Permulaan Baharu AI Godfather dan Paradigma AI Seterusnya

Sejak beberapa tahun kebelakangan ini, industri AI telah bergerak ke arah yang sangat jelas: model yang lebih besar, lebih banyak data, lebih banyak pengiraan dan penaakulan berasaskan bahasa yang lebih kukuh.

Pemula baharu Yann LeCun AMI Labs mewakili pertaruhan yang berbeza daripada perlumbaan model bahasa besar semasa. Walaupun kebanyakan industri AI menumpukan pada model yang lebih besar, lebih banyak data dan lebih banyak pengiraan, LeCun mendorong idea model dunia - sistem AI yang mempelajari cara dunia fizikal berfungsi, meramalkan akibat dan merancang tindakan. Artikel ini meneroka sebab AMI boleh memberi isyarat kepada paradigma AI seterusnya melangkaui kecerdasan berasaskan bahasa.

Dari GPT dan Claude kepada Gemini, DeepSeek, Mistral dan banyak syarikat model lain, kepercayaan yang dominan adalah bahawa penskalaan model bahasa besar akan membawa kita lebih dekat kepada kecerdasan am buatan. Kepercayaan ini telah mencipta salah satu gelombang pelaburan teknologi terbesar dalam sejarah moden. Syarikat teknologi besar membelanjakan berbilion-bilion untuk GPU, pusat data, model asas dan infrastruktur AI.

Tetapi sementara kebanyakan industri masih berlumba-lumba untuk membina model bahasa yang lebih berkuasa, Yann LeCun membuat pertaruhan yang berbeza.

LeCun ialah salah satu tokoh terpenting dalam AI moden. Dia adalah pemenang Anugerah Turing, perintis pembelajaran mendalam, dan salah seorang penyelidik sering digambarkan sebagai sebahagian daripada "godfathers AI." Selepas meninggalkan Meta, beliau mengasaskan bersama AMI Labs, sebuah syarikat permulaan yang memfokuskan pada model dunia dan laluan berbeza ke arah kecerdasan mesin lanjutan.

Inilah sebabnya permulaan baharunya menarik. Ia bukan sekadar syarikat AI lain yang cuba membina chatbot yang lebih baik. Ia mewakili soalan yang lebih mendalam: bagaimana jika paradigma AI seterusnya bukan sahaja mengenai bahasa, tetapi mengenai pemahaman dunia?

Perlumbaan AI Semasa Dibina Sekitar Penskalaan

Perlumbaan AI semasa terutamanya dibina di sekitar penskalaan. Logiknya mudah: latih model yang lebih besar pada lebih banyak data, berikan mereka lebih banyak pengiraan dan kebolehan mereka akan terus bertambah baik.

Pendekatan ini telah menghasilkan hasil yang mengagumkan. Model bahasa yang besar boleh menulis esei, meringkaskan dokumen, menjana kod, menjawab soalan, menterjemah bahasa, menganalisis idea perniagaan dan menyokong banyak tugas kerja pengetahuan. Bagi kebanyakan orang, kemajuan itu sudah terasa revolusioner.

Tetapi kejayaan ini juga telah mewujudkan konsensus industri yang kukuh. Ramai pelabur, pengasas dan syarikat kini menganggap bahawa jalan menuju kepintaran yang lebih maju adalah semata-mata untuk terus meningkatkan seni bina yang sama.

Ini mungkin benar untuk sesetengah keupayaan. Model yang lebih besar mungkin menjadi lebih baik dalam bahasa, corak penaakulan, pengekodan, tugas multimodal dan penggunaan alat. Tetapi LeCun telah berulang kali berhujah bahawa ini mungkin tidak mencukupi untuk kecerdasan sebenar.

Kritikannya bukanlah model bahasa yang besar tidak berguna. Mereka jelas berguna. Maksudnya ialah ramalan bahasa mungkin tidak sama dengan pemahaman dunia.

Model bahasa boleh menghasilkan jawapan yang kelihatan betul kerana ia telah mempelajari corak daripada sejumlah besar teks. Tetapi adakah ia memahami mengapa dunia berfungsi seperti itu? Adakah ia memahami sebab-akibat fizikal? Bolehkah ia meramalkan akibat tindakan di dunia nyata? Bolehkah ia merancang seperti manusia atau haiwan yang telah belajar daripada interaksi langsung dengan alam sekitar?

Ini adalah soalan yang lebih sukar.

Mengapa Bahasa Mungkin Tidak Cukup

Bahasa berkuasa, tetapi kecerdasan manusia tidak dibina hanya daripada bahasa.

