Ο Γιαν Λεκούν (Yann LeCun), μία από τις πιο εμβληματικές μορφές της σύγχρονης τεχνητής νοημοσύνης, έχει ένα ξεκάθαρο μήνυμα για τον κλάδο: τα μεγάλα γλωσσικά μοντέλα (LLMs) όπως το ChatGPT δεν είναι ο δρόμος προς την ανθρώπινη νοημοσύνη. Σε συνέντευξή του στο BBC από το συνέδριο VivaTech στο Παρίσι, ο Λεκούν υποστήριξε ότι η τρέχουσα προσέγγιση της ΤΝ έχει φτάσει στα όριά της και χρειάζεται μια ριζικά διαφορετική κατεύθυνση.
«Δεν έχουμε ρομπότ που να είναι ούτε κατά διάνοια τόσο καλά στην κατανόηση του φυσικού κόσμου όσο ένας αρουραίος», δηλώνει ο Λεκούν, ο οποίος αποχώρησε από τη Meta (ιδιοκτήτρια του Facebook) το 2025 μετά από μια δεκαετία ως επικεφαλής επιστήμονας ΤΝ, και ίδρυσε τη Advanced Machine Intelligence Labs (AMI Labs) με έδρα το Παρίσι.
Τα μεγάλα γλωσσικά μοντέλα, παραδέχεται, είναι εξαιρετικά σε συγκεκριμένες εργασίες όπως ο προγραμματισμός, η επίλυση μαθηματικών προβλημάτων και η δημιουργία κειμένου. Ωστόσο, υποστηρίζει ότι πρόκειται για καλά ορισμένα και προβλέψιμα προβλήματα. «Ουσιαστικά απλώς συσσωρεύουν γνώση... Μπορείς να τα εκπαιδεύσεις να αναπαράγουν πληροφορίες, αλλά δεν είναι ιδιαίτερα έξυπνα. Δεν έχουν βαθύτερη κατανόηση», εξηγεί.
Η βασική αδυναμία των LLMs αποκαλύπτεται όταν έρχονται αντιμέτωπα με τον πραγματικό κόσμο. Ο Λεκούν περιγράφει ένα απλό πείραμα: κρατά ένα στυλό όρθιο και ρωτά τι θα συμβεί όταν το αφήσει. Ακόμα και ένα νήπιο γνωρίζει ότι το στυλό θα πέσει — αλλά κανένας άνθρωπος δεν θα προσπαθούσε να μαντέψει προς ποια κατεύθυνση, γιατί αυτό είναι αδύνατο να προβλεφθεί. Ένα LLM, αντίθετα, θα προσπαθούσε να δημιουργήσει μια μοναδική πρόβλεψη βασισμένη σε στατιστικά μοτίβα από τα δεδομένα εκπαίδευσής του — μια πρόβλεψη που σχεδόν σίγουρα θα ήταν λανθασμένη.
Η απάντηση του Λεκούν σε αυτό το πρόβλημα ονομάζεται Joint Embedding Predictive Architecture (JEPA), το σύστημα που αναπτύσσει η AMI Labs. Σε αντίθεση με τα παραδοσιακά μοντέλα που προσπαθούν να προβλέψουν κάθε λεπτομέρεια, το JEPA δημιουργεί αφαιρέσεις του πραγματικού κόσμου, φιλτράροντας τις άχρηστες πληροφορίες και κρατώντας μόνο χρήσιμες «εικόνες» της πραγματικότητας. Στην περίπτωση του στυλό, η ΤΝ θα γνώριζε ότι δεν έχει νόημα να προσπαθήσει να προβλέψει προς ποια κατεύθυνση θα πέσει.
Οι επενδυτές φαίνεται να πιστεύουν στο όραμα της AMI Labs. Νωρίτερα φέτος, η εταιρεία ανακοίνωσε ότι συγκέντρωσε πάνω από 1 δισεκατομμύριο δολάρια σε seed funding — τον αρχικό γύρο χρηματοδότησης για startups — έναν από τους μεγαλύτερους του είδους του στην Ευρώπη. Ανάμεσα στους επενδυτές περιλαμβάνονται ο γίγαντας ημιαγωγών Nvidia και το fund που διαχειρίζεται την προσωπική περιουσία του ιδρυτή της Amazon, Τζεφ Μπέζος.
