Dirbtinis intelektas nėra “protingas”, tad kas toliau laukia dirbtinio intelekto?

“Mes neturime robotų, kurie taip gerai suprastų fizinį pasaulį kaip žiurkė”, – sako Yann LeCun, vienas iš pirmaujančių dirbtinio intelekto pasaulio veikėjų.

Dešimtmetį jis dirbo “Facebook” savininke “Meta”, kur buvo vyriausiasis dirbtinio intelekto mokslininkas, tačiau 2025 m. išėjo ir įkūrė “Advanced Machine Intelligence Labs” (AMI Labs).

Jo tikslas – perkelti dirbtinį intelektą už dabartinių sistemų, tokių kaip “ChatGPT”, “Claude” ir “Gemini”, ribų. Jis sako, kad jie turi savo paskirtį, bet niekada negalės išspręsti sudėtingų situacijų realiame pasaulyje, pavyzdžiui, priversti robotą atlikti namų ruošos darbus.

“Jie nėra kelias į žmogaus lygį, į žmogų ar net į gyvūnus panašų intelektą, nes jie negali susidoroti su realaus pasaulio duomenimis, jie tiesiog nėra tam sukurti”, – sako jis pirmaujančios Prancūzijos technologijų konferencijos “VivaTech” kuluaruose.

Taigi, Paryžiuje įsikūrusi “AMI Labs” kuria naujo tipo dirbtinį intelektą, nepagrįstą “ChatGPT” ir jo konkurentų technologijomis.

Investuotojai mano, kad jis turi potencialo. Anksčiau šiais metais “AMI Labs” paskelbė, kad pritraukė daugiau nei 1 mlrd. dolerių (760 mln. svarų sterlingų), tarp investuotojų yra JAV kompiuterių lustų milžinė “Nvidia” ir fondas, valdantis privatų “Amazon” įkūrėjo Jeffo Bezoso turtą.

Šis vadinamasis pradinio finansavimo raundas – ankstyviausias pradedančiųjų įmonių lėšų pritraukimo etapas – buvo vienas didžiausių tokio pobūdžio Europoje.

Dideli kalbos modeliai (LLM), tokie kaip “ChatGPT”, labai gerai atlieka kai kuriuos dalykus, tokius kaip kodavimas, matematinės problemos ir teksto generavimas, sako LeCun.

Tačiau jis teigia, kad tai yra gerai apibrėžtos ir nuspėjamos problemos.

“Jie [LLMs] iš esmės tik kaupti žinias… Jie gali kažką atgaivinti, jūs išmokote juos regurgituoti, bet jie nėra ypač protingi. Jie neturi pagrindinio supratimo”, – sako jis.

Realiame pasaulyje bet koks veiksmas turi daugybę rezultatų, kuriems reikalingas lankstesnis dirbtinio intelekto tipas.

LeCun laiko rašiklį vertikaliai ant jo galiuko. Kas atsitiks, kai paleisite, klausia jis? Net mažylis žinotų, kad rašiklis apvirs. Bet nė vienas žmogus nesivargintų atspėti, kuria kryptimi rašiklis gali nukristi, nėra jokio būdo pasakyti.

Tačiau LLM gali bandyti sukurti vieną prognozę apie kitą rašiklio žingsnį, remdamasis statistiniais modeliais iš jo treniruočių duomenų.

Prognozė beveik neabejotinai būtų klaidinga, nes sistema nesamprotauja apie fizinę situacijos realybę – ji sukuria tai, kas atrodo statistiškai tikėtina.

LeCun sako, kad jo kompanijos kuriama sistema, vadinama Joint Embedding Predictive Architecture (JEPA), yra sukurta tokioms problemoms spręsti.

Jis sukuria realaus pasaulio abstrakcijas, leidžiančias įvertinti veiksmų rezultatus.

Šių abstrakcijų kūrimas apima sudėtingą matematiką, tačiau iš esmės jos filtruoja nenaudingą informaciją, tiesiog paliekant dirbtiniam intelektui naudingus pasaulio vaizdus.

Rašiklio atveju dirbtinis intelektas žinotų, kad nėra prasmės bandyti nuspėti, į kurią pusę rašiklis nukris.

Lankstesnio dirbtinio intelekto kūrimas yra robotikos pramonės prioritetas.

Milijardai dolerių buvo investuoti į humanoidinių robotų kūrimą, o jų žygdarbiai kasmet tampa vis įspūdingesni.

Tačiau išmokyti juos saugiai atlikti namų ruošos darbus, tokius kaip lyginimas ar indaplovės krovimas, yra sudėtinga ir brangu.

Ir, pasak LeCun, dabartiniai dirbtinio intelekto modeliai vargu ar kada nors bus geri toje aplinkoje.

“LLM robotikai iš esmės yra beviltiški”, – sako jis.

“Teiginiai, kad kažkaip tik padidinę LLM, mes pasieksime superžmogišką intelektą, to paprasčiausiai neįvyks.”

