رئیس هوش مصنوعی متا: LLM ها هرگز به هوش در سطح انسانی نخواهند رسید

به گزارش اپ خونه، هیچ راه فراری از هیاهو در مورد هوش عمومی مصنوعی (AGI) وجود ندارد. به سختی یک روز بدون سرفصل جدید در مورد این مفهوم می گذرد که سیستم های کامپیوتری را در انجام وظایف مختلف شناختی از انسان ها بهتر عمل می کنند.

تنها در ماه گذشته، سه نفر از افراد برجسته فناوری اعلامیه های جدیدی را اضافه کرده اند.

جنسن هوانگ، مدیرعامل انویدیا، پیشنهاد داد که AGI ظرف پنج سال آینده وارد بازار شود. بن “پدر AGI” گورتزل پیش بینی هایی کرد و ایلان ماسک معمولاً جسورانه ترین پیش بینی را برای نقطه اوج در سال ۲۰۲۵ انجام می دهد.

با این حال، همه آنقدر خوش بین نیستند. یکی از شکاکان قابل توجه، Yann LeCun، دانشمند ارشد هوش مصنوعی متا و برنده جایزه معتبر تورینگ است.

LeCun که اغلب به عنوان یکی از سه «پدرخوانده هوش مصنوعی» شناخته می‌شود، تا آنجا پیش می‌رود که استدلال می‌کند که «چیزی به نام AGI وجود ندارد» زیرا هوش مصنوعی به هیچ وجه به هوش انسانی نزدیک نیست.

در رویدادی در لندن – قطب مهندسی متا در خارج از ایالات متحده – LeCun گفت که حتی این مورد یک هدف دور باقی مانده است.

او گفت: « استدلال، برنامه ریزی، حافظه پایدار و درک دنیای فیزیکی. اینها چهار ویژگی اساسی هوش انسانی – همچنین هوش برخی حیوانی – است که سیستم‌های هوش مصنوعی فعلی نمی‌توانند انجام دهند.»

بدون این قابلیت ها، برنامه های کاربردی هوش مصنوعی محدود و مستعد خطا هستند. وسایل نقلیه خودران هنوز برای جاده های عمومی ایمن نیستند. ربات های خانگی با کارهای اولیه خانه دست و پنجه نرم می کنند. دستیاران هوشمند ما فقط می توانند کارهای اساسی و کلی را انجام دهند.

این کاستی های فکری به ویژه در مدل های زبان بزرگ (LLM) برجسته است. از نظر LeCun ، آنها به دلیل تکیه بر یک شکل از دانش بشری به شدت محدود شده اند که آن متن است.

او گفت: “ما به راحتی فریب می خوریم که فکر کنیم آنها به دلیل تسلط به زبان باهوش هستند، اما واقعاً درک آنها از واقعیت بسیار سطحی است.”

“آنها مفید هستند، هیچ شکی در مورد آن وجود ندارد. اما در مسیر رسیدن به هوش در سطح انسانی، LLM اساساً یک راه‌پیمایی، حواس پرتی و بن‌بست است.”

چرا LLM ها آنقدر که به نظر می رسد باهوش نیستند

افرادی مانند LLaMA متا، GPT-3 OpenAI و Bard گوگل بر روی حجم عظیمی از داده ها آموزش دیده اند.

طبق گفته LeCun، حدود ۱۰۰۰۰۰ سال طول می کشد تا یک انسان تمام متنی را که توسط یک LLM پیشرو دریافت کرده است بخواند. اما این روش اصلی یادگیری ما نیست.

ما اطلاعات بسیار بیشتری را از طریق تعامل با جهان مصرف می کنیم. LeCun تخمین می زند که یک کودک چهار ساله معمولی ۵۰ برابر بیشتر از بزرگترین LLM های جهان داده دیده و شنیده است.

LeCun گفت: “بیشتر دانش بشر در واقع زبان نیست، بنابراین آن سیستم ها هرگز نمی توانند به هوش سطح انسانی دست یابند – مگر اینکه معماری را تغییر دهید.”

طبیعتاً این پیرمرد ۶۳ ساله معماری جایگزینی دارد. او آن را “هوش مصنوعی مبتنی بر هدف” می نامد.

اهداف هوش ها

سیستم‌های هوش مصنوعی هدف‌محور برای تحقق اهداف خاص تعیین‌شده توسط انسان ساخته شده‌اند.

آنها به جای اینکه با یک رژیم حاوی متن خالص بزرگ شوند، از طریق حسگرها و آموزش روی داده های ویدئویی، دنیای فیزیکی را یاد می گیرند.

و نتیجه یک “مدل جهانی” است که تأثیر اقدامات را نشان می دهد. سپس تمام تغییرات احتمالی در حافظه سیستم به روز می شود. در نتیجه، ماشین ها می توانند مراحل مورد نیاز برای تکمیل وظایف مختلف را برنامه ریزی کنند.

او همچنین گفت: «البته که در نهایت، ماشین‌ها از هوش انسانی پیشی می‌گیرند… هرچند مدت زیادی طول می‌کشد».