Η τεχνητή νοημοσύνη δεν είναι… έξυπνη- Το επόμενο βήμα τρομάζει
✨Ο Γιαν ΛεΚούν ίδρυσε την AMI Labs στο Παρίσι με στόχο να αναπτύξει τεχνητή νοημοσύνη πιο ευέλικτη και ικανή από τα υπάρχοντα μοντέλα όπως το ChatGPT.
✨Η νέα τεχνολογία JEPA της AMI Labs δημιουργεί αφαιρέσεις του πραγματικού κόσμου για καλύτερη κατανόηση και πρόβλεψη πολύπλοκων σεναρίων, ξεπερνώντας τις στατιστικές προβλέψεις των LLM.
✨Παρά τις μεγάλες επενδύσεις σε ανθρωποειδή ρομπότ, τα υπάρχοντα μοντέλα AI δυσκολεύονται να εκτελέσουν οικιακές εργασίες με ασφάλεια και αξιοπιστία.
✨Ειδικοί όπως ο Ίνγκμαρ Πόσνερ συμφωνούν ότι η επόμενη δεκαετία θα εστιάσει σε συστήματα που κατανοούν αιτίες και επιπτώσεις, υπερβαίνοντας την απλή επανάληψη γνώσεων.
Ο πρωτοπόρος της τεχνητής νοημοσύνης Γιαν ΛεΚούν ιδρύει νέα εταιρεία στο Παρίσι για να ξεπεράσει τα όρια των υπαρχόντων συστημάτων όπως το ChatGPT. «Δεν έχουμε ρομπότ που να κατανοούν τον φυσικό κόσμο τόσο καλά όσο ένας αρουραίος», δηλώνει ο ΛεΚούν, μία από τις κορυφαίες προσωπικότητες στον χώρο της τεχνητής νοημοσύνης.
Ο ΛεΚούν εργάστηκε για μια δεκαετία στη Meta, ιδιοκτήτρια του Facebook, ως επικεφαλής επιστήμονας τεχνητής νοημοσύνης, αλλά το 2025 αποχώρησε και ίδρυσε την Advanced Machine Intelligence Labs (AMI Labs).
Πεπερασμένα τα σημερινά συστήματα
Στόχος του είναι να προωθήσει την τεχνητή νοημοσύνη πέρα από τα σημερινά συστήματα, όπως το ChatGPT, το Claude και το Gemini.
Έχουν τις χρήσεις τους, λέει, αλλά δεν θα είναι ποτέ σε θέση να αντιμετωπίσουν περίπλοκες καταστάσεις στον πραγματικό κόσμο, όπως το να αναθέσουμε σε ένα ρομπότ να κάνει τις δουλειές του σπιτιού.
«Δεν αποτελούν μονοπάτι προς το ανθρώπινο επίπεδο ή την ανθρώπινη νοημοσύνη, ή ακόμα και την ζωική νοημοσύνη, επειδή δεν μπορούν να διαχειριστούν δεδομένα του πραγματικού κόσμου, απλώς δεν είναι κατασκευασμένα για αυτό», μου λέει στο περιθώριο του VivaTech, του κορυφαίου συνεδρίου τεχνολογίας της Γαλλίας.
Έτσι, η AMI Labs με έδρα το Παρίσι ασχολείται με την ανάπτυξη ενός νέου τύπου τεχνητής νοημοσύνης που δεν βασίζεται στην τεχνολογία πίσω από το ChatGPT και τους ανταγωνιστές του.
Οι επενδυτές πιστεύουν ότι έχει δυνατότητες. Νωρίτερα φέτος, η AMI Labs ανακοίνωσε ότι είχε συγκεντρώσει περισσότερα από 1 δισεκατομμύριο δολάρια (760 εκατομμύρια λίρες), με επενδυτές όπως ο αμερικανικός γίγαντας τσιπ υπολογιστών Nvidia και το fund που διαχειρίζεται την ιδιωτική περιουσία του ιδρυτή της Amazon, Τζεφ Μπέζος.
Αυτός ο λεγόμενος γύρος αρχικής χρηματοδότησης – ο πρώτος γύρος συγκέντρωσης κεφαλαίων για νεοσύστατες επιχειρήσεις – ήταν ένας από τους μεγαλύτερους του είδους του στην Ευρώπη.
Προς τα πού θα πέσει η πέννα;
Τα Μεγάλα Γλωσσικά Μοντέλα (LLM) όπως το ChatGPT είναι εξαιρετικά καλά σε ορισμένα πράγματα όπως ο προγραμματισμός, τα μαθηματικά προβλήματα και η δημιουργία κειμένου, λέει ο LeCun.
Αλλά υποστηρίζει ότι αυτά είναι σαφώς καθορισμένα και προβλέψιμα προβλήματα.
«[Οι LLM] ουσιαστικά απλώς συσσωρεύουν γνώσεις… Μπορούν να αναμασούν κάτι, τους εκπαιδεύεις να το αναμασούν, αλλά δεν είναι ιδιαίτερα έξυπνοι. Δεν έχουν μια υποκείμενη κατανόηση», λέει.
