在今年稍早於巴黎舉行的 AI 高峰會（AI Action Summit）上，Meta 的首席 AI 科學家 Yann LeCun 指出，當前的人工智慧模型，特別是大型語言模型（LLMs），缺乏四個關鍵的人類智慧特徵。他強調，這些特徵包括理解物理世界、具備持續的記憶、推理能力以及規劃能力。LeCun 表示，這些能力對於人類和動物的智慧至關重要，但現有 AI 系統未能達到這一標準，必須採用新的訓練和架構來整合這些特徵。
LeCun指出，許多大型科技公司目前正在透過將專門系統（如視覺模型和聯想記憶）與現有模型結合來解決這些缺口，但這僅是臨時解決方案。他提到，為了理解物理世界，通常需要訓練一個獨立的視覺系統，然後將其與大型語言模型結合。對於記憶，則可以使用檢索增強生成（RAG）技術，這是一種利用外部知識源來增強大型語言模型輸出的方式，這一技術由Meta開發。
然而，LeCun將這些方法稱為「權宜之計」（hacks），並強調需要一種更根本的革新。他提出了一種名為世界模型的替代方案，這些模型基於現實場景進行訓練，具備比以模式為基礎的AI更高的認知能力。他解釋道，這些模型能夠預測從某一行動所導致的世界狀態變化，並且世界的演變是無窮且不可預測的，訓練這些模型的唯一方法是透過抽象化。
Meta已經開始實驗這一概念，推出了V-JEPA模型，這是一種非生成式模型，透過預測影片中缺失或被遮蔽的部分來學習。LeCun表示，這一模型的基本理念是，不在像素層面進行預測，而是訓練系統運行影片的抽象表示，進而在這一抽象表示中進行預測，並希望這一表示能消除所有無法預測的細節。
LeCun的觀點類似於化學家建立物質基本組成的階級結構的方式。他指出，隨著階級的提升，我們能夠消除許多與我們所關心的任務無關的底層資訊，這本質上是我們透過創建階級來理解物理世界的另一種方式。
- Meta chief AI scientist Yann LeCun says current AI models lack 4 key human traits
- Meta’s Yann LeCun predicts ‘new paradigm of AI architectures’ within 5 years and ‘decade of robotics’
（首圖來源：AI 生成）
科技新報粉絲團
加入好友
訂閱免費電子報