Το κεφάλαιο αυτό είναι ζωτικής σημασίας και για τη ρομποτική. Δισεκατομμύρια δολάρια έχουν επενδυθεί στην κατασκευή ανθρωποειδών ρομπότ, αλλά η εκπαίδευσή τους σε οικιακές εργασίες όπως το σιδέρωμα αποδεικνύεται εξαιρετικά δύσκολη και δαπανηρή. Ο Λεκούν είναι κατηγορηματικός: «Τα LLMs είναι σε μεγάλο βαθμό άχρηστα για τη ρομποτική. Οι ισχυρισμοί ότι με την κλιμάκωση των LLMs θα φτάσουμε σε υπερανθρώπινη νοημοσύνη απλώς δεν θα συμβεί».
Τα «World Models» και το μέλλον της ΤΝ
Ο Λεκούν δεν είναι μόνος στην κριτική του. Ο Ίνγκμαρ Πόσνερ, καθηγητής Εφαρμοσμένης Τεχνητής Νοημοσύνης στο Πανεπιστήμιο της Οξφόρδης, συμφωνεί ότι η επόμενη δεκαετία θα αφορά συστήματα που μπορούν να εξηγούν. «Χρειαζόμαστε μοντέλα που μπορούν να απαντούν σε ερωτήσεις όπως: Τι έχει σημασία; Τι προκαλεί τι; Τι θα συνέβαινε αν έκανα κάτι διαφορετικό;», λέει.
Η ομάδα του Πόσνερ, περίπου 10 ερευνητές, εργάζεται εδώ και τέσσερα χρόνια πάνω σε μια εναλλακτική μορφή ΤΝ που εντάσσεται στην κατηγορία των «World Models» (Μοντέλα Κόσμου). Η έμπνευση προήλθε από μια σημαντική εργασία των David Ha και Jürgen Schmidhuber το 2018, η οποία έδειξε ότι μια ΤΝ μπορεί να μάθει να εκτελεί ενέργειες μέσω μιας νοητικής προσομοίωσης του κόσμου.
Από το 2018, η ιδέα έχει πυροδοτήσει σημαντική ερευνητική δραστηριότητα. Η Google ανέπτυξε το Dreamer World Model, μια παραλλαγή του οποίου κατάφερε πέρυσι να μάθει πώς να συλλέγει διαμάντια στο Minecraft μέσω φανταστικών σεναρίων. Παράλληλα, η DeepMind εργάζεται στο μοντέλο Genie, η Wayve στο σύστημα Gaia, και η πρωτοπόρος της ΤΝ Fei-Fei Li ίδρυσε την World Labs στο Σαν Φρανσίσκο το 2023.
Ο Πόσνερ ελπίζει ότι το σύστημα της ομάδας του, το οποίο αποκαλεί «μηχανιστικό μοντέλο κόσμου», θα αποτελέσει ένα ακόμη βήμα προόδου, οργανώνοντας τη γνώση με τρόπο που η ΤΝ μπορεί να χρησιμοποιήσει αποτελεσματικά.
Από τη βιομηχανία στην καθολική νοημοσύνη
Ο Λεκούν σχεδιάζει να αφιερώσει το υπόλοιπο του έτους στη βελτίωση του μοντέλου της AMI Labs, και από του χρόνου ελπίζει να το δει να εφαρμόζεται, αρχικά σε βιομηχανικά περιβάλλοντα. Αν αυτό είναι επιτυχές, το όραμα γίνεται ακόμα μεγαλύτερο. «Σταδιακά, θα έχουμε γενικά συστήματα νοημοσύνης που μπορούν να εφαρμοστούν σχεδόν σε οτιδήποτε στον κόσμο με ελάχιστη εκπαίδευση», προβλέπει.
Και τι γίνεται με τους ανθρώπους σε έναν κόσμο όπου τα ρομπότ λειτουργούν ανεξάρτητα; Ο Λεκούν παραμένει αισιόδοξος. «Θα συνεχίσουμε να χρειαζόμαστε ανθρώπους για να αποφασίζουμε ποιες ερωτήσεις να κάνουμε, τι να χτίσουμε, τι να δημιουργήσουμε — που είναι πραγματικά η ουσία του ανθρώπινου παράγοντα». Η αλληλεπίδρασή μας με τα μελλοντικά συστήματα ΤΝ, ακόμα κι αν είναι εξυπνότερα από εμάς, θα μοιάζει, όπως λέει, με τη σχέση ενός διευθύνοντος συμβούλου με τους βοηθούς του — πολλοί από τους οποίους είναι εξυπνότεροι από τον ίδιο.