Στον πραγματικό κόσμο υπάρχει μια εκπληκτική ποικιλία αποτελεσμάτων για οποιαδήποτε ενέργεια, η οποία απαιτεί έναν πιο ευέλικτο τύπο τεχνητής νοημοσύνης.
Ο ΛεΚούν κρατάει ένα στυλό όρθιο στην άκρη του. Τι συμβαίνει όταν το αφήνεις, ρωτάει; Ακόμα και ένα νήπιο θα ήξερε ότι το στυλό θα ανατραπεί. Αλλά κανένας άνθρωπος δεν θα μπήκε στον κόπο να μαντέψει προς ποια κατεύθυνση μπορεί να πέσει το στυλό, δεν υπάρχει τρόπος να το πει κανείς.
Αλλά ένας LLM μπορεί να προσπαθήσει να δημιουργήσει μια ενιαία πρόβλεψη για την επόμενη κίνηση της πένας με βάση στατιστικά μοτίβα από τα δεδομένα εκπαίδευσής της.
Η πρόβλεψη σχεδόν σίγουρα θα ήταν λανθασμένη, επειδή το σύστημα δεν λαμβάνει υπόψη τη φυσική πραγματικότητα της κατάστασης – παράγει αυτό που φαίνεται στατιστικά εύλογο.
Ο LeCun λέει ότι το σύστημα που αναπτύσσει η εταιρεία του, που ονομάζεται Joint Embedding Predictive Architecture (JEPA), έχει ρυθμιστεί για να αντιμετωπίζει τέτοια προβλήματα.
Δημιουργεί αφαιρέσεις του πραγματικού κόσμου που του επιτρέπουν να αξιολογεί τα αποτελέσματα των ενεργειών.
Η δημιουργία αυτών των αφαιρέσεων περιλαμβάνει δύσκολα μαθηματικά, αλλά ουσιαστικά φιλτράρουν άχρηστες πληροφορίες, αφήνοντας στην Τεχνητή Νοημοσύνη χρήσιμες εικόνες του κόσμου.
Στην περίπτωση της πένας, η Τεχνητή Νοημοσύνη θα γνώριζε ότι δεν έχει νόημα να προσπαθεί να προβλέψει προς τα πού θα πέσει η πέννα.
Η δημιουργία μιας πιο ευέλικτης τεχνητής νοημοσύνης αποτελεί προτεραιότητα για τη βιομηχανία ρομποτικής.
Τα ανθρωποειδή
Δισεκατομμύρια δολάρια έχουν επενδυθεί στην κατασκευή ανθρωποειδών ρομπότ και τα κατορθώματά τους γίνονται πιο εντυπωσιακά κάθε χρόνο .
Αλλά η εκπαίδευσή τους ώστε να εκτελούν με ασφάλεια οικιακές εργασίες, όπως το σιδέρωμα ή το στοίβαγμα του πλυντηρίου πιάτων, αποδεικνύεται δύσκολη και δαπανηρή.
Και, σύμφωνα με τον LeCun, τα τρέχοντα μοντέλα τεχνητής νοημοσύνης είναι απίθανο να είναι ποτέ καλά σε αυτό το περιβάλλον.
«Τα μεταπτυχιακά LLM είναι σε μεγάλο βαθμό απελπιστικά για τη ρομποτική», λέει.
«Οι ισχυρισμοί ότι με κάποιο τρόπο, απλώς αυξάνοντας τα LLM, θα φτάσουμε στην υπεράνθρωπη νοημοσύνη, απλά δεν πρόκειται να συμβούν».
Πολλοί στον κλάδο της Τεχνητής Νοημοσύνης συμφωνούν με τον LeCun.
Ο Ίνγκμαρ Πόσνερ είναι ένας από αυτούς. Είναι καθηγητής Εφαρμοσμένης Τεχνητής Νοημοσύνης στο Πανεπιστήμιο της Οξφόρδης και διευθύνει το Εργαστήριο Εφαρμοσμένης Τεχνητής Νοημοσύνης του Πανεπιστημίου. Είναι επίσης υπότροφος του Amazon .
«Η άποψή μου είναι ότι η επόμενη δεκαετία θα αφορά πραγματικά συστήματα που μπορούν να εξηγήσουν… Χρειάζεστε μοντέλα που μπορούν να απαντήσουν σε ερωτήματα όπως: Τι έχει σημασία; Τι προκαλεί τι; Τι θα συνέβαινε αν έκανα κάτι άλλο – όπως αν αναλάμβανα μια διαφορετική ενέργεια;»
Ο Posner και η ομάδα του, που αποτελείται από περίπου 10 ερευνητές, εργάζονται εδώ και τέσσερα χρόνια πάνω σε μια εναλλακτική μορφή Τεχνητής Νοημοσύνης, η οποία εμπίπτει σε μια χαλαρή κατηγορία που ονομάζεται Παγκόσμια Μοντέλα.