Sebelum seorang kanak-kanak boleh bercakap dengan fasih, kanak-kanak itu sudah belajar banyak tentang dunia. Seorang kanak-kanak mengetahui bahawa objek jatuh, bahawa benda-benda itu terus wujud walaupun tersembunyi, bahawa tindakan mempunyai akibat, bahawa ruang mempunyai struktur dan bahawa beberapa peristiwa boleh diramalkan.

Kecerdasan jenis ini tidak dipelajari terutamanya daripada membaca teks. Ia datang daripada penglihatan, pergerakan, sentuhan, interaksi dan pengalaman.

Itulah sebabnya contoh bola yang bergolek dari meja sangat berkuasa. Seorang kanak-kanak kecil boleh meramalkan bahawa jika bola terus bergolek ke arah tepi meja, ia akan jatuh. Kanak-kanak itu tidak perlu membaca buku teks fizik untuk memahami perkara ini. Kanak-kanak itu telah membina model intuitif dunia fizikal.

Model bahasa yang besar boleh bercakap tentang situasi ini, tetapi pemahaman mereka berbeza. Mereka belajar daripada teks dan corak. Mereka boleh mengatakan bahawa bola akan jatuh kerana banyak contoh dalam data latihan mereka menyokong jawapan itu. Tetapi hujah LeCun ialah kecerdasan sebenar memerlukan lebih daripada meramalkan perkataan seterusnya. Ia memerlukan model dalaman tentang cara dunia berubah.

Ini ialah idea teras di sebalik model dunia.

Apakah Model Dunia?

Model dunia ialah sistem AI yang mempelajari cara dunia berfungsi.

Daripada hanya meramalkan perkataan seterusnya dalam ayat, model dunia cuba mempelajari gambaran realiti: objek, ruang, pergerakan, sebab dan akibat, masa, tindakan dan akibat. Matlamatnya bukan sahaja untuk menerangkan dunia, tetapi untuk meramalkan perkara yang mungkin berlaku seterusnya dan merancang tindakan sewajarnya.

AMI Labs menerangkan kerjanya sebagai membangunkan model dunia yang mempelajari perwakilan abstrak data penderia dunia sebenar dan membuat ramalan dalam ruang perwakilan. Ia juga menyerlahkan model dunia berkondisi tindakan, di mana sistem AI boleh meramalkan akibat daripada tindakannya sendiri dan merancang urutan tindakan di bawah kekangan keselamatan.

Ini adalah arah yang sangat berbeza daripada pemodelan bahasa tulen.

Jika model dunia penjanaan teks lebih kuat dan memanipulasi model dunia yang lebih mendalam. realiti. Ia mungkin penting terutamanya untuk robotik, kereta pandu sendiri, automasi industri, simulasi fizikal, penemuan saintifik dan sebarang sistem AI yang perlu bertindak di dunia nyata.

Secara ringkasnya, LLM pandai menjawab, menulis dan menaakul melalui bahasa. Model dunia sepatutnya membantu AI memahami perkara yang akan berlaku jika ia melakukan sesuatu.

Perbezaan itu penting.

Mengapa Pertaruhan Yann LeCun Penting

Yann LeCun hanya pentingkan pasaran AI yang baru. Dia membantu membentuk revolusi pembelajaran mendalam, terutamanya melalui kerjanya mengenai rangkaian saraf konvolusi dan penglihatan komputer. Apabila seseorang yang mempunyai latar belakang itu memulakan syarikat yang memfokuskan pada seni bina AI yang berbeza, orang ramai memberi perhatian.

TechCrunch melaporkan bahawa AMI Labs mengumpul kira-kira $1.03 bilion pada penilaian pra-wang $3.5 bilion, menjadikannya salah satu pusingan pendanaan peringkat awal terbesar dalam AI. Syarikat itu memberi tumpuan kepada model dunia atau AI yang belajar daripada realiti dan bukannya hanya daripada bahasa.

Ini menunjukkan bahawa Silicon Valley bukan sahaja bertaruh pada LLM yang lebih besar. Sesetengah pelabur juga sedang mencari paradigma AI seterusnya.

Itu tidak bermakna AMI pasti akan berjaya. Model dunia masih sukar. Membina AI yang benar-benar memahami realiti fizikal adalah lebih sukar daripada membina demo. Ia memerlukan data, seni bina, pengiraan, penemuan penyelidikan, reka bentuk keselamatan dan pengesahan dunia sebenar.

Tetapi saiz pertaruhan memberitahu kita sesuatu yang penting: ramai orang percaya perlumbaan AI semasa mungkin bukan bentuk akhir AI.

