कृत्रिम बुद्धिमत्तेच्या जगातील आघाडीच्या व्यक्तींपैकी एक यान लेकून म्हणतात, “आमच्याकडे उंदराइतके भौतिक जग समजून घेण्याइतके चांगले रोबोट्स नाहीत.
त्याने फेसबुक-मालक, मेटा येथे दशकभर काम केले, जेथे ते मुख्य AI शास्त्रज्ञ होते, परंतु 2025 मध्ये ते सोडले आणि Advanced Machine Intelligence Labs (AMI Labs) ची स्थापना केली.
AI ला ChatGPT, Claude आणि Gemini सारख्या वर्तमान सिस्टीमच्या पलीकडे जाणे हे त्याचे ध्येय आहे. त्यांचे उपयोग आहेत, ते म्हणतात, परंतु वास्तविक जगामध्ये घरातील कामे करण्यासाठी रोबोट मिळवण्यासारख्या क्लिष्ट परिस्थितींचा सामना करण्यास ते कधीही सक्षम होणार नाहीत.
“ते मानवी पातळी किंवा मानवासारखी बुद्धिमत्ता किंवा अगदी प्राण्यांसारखी बुद्धिमत्ता देखील नाहीत, कारण ते वास्तविक जगाच्या डेटाला सामोरे जाऊ शकत नाहीत, ते फक्त त्यासाठी तयार केलेले नाहीत,” फ्रान्सच्या आघाडीच्या तंत्रज्ञान परिषदेच्या VivaTech च्या बाजूला ते मला सांगतात.
तर, पॅरिस-आधारित AMI लॅब्स ChatGPT आणि त्याच्या प्रतिस्पर्ध्यांच्या मागे असलेल्या तंत्रज्ञानावर आधारित नसलेल्या कृत्रिम बुद्धिमत्तेचा एक नवीन प्रकार विकसित करण्यात व्यस्त आहे.
गुंतवणूकदारांना वाटते की त्यात क्षमता आहे. या वर्षाच्या सुरुवातीला AMI लॅब्सने जाहीर केले की त्यांनी US संगणक चिप दिग्गज Nvidia आणि Amazon-संस्थापक जेफ बेझोस यांच्या खाजगी संपत्तीचे व्यवस्थापन करणाऱ्या निधीसह गुंतवणूकदारांसह $1bn (£760m) पेक्षा जास्त उभारले आहे.
ती तथाकथित सीड फंडिंग फेरी – स्टार्ट-अप निधी उभारणीची सर्वात पहिली फेरी – ही युरोपमधील आपल्या प्रकारातील सर्वात मोठी होती.
ChatGPT सारखे मोठे लँग्वेज मॉडेल (LLMs) कोडिंग, गणितीय समस्या आणि मजकूर तयार करणे यासारख्या काही गोष्टींमध्ये अत्यंत चांगले आहेत, LeCun म्हणतात.
परंतु तो असा युक्तिवाद करतो की या चांगल्या परिभाषित आणि अंदाज करण्यायोग्य समस्या आहेत.
“ते [LLMs] मुळात फक्त ज्ञान जमा करा… ते काहीतरी रीगर्जिट करू शकतात, तुम्ही त्यांना रीगर्जिट करण्यासाठी प्रशिक्षित करता, परंतु ते विशेषतः हुशार नाहीत. त्यांना अंतर्निहित समज नाही,” तो म्हणतो.
वास्तविक जगात कोणत्याही कृतीच्या परिणामांची एक विस्मयकारक श्रेणी असते, ज्यासाठी अधिक लवचिक प्रकारच्या कृत्रिम बुद्धिमत्तेची आवश्यकता असते.
LeCun त्याच्या टोकावर एक पेन सरळ धरतो. तुम्ही सोडून दिल्यावर काय होते, तो विचारतो? अगदी लहान मुलालाही कळेल की पेन खाली पडेल. पण पेन कुठल्या दिशेला पडेल याचा अंदाज लावण्याची तसदी कोणीच घेणार नाही, सांगायला मार्ग नाही.
परंतु LLM त्याच्या प्रशिक्षण डेटावरून सांख्यिकीय नमुन्यांवर आधारित पेनच्या पुढील हालचालीबद्दल एकच अंदाज तयार करण्याचा प्रयत्न करू शकतो.
अंदाज जवळजवळ नक्कीच चुकीचा असेल, कारण सिस्टीम परिस्थितीच्या भौतिक वास्तविकतेबद्दल तर्क करत नाही – ते जे सांख्यिकीयदृष्ट्या प्रशंसनीय दिसते ते निर्माण करत आहे.
LeCun म्हणतात की त्यांची कंपनी विकसित करत असलेली प्रणाली, ज्याला जॉइंट एम्बेडिंग प्रेडिक्टिव आर्किटेक्चर (जेईपीए) म्हणतात, ती अशा समस्यांना तोंड देण्यासाठी तयार केली गेली आहे.
हे वास्तविक जगाचे अमूर्तता तयार करते जे त्यास क्रियांच्या परिणामांचे मूल्यांकन करण्यास अनुमती देते.
ही ॲब्स्ट्रॅक्शन्स तयार करण्यात कठीण गणिते असतात, परंतु मूलत: ते निरुपयोगी माहिती फिल्टर करतात, फक्त जगाच्या उपयुक्त चित्रांसह AI सोडून देतात.
पेनच्या बाबतीत, एआयला कळेल की पेन कोणत्या मार्गावर पडेल याचा अंदाज लावण्याचा प्रयत्न करण्यात काही अर्थ नाही.
Comments are closed.