دانشمند ارشد هوش مصنوعی متا: مدل‌های فعلی فاقد رفتار هوشمندانه هستند

«یان لکان»، دانشمند ارشد هوش مصنوعی متا، معتقد است نسخه فعلی مدل‌های هوش مصنوعی فاقد رفتار هوشمندانه است. او همچنین گفته: «مدل‌های مبتنی بر جهان» رویکرد بهتری برای هوش مصنوعی خواهند بود؛ زیرا این مدل‌ها براساس سناریوهای واقعی آموزش می‌بینند.

به گزارش بیزینس اینسایدر، یان لکان چندی قبل در اجلاس AI Action در پاریس حاضر شد و درباره توسعه هوش مصنوعی گفت. به باور او، مدل‌های فعلی ویژگی‌های اصلی هوش انسانی را ندارد و ادعا کرد جدیدترین مدل این شرکت این مشکل را حل خواهد کرد. به گفته لکان، رفتار هوشمندانه 4 ویژگی اساسی دارد که هر حیوان نسبتاً باهوشی می‌تواند انجام دهد و قطعاً انسان‌ها نیز این توانایی‌ها را دارند.

یان لکان معتقد است هوش مصنوعی باید رفتار هوشمندانه را بیاموزد

به گفته دانشمند ارشد هوش مصنوعی متا، درک دنیای فیزیکی، داشتن حافظه پایدار، توانایی استدلال و توانایی برنامه‌ریزی اقدامات پیچیده، به‌ویژه برنامه‌ریزی سلسله‌مراتبی، رفتارهای هوشمندانه‌ای هستند که هوش مصنوعی باید یاد بگیرد.

لکان اشاره کرد مدل‌های زبانی بزرگ فعلی که پشتوانه چت‌بات‌های محبوب هوش مصنوعی هستند، هنوز به این سطح نرسیده‌اند و افزودن این قابلیت‌ها نیازمند تغییر روش آموزش آنها خواهد بود. یان لکان همچنین گفت برخی از بزرگ‌ترین شرکت‌های هوش مصنوعی و فناوری در تلاش برای تسلط بر عرصه هوش مصنوعی، صرفاً برخی قابلیت‌ها را به مدل‌های موجود اضافه می‌کنند.

متا درحال‌حاضر با سیستمی به نام Retrieval Augmented Generation مدل‌های خود را آزمایش می‌کند. این روش برای بهبود خروجی‌های مدل‌های زبانی بزرگ با استفاده از منابع دانش خارجی کاربرد دارد. متا همچنین فوریه از مدل V-JEPA رونمایی کرد که مدل غیرتولیدی است و از طریق پیش‌بینی بخش‌های گمشده یا مخفی در ویدیو یاد می‌گیرد.

یان لکان می‌گوید: «مدل‌های مبتنی‌بر جهان» رویکرد بهتری در توسعه هوش مصنوعی هستند؛ زیرا این مدل‌ها براساس سناریوهای واقعی آموزش می‌بینند و سطح شناخت بالاتری از هوش مصنوعی مبتنی‌بر الگوهای فعلی دارند.

این مفهوم شامل مدل‌هایی است که می‌توانند تصور کنند عملی را انجام می‌دهند و نتیجه آن را در جهان واقعی پیش‌بینی می‌کنند. ازآنجایی‌که جهان بی‌شمار احتمال غیرقابل‌پیش‌بینی دارد، لکان معتقد است آموزش باید از طریق انتزاع یا تجرید انجام شود. این روش شباهت زیادی به فهم انسان‌ها از دنیای فیزیکی دارد.