“Mes neturime robotų, kurie taip gerai suprastų fizinį pasaulį kaip žiurkė”, – sako Yann LeCun, vienas iš pirmaujančių dirbtinio intelekto pasaulio veikėjų.

Dešimtmetį jis dirbo “Facebook” savininke “Meta”, kur buvo vyriausiasis dirbtinio intelekto mokslininkas, tačiau 2025 m. išėjo ir įkūrė “Advanced Machine Intelligence Labs” (AMI Labs).

Jo tikslas – perkelti dirbtinį intelektą už dabartinių sistemų, tokių kaip “ChatGPT”, “Claude” ir “Gemini”, ribų. Jis sako, kad jie turi savo paskirtį, bet niekada negalės išspręsti sudėtingų situacijų realiame pasaulyje, pavyzdžiui, priversti robotą atlikti namų ruošos darbus.

“Jie nėra kelias į žmogaus lygį, į žmogų ar net į gyvūnus panašų intelektą, nes jie negali susidoroti su realaus pasaulio duomenimis, jie tiesiog nėra tam sukurti”, – sako jis pirmaujančios Prancūzijos technologijų konferencijos “VivaTech” kuluaruose.

Taigi, Paryžiuje įsikūrusi AMI “Labs” kuria naujo tipo dirbtinį intelektą, nepagrįstą “ChatGPT” ir jo konkurentų technologijomis.

Investuotojai mano, kad jis turi potencialo. Anksčiau šiais metais “AMI Labs” paskelbė, kad pritraukė daugiau nei 1 mlrd. dolerių (760 mln. svarų sterlingų), tarp investuotojų yra JAV kompiuterių lustų milžinė “Nvidia” ir fondas, valdantis privatų “Amazon” įkūrėjo Jeffo Bezoso turtą.

Šis vadinamasis pradinio finansavimo raundas – ankstyviausias pradedančiųjų įmonių lėšų pritraukimo etapas – buvo vienas didžiausių tokio pobūdžio Europoje.

Dideli kalbos modeliai (LLM), tokie kaip “ChatGPT”, labai gerai atlieka kai kuriuos dalykus, tokius kaip kodavimas, matematinės problemos ir teksto generavimas, sako LeCun.

Tačiau jis teigia, kad tai yra gerai apibrėžtos ir nuspėjamos problemos.

“Jie [LLMs] iš esmės tik kaupti žinias… Jie gali kažką atgaivinti, jūs išmokote juos regurgituoti, bet jie nėra ypač protingi. Jie neturi pagrindinio supratimo”, – sako jis.

Realiame pasaulyje bet koks veiksmas turi daugybę rezultatų, kuriems reikalingas lankstesnis dirbtinio intelekto tipas.

LeCun laiko rašiklį vertikaliai ant jo galiuko. Kas atsitiks, kai paleisite, klausia jis? Net mažylis žinotų, kad rašiklis apvirs. Bet nė vienas žmogus nesivargintų atspėti, kuria kryptimi rašiklis gali nukristi, nėra jokio būdo pasakyti.

Tačiau LLM gali bandyti sukurti vieną prognozę apie kitą rašiklio žingsnį, remdamasis statistiniais modeliais iš jo treniruočių duomenų.

Prognozė beveik neabejotinai būtų klaidinga, nes sistema nesamprotauja apie fizinę situacijos realybę – ji sukuria tai, kas atrodo statistiškai tikėtina.

LeCun sako, kad jo kompanijos kuriama sistema, vadinama Joint Embedding Predictive Architecture (JEPA), yra sukurta tokioms problemoms spręsti.

Jis sukuria realaus pasaulio abstrakcijas, leidžiančias įvertinti veiksmų rezultatus.

Šių abstrakcijų kūrimas apima sudėtingą matematiką, tačiau iš esmės jos filtruoja nenaudingą informaciją, tiesiog paliekant dirbtiniam intelektui naudingus pasaulio vaizdus.

Rašiklio atveju dirbtinis intelektas žinotų, kad nėra prasmės bandyti nuspėti, į kurią pusę rašiklis nukris.

Lankstesnio dirbtinio intelekto kūrimas yra robotikos pramonės prioritetas.

Milijardai dolerių buvo investuoti į humanoidinių robotų kūrimą, o jų žygdarbiai kasmet tampa vis įspūdingesni.

Tačiau išmokyti juos saugiai atlikti namų ruošos darbus, tokius kaip lyginimas ar indaplovės krovimas, yra sudėtinga ir brangu.

Ir, pasak LeCun, dabartiniai dirbtinio intelekto modeliai vargu ar kada nors bus geri toje aplinkoje.

“LLM robotikai iš esmės yra beviltiški”, – sako jis.

“Teiginiai, kad kažkaip tik padidinę LLM, mes pasieksime superžmogišką intelektą, to paprasčiausiai neįvyks.”