Ο Γάλλος επιστήμονας Yann LeCun, ένας από τους πιο αναγνωρισμένους ερευνητές στην τεχνητή νοημοσύνη παγκοσμίως, μίλησε στο περιθώριο του VivaTech, του μεγαλύτερου τεχνολογικού συνεδρίου της Γαλλίας, για την επόμενη μέρα μετά το ChatGPT. Ο πρώην επικεφαλής AI scientist της Meta εξήγησε στο BBC γιατί τα σημερινά μοντέλα τεχνητής νοημοσύνης δεν επαρκούν για να φτάσουν σε ανθρώπινου επιπέδου κατανόηση. Ο LeCun παρουσίασε παράλληλα τη νέα του εταιρεία, τα Advanced Machine Intelligence Labs, που στοχεύει να προχωρήσει πέρα από την τεχνολογία πίσω από το ChatGPT, το Claude και το Gemini.
Διαβάστε επίσης: Ο Μαρινάκης για Σαμαρά: Βίντεο κατά της ΝΔ αντί για επέτειο
Ο δρόμος από τη Meta στα AMI Labs
Ο Yann LeCun εργάστηκε για μία ολόκληρη δεκαετία στη Meta, όπου διετέλεσε επικεφαλής επιστήμονας τεχνητής νοημοσύνης της εταιρείας. Το 2025 αποχώρησε από τη θέση του και ίδρυσε τα Advanced Machine Intelligence Labs (AMI Labs), με έδρα το Παρίσι. Στόχος της νέας εταιρείας είναι η ανάπτυξη ενός εντελώς διαφορετικού τύπου τεχνητής νοημοσύνης, που δεν θα βασίζεται στην αρχιτεκτονική των Large Language Models (LLM) όπως το ChatGPT, το Claude και το Gemini. Ο ίδιος αναγνωρίζει ότι τα υπάρχοντα μοντέλα διατηρούν κάποια χρησιμότητα, ωστόσο θεωρεί πως δεν πρόκειται ποτέ να μπορέσουν να διαχειριστούν σύνθετες καταστάσεις του πραγματικού κόσμου, όπως για παράδειγμα το να καθοδηγήσουν ένα ρομπότ ώστε να εκτελέσει δουλειές του σπιτιού.
«Δεν αποτελούν τον δρόμο προς μια νοημοσύνη ανθρώπινου επιπέδου, ούτε καν ζωικού τύπου, επειδή δεν μπορούν να διαχειριστούν δεδομένα του πραγματικού κόσμου. Απλώς δεν έχουν κατασκευαστεί γι’ αυτό», δήλωσε ο Yann LeCun στο BBC, στο περιθώριο του VivaTech. Η δήλωση αυτή συνοψίζει τη βασική του θέση: τα σημερινά συστήματα τεχνητής νοημοσύνης έχουν σχεδιαστεί για να επεξεργάζονται κείμενο και όχι για να κατανοούν τον κόσμο γύρω τους. Νωρίτερα φέτος, τα AMI Labs ανακοίνωσαν ότι είχαν συγκεντρώσει περισσότερο από 1 δισεκατομμύριο δολάρια από επενδυτές, ανάμεσά τους η Nvidia και το επενδυτικό κεφάλαιο που διαχειρίζεται την προσωπική περιουσία του ιδρυτή της Amazon, Τζεφ Μπέζος.
Οι αδυναμίες των LLM και η λύση JEPA
Σύμφωνα με τον Yann LeCun, τα μοντέλα LLM «απλώς συσσωρεύουν γνώσεις». Όπως εξήγησε, «τα εκπαιδεύεις να το αναμασούν, αλλά δεν είναι ιδιαίτερα έξυπνα. Δεν διαθέτουν μια βαθύτερη κατανόηση». Το πρόβλημα, κατά τον ίδιο, είναι ότι ο πραγματικός κόσμος παρουσιάζει μια χαοτική ποικιλία αποτελεσμάτων για κάθε ενέργεια, κάτι που απαιτεί έναν πολύ πιο ευέλικτο τύπο τεχνητής νοημοσύνης από αυτόν που προσφέρουν σήμερα τα LLM.
Για να καλύψει αυτό το κενό, ο LeCun αναπτύσσει μαζί με την ομάδα του ένα σύστημα που ονομάζεται Joint Embedding Predictive Architecture (JEPA). Το JEPA έχει σχεδιαστεί ώστε να δημιουργεί αφαιρέσεις του πραγματικού κόσμου, οι οποίες επιτρέπουν στη συνέχεια στο σύστημα να αξιολογεί τα αποτελέσματα συγκεκριμένων ενεργειών. Η δημιουργία αυτών των αφαιρέσεων βασίζεται σε ιδιαίτερα σύνθετα μαθηματικά, τα οποία λειτουργούν ως φίλτρο, απομακρύνοντας τις άχρηστες πληροφορίες και αφήνοντας στο σύστημα μόνο τις χρήσιμες εικόνες του κόσμου.
Η ανάγκη για μια πιο ευέλικτη τεχνητή νοημοσύνη είναι ιδιαίτερα έντονη στη βιομηχανία ρομποτικής. Αν και έχουν επενδυθεί δισεκατομμύρια δολάρια στην κατασκευή ανθρωποειδών ρομπότ, η εκπαίδευσή τους ώστε να εκτελούν με ασφάλεια απλές οικιακές εργασίες, όπως το σιδέρωμα ή το άδειασμα του πλυντηρίου πιάτων, αποδεικνύεται εξαιρετικά δύσκολη και δαπανηρή διαδικασία. Ο Yann LeCun υποστηρίζει πως ούτε τα LLM φαίνεται να μπορούν να συμβάλουν ουσιαστικά στην πρόοδο της ρομποτικής, κάτι που ενισχύει την επιχειρηματολογία του υπέρ μιας εναλλακτικής αρχιτεκτονικής.
Τι ακολουθεί για την τεχνητή νοημοσύνη
Η προσέγγιση του Yann LeCun δεν αποτελεί μεμονωμένη άποψη στον χώρο. Αρκετοί ερευνητές και εταιρείες της βιομηχανίας τεχνητής νοημοσύνης φαίνεται να συμφωνούν μαζί του, στρέφοντας το ενδιαφέρον τους προς τα λεγόμενα «World Models», δηλαδή μοντέλα που στοχεύουν να κατανοήσουν και να αναπαραστήσουν τον πραγματικό κόσμο αντί απλώς να επεξεργάζονται κείμενο. Τα AMI Labs, με την ισχυρή χρηματοδότηση που έχουν εξασφαλίσει, φαίνεται πως θα βρίσκονται στο επίκεντρο αυτής της νέας κατεύθυνσης της τεχνητής νοημοσύνης τα επόμενα χρόνια.
