nói. Phương pháp này phản ánh cách các nhà hóa học xác lập một hệ thống phân cấp cơ bản cho các thành phần cấu tạo của vật chất. "Chúng tôi tạo ra các trừu tượng: hạt, trên đó tồn tại các nguyên tử, sau đó là phân tử, và cuối cùng là vật liệu, " ông nói. "Mỗi lớp phía trên lọc bỏ nhiều thông tin không liên quan từ các lớp dưới, tùy thuộc vào nhiệm vụ cụ thể. " Về bản chất, điều này có nghĩa rằng chúng ta hiểu thế giới vật chất thông qua việc xây dựng các hệ thống phân cấp, điều này là nền tảng của trí thông minh.