Ενώ τα Παγκόσμια Μοντέλα υπάρχουν εννοιολογικά εδώ και δεκαετίες, μια έμπνευση για αυτό το έργο ήταν μια σημαντική εργασία που δημοσιεύτηκε το 2018 από τους David Ha και Jurgen Schmidhuber .
Η άποψή τους ήταν ότι, δεδομένων των εξελίξεων στη μηχανική μάθηση και την υπολογιστική ισχύ, μια Τεχνητή Νοημοσύνη μπορεί να μάθει πώς να κάνει κάτι αποκλειστικά από μια μαθησιακή, «νοητική» προσομοίωση του πώς μοιάζει ο κόσμος.
Από το 2018, αυτή η ιδέα έχει καταλύσει σημαντικό όγκο έρευνας σχετικά με τα μοντέλα κόσμων, συμπεριλαμβανομένου του Dreamer World Model από την Google. Πέρυσι, μια παραλλαγή του Dreamer επεξεργάστηκε τον τρόπο συλλογής διαμαντιών στο βιντεοπαιχνίδι Minecraft, φανταζόμενοι μελλοντικά σενάρια για να το βοηθήσει στη λήψη αποφάσεων.
Ο Πόσνερ ελπίζει ότι το σύστημα Τεχνητής Νοημοσύνης στο οποίο εργάζεται η ομάδα του θα αποτελέσει ένα ακόμη βήμα προς τα εμπρός. Το αποκαλεί «μηχανιστικό μοντέλο κόσμου», το οποίο θα δομεί τη γνώση με τρόπο που η Τεχνητή Νοημοσύνη μπορεί να χρησιμοποιήσει αποτελεσματικά.
«Χρειάζεστε συστήματα που είναι σε θέση να διαμερίζουν και να οργανώνουν τη γνώση με τέτοιο τρόπο ώστε να μπορεί να ανακαλείται, να συνδυάζεται και να τροποποιείται όταν έχει σημασία», λέει ο Posner.
Αόριστο χρονοδιάγραμμα
Είναι πολύ δύσκολο να πούμε πόσος χρόνος θα χρειαστεί για την ανάπτυξη αυτών των νέων μοντέλων, προσθέτει.
«Αν ρωτούσατε οποιονδήποτε το 2017 ή το 2018, πόσο καιρό θα χρειαζόταν μέχρι να μπορέσετε να έχετε κάτι σαν ChatGPT, θα απαντούσε: “Δεκαετίες, δεκαετίες δουλειάς”.»
Η αρχική έκδοση του ChatGPT κυκλοφόρησε τον Νοέμβριο του 2022 .
Άλλες εργασίες πάνω σε Παγκόσμια Μοντέλα πραγματοποιούνται από την DeepMind (μέρος της Alphabet, ιδιοκτήτριας εταιρείας της Google) με το μοντέλο Genie , ενώ η Wayve, με έδρα το Λονδίνο, διαθέτει ένα σύστημα που ονομάζεται Gaia.
Εν τω μεταξύ, ο πρωτοπόρος της τεχνητής νοημοσύνης Φέι-Φέι Λι ίδρυσε την World Labs στο Σαν Φρανσίσκο το 2023 για να αναπτύξει ένα νέο μοντέλο τεχνητής νοημοσύνης.
Ο LeCun λέει ότι η AMI Labs θα αφιερώσει το υπόλοιπο του έτους στη βελτίωση του μοντέλου τεχνητής νοημοσύνης της και του χρόνου ελπίζει ότι θα χρησιμοποιηθεί, αρχικά σε βιομηχανικά περιβάλλοντα.
Αν αυτό είναι επιτυχές, τότε θα είναι καιρός να σκεφτούμε μεγαλόπνοα.
«Τελικά, στο μέλλον θα έχουμε ένα είδος γενικών συστημάτων νοημοσύνης που μπορούν να εφαρμοστούν σχεδόν σε οτιδήποτε στον κόσμο με ελάχιστη εκπαίδευση ή λεπτή ρύθμιση.»
Τι θα συμβεί στους ανθρώπους σε έναν κόσμο όπου τα ρομπότ θα μπορούν να λειτουργούν ανεξάρτητα;
«Θα εξακολουθούμε να χρειαζόμαστε ανθρώπους για να καταλάβουμε ποιες ερωτήσεις να θέσουμε, τι να κατασκευάσουμε, τι να δημιουργήσουμε, κάτι που είναι πραγματικά η πραγματικά ανθρώπινη πτυχή», λέει.
Η Τεχνητή Νοημοσύνη θα δουλέψει για εμάς, προσθέτει.
«Η αλληλεπίδρασή μας με τα μελλοντικά συστήματα Τεχνητής Νοημοσύνης – ακόμα κι αν είναι πιο έξυπνα από εμάς – θα είναι σαν την αλληλεπίδραση μεταξύ ενός αρχηγού της βιομηχανίας ή ενός πολιτικού ηγέτη με το προσωπικό των βοηθών του – πολλοί από τους οποίους είναι πιο έξυπνοι από αυτούς».
Πηγή: bbc.com
SiteDesign