Paradigma Pemahaman AI Seterusnya Mungkin Mengenai Realiti AI

Setiap gelombang teknologi utama akhirnya mencapai tahap di mana hanya menjadikan pendekatan semasa lebih besar tidak mencukupi.

Google bukan sekadar Yahoo yang lebih besar. IPhone bukan sekadar telefon Nokia yang lebih baik. ChatGPT bukan sahaja enjin carian yang lebih baik. Setiap produk ini mewakili paradigma yang berbeza.

AI mungkin melalui corak yang sama.

Gelombang pertama AI moden ialah pembelajaran mendalam. Gelombang kedua ialah model bahasa yang besar dan AI generatif. Gelombang seterusnya mungkin melibatkan sistem yang menggabungkan bahasa, penglihatan, tindakan, ingatan, perancangan dan pemahaman dunia.

Itu tidak bermakna LLM akan hilang. Mereka mungkin kekal sebagai bahagian penting dalam timbunan AI. Tetapi mereka mungkin bukan keseluruhan sistem. AI masa depan mungkin menggunakan model bahasa untuk komunikasi, model dunia untuk ramalan dan perancangan, sistem ingatan untuk konteks jangka panjang dan ejen untuk penggunaan alat dan tindakan.

Dalam pengertian ini, pertaruhan LeCun tidak semestinya "LLM tidak berguna." Pandangan yang lebih seimbang ialah LLM mungkin satu komponen kecerdasan, bukan jawapan yang lengkap.

Paradigma AI seterusnya mungkin memerlukan sistem yang bukan sahaja bercakap dengan baik, tetapi juga memahami maksud tindakan mereka di dunia.

Mengapa Pemahaman Fizikal Sangat Penting

Banyak aplikasi AI yang berharga memerlukan pemahaman dunia nyata.

Kereta pandu sendiri perlu memahami jalan raya, kenderaan, pejalan kaki, ketidakpastian dan akibatnya. Robot perlu memahami objek, ruang, daya, dan pergerakan. Automasi industri perlu meramalkan bagaimana mesin dan proses berkelakuan. AI Penjagaan Kesihatan mungkin perlu memahami sebab akibat biologi, bukan hanya teks perubatan. AI saintifik mungkin perlu mencadangkan dan menguji hipotesis tentang dunia fizikal.

Masalah ini bukan masalah bahasa semata-mata.

Bot sembang boleh menjawab soalan tentang pemanduan, tetapi sistem pemanduan sendiri mesti membuat keputusan dalam persekitaran yang berubah-ubah. Model bahasa boleh menulis tentang robotik, tetapi robot mesti bergerak dengan selamat di ruang fizikal. Model boleh meringkaskan kertas saintifik, tetapi enjin penemuan mesti membuat alasan tentang eksperimen dan akibatnya.

Inilah sebab mengapa model dunia penting.

Jika AI akan beralih daripada skrin ke dunia fizikal, ia memerlukan lebih daripada ramalan teks. Ia memerlukan cara untuk memahami dinamik, kausalitas dan tindakan.

Itulah sebabnya arah ini boleh menjadi sangat berharga. Pasaran terbesar dalam AI mungkin bukan sahaja chatbots dan alat produktiviti. Ia mungkin termasuk robotik, sistem autonomi, pembuatan, logistik, penjagaan kesihatan, pertahanan, tenaga dan penyelidikan saintifik.

Kritikan: Adakah Model Dunia Terlalu Jauh?

Pada masa yang sama, kita harus berhati-hati agar tidak terlalu gembar-gembur> model dunia.

Sesetengah orang berpendapat bahawa otak biologi juga belajar daripada corak statistik, jadi mungkin terlalu mudah untuk mengatakan model bahasa tidak memahami apa-apa. Yang lain berpendapat bahawa model bahasa besar sudah memperoleh kebolehan pelbagai mod, penggunaan alat, ingatan dan penaakulan, jadi jurang antara LLM dan model dunia mungkin mengecil dari semasa ke semasa.

Terdapat juga kritikan praktikal: model dunia kedengaran cantik, tetapi ia masih jauh daripada penggunaan komersial yang luas. Kritikan LeCun terhadap LLM mungkin tajam, tetapi mengubah seni bina alternatif menjadi produk berguna adalah lebih sukar.

Saya rasa kritikan ini adil.

Adalah mudah untuk mengatakan paradigma AI semasa tidak lengkap. Ia jauh lebih sukar untuk membina yang seterusnya. Industri AI mempunyai banyak contoh idea penyelidikan elegan yang mengambil masa bertahun-tahun untuk menjadi praktikal, dan sesetengahnya tidak pernah menjadi arus perdana.

Jadi cara yang betul untuk melihat AMI bukanlah sebagai pemenang yang dijamin. Adalah lebih baik untuk melihatnya sebagai penyelidikan yang serius dan pertaruhan permulaan pada masa depan AI yang berbeza.

Maksud Ini untuk Pemula AI

Untuk pemula AI, kisah ini adalah peringatan bahawa pasaran AI belum selesai.

Ramai pengasas hari ini sedang membina aplikasi di atas model bahasa besar sedia ada. Itu masih berguna. Akan ada banyak perniagaan yang baik dibina dengan model semasa.

Tetapi persoalan yang lebih mendalam ialah: dari manakah peralihan platform seterusnya akan datang?

Jika paradigma AI seterusnya bergerak ke arah model dunia, ejen, AI fizikal, sistem ingatan dan perancangan dunia sebenar, maka peluang terbesar mungkin bukan dalam pembalut mudah di sekitar LLM. Ia mungkin dalam infrastruktur, sistem menegak, aliran kerja robotik, simulasi, pengumpulan data, keselamatan AI dan penggunaan dunia sebenar.

Ini bersambung kepada corak yang lebih luas yang sentiasa saya lihat: AI bergerak daripada perbualan kepada tindakan.

Peringkat pertama AI bertanya dan bertanya. Peringkat seterusnya ialah melakukan, merancang, memerhati, dan menambah baik. Untuk itu, AI memerlukan pemahaman yang lebih kukuh tentang persekitaran ia beroperasi.

Itulah sebabnya model dunia patut ditonton, walaupun masih awal.

Refleksi Peribadi Saya

Bukan untuk saya atau Yann Labs ini sahaja. Ia juga mengenai cara berfikir tentang gelombang teknologi.

Apabila teknologi menjadi popular, kebanyakan orang menumpukan pada lapisan yang kelihatan. Dalam pasaran AI hari ini, lapisan yang boleh dilihat ialah chatbots, penjanaan kandungan, pembantu pengekodan dan alatan AI. Ini penting, tetapi ia mungkin tidak mewakili masa depan penuh AI.

Lapisan yang lebih dalam ialah seni bina. Apakah jenis sistem yang sebenarnya boleh mencipta kecerdasan? Cukupkah bahasa? Adakah kita memerlukan ingatan, perancangan, persepsi, tindakan, dan pemahaman dunia? Bolehkah AI menjadi berguna dalam dunia fizikal, bukan sahaja dalam teks digital?

Soalan ini penting kerana ia membentuk di mana peluang seterusnya mungkin muncul.

Sebagai seseorang yang bekerja dalam SEO, tapak web, kandungan dan perniagaan digital, saya tidak perlu menjadi penyelidik AI. Tetapi saya fikir adalah penting untuk memahami perubahan yang lebih mendalam ini. Jika kita hanya melihat alatan hari ini, kita mungkin terlepas platform esok.

Ini juga sebab saya mendapati langkah LeCun menarik. Ia mengingatkan saya bahawa revolusi teknologi sebenar tidak selalu tentang menjadikan produk semasa lebih besar. Kadang-kadang mereka datang daripada bertanya sama ada laluan semasa kehilangan sesuatu yang asas.

Kesimpulan: AI Mungkin Memerlukan Lebih Daripada Bahasa

Permulaan baharu Yann LeCun adalah penting kerana ia mewakili kepercayaan yang berbeza tentang masa depan AI.

Perlumbaan AI yang dominan hari ini adalah mengenai penskalaan model bahasa yang besar. AMI Labs bertaruh bahawa paradigma AI seterusnya mungkin memerlukan model dunia: sistem yang memahami realiti, meramalkan akibat dan merancang tindakan berdasarkan cara dunia berfungsi.

Ini tidak bermakna LLM akan hilang. Mereka sudah berguna dan mungkin akan kekal penting. Tetapi mereka mungkin menjadi sebahagian daripada sistem risikan yang lebih besar, bukannya jawapan akhir.

Masa depan AI mungkin bukan sahaja dimiliki oleh model yang boleh bercakap dengan lebih baik. Ia mungkin tergolong dalam sistem yang boleh memahami, meramal dan bertindak di dunia.

Itulah sebabnya AMI patut ditonton.

Bukan kerana ia telah menyelesaikan kecerdasan, tetapi kerana ia menanyakan salah satu soalan terpenting dalam AI:

Bolehkah mesin benar-benar memahami dunia, bukan hanya menerangkannya?

Soalan Lazim