అన్ని తెలివైన జీవులకు ఉమ్మడిగా ఏమి ఉంది? నాలుగు విషయాలు, మెటా యొక్క చీఫ్ AI శాస్త్రవేత్త ప్రకారం, యాన్ లెకన్.
ఈ సంవత్సరం ప్రారంభంలో పారిస్‌లో జరిగిన AI యాక్షన్ సమ్మిట్‌లో, రాజకీయ నాయకులు మరియు AI నిపుణులు AI అభివృద్ధి గురించి చర్చించడానికి గుమిగూడారు. లెకన్ తన బేస్లైన్ డెఫినిషన్ ఆఫ్ ఇంటెలిజెన్స్ యొక్క IBM యొక్క AI నాయకుడు ఆంథోనీ అన్నూన్జియాటాతో పంచుకున్నారు.
“ప్రతి జంతువు, లేదా సాపేక్షంగా స్మార్ట్ జంతువు చేయగల తెలివైన ప్రవర్తన యొక్క నాలుగు ముఖ్యమైన లక్షణాలు ఉన్నాయి మరియు ఖచ్చితంగా మానవులు” అని ఆయన అన్నారు. “భౌతిక ప్రపంచాన్ని అర్థం చేసుకోవడం, నిరంతర జ్ఞాపకశక్తిని కలిగి ఉండటం, కారణం చేయగలగడం మరియు ప్లాన్ చేయగలగడం మరియు సంక్లిష్టమైన చర్యలను ప్లాన్ చేయడం, ముఖ్యంగా క్రమానుగతంగా ప్రణాళిక చేయడం.”
LECUN AI, ముఖ్యంగా చెప్పారు పెద్ద భాషా నమూనాలుఈ పరిమితిని తాకలేదు మరియు ఈ సామర్థ్యాలను చేర్చడానికి వారు ఎలా శిక్షణ ఇస్తారనే దానిపై మార్పు అవసరం. అందుకే AI ఆటపై ఆధిపత్యం చెలాయించడానికి చాలా పెద్ద టెక్ కంపెనీలు తమ రేసులో ఇప్పటికే ఉన్న మోడళ్లకు సామర్థ్యాలను కదిలించాయి.
“భౌతిక ప్రపంచాన్ని అర్థం చేసుకోవడానికి, మీరు ఒక ప్రత్యేక దృష్టి వ్యవస్థకు శిక్షణ ఇస్తారు. ఆపై మీరు దానిని LLM లో బోల్ట్ చేస్తారు. జ్ఞాపకశక్తి కోసం, మీకు తెలుసా, మీరు రాగ్‌ను ఉపయోగిస్తారు, లేదా మీరు దాని పైన కొన్ని అనుబంధ జ్ఞాపకశక్తిని బోల్ట్ చేస్తారు, లేదా మీరు మీ మోడల్‌ను పెద్దదిగా చేస్తారు” అని అతను చెప్పాడు. రాగ్ఇది తిరిగి పొందే ఆగ్మెంటెడ్ తరం, బాహ్య జ్ఞాన వనరులను ఉపయోగించి పెద్ద భాషా నమూనాల ఫలితాలను పెంచడానికి ఒక మార్గం. ఇది మెటాలో అభివృద్ధి చేయబడింది.
అయితే, ఇవన్నీ కేవలం “హక్స్” అని లెకన్ చెప్పారు.
లెకన్ అతను పిలిచే ప్రత్యామ్నాయం గురించి అనేక సందర్భాల్లో మాట్లాడాడు ప్రపంచ ఆధారిత నమూనాలు. ఇవి నిజ జీవిత దృశ్యాలపై శిక్షణ పొందిన నమూనాలు మరియు నమూనా-ఆధారిత AI కంటే ఎక్కువ స్థాయి జ్ఞానాన్ని కలిగి ఉంటాయి. లెకన్, అన్నూన్జియాటాతో తన చాట్‌లో, మరొక నిర్వచనాన్ని ఇచ్చాడు.
“ప్రపంచ స్థితి గురించి మీకు కొంత ఆలోచన ఉంది, మీరు తీసుకునే చర్యను మీరు imagine హించుకుంటారు, ప్రపంచ మోడల్ మీరు తీసుకున్న చర్య నుండి ప్రపంచ స్థితి ఏమిటో ts హించింది” అని అతను చెప్పాడు.
కానీ, ప్రపంచం అనంతమైన మరియు అనూహ్యమైన అవకాశాల ప్రకారం అభివృద్ధి చెందుతుంది, మరియు వారికి శిక్షణ ఇచ్చే ఏకైక మార్గం సంగ్రహణ ద్వారా మాత్రమే.
మెటా ఇప్పటికే ఫిబ్రవరిలో ప్రజలకు విడుదల చేసిన V-JEPA ద్వారా దీనితో ప్రయోగాలు చేస్తోంది. మెటా దీనిని వీడియో యొక్క తప్పిపోయిన లేదా ముసుగు భాగాలను అంచనా వేయడం ద్వారా నేర్చుకునే జనరేట్ మోడల్‌గా వివరిస్తుంది.
“ప్రాథమిక ఆలోచన ఏమిటంటే, మీరు పిక్సెల్ స్థాయిలో to హించరు. మీరు వీడియో యొక్క నైరూప్య ప్రాతినిధ్యాన్ని అమలు చేయడానికి ఒక వ్యవస్థకు శిక్షణ ఇస్తారు, తద్వారా మీరు ఆ నైరూప్య ప్రాతినిధ్యంలో అంచనాలు చేయవచ్చు, మరియు ఈ ప్రాతినిధ్యం cannot హించలేని అన్ని వివరాలను తొలగిస్తుంది” అని ఆయన అన్నారు.
పదార్థం యొక్క బిల్డింగ్ బ్లాకుల కోసం రసాయన శాస్త్రవేత్తలు ప్రాథమిక సోపానక్రమాన్ని ఎలా స్థాపించారో ఈ భావన సమానంగా ఉంటుంది.
“మేము సంగ్రహణలను సృష్టించాము. కణాలు, దీని పైన, అణువుల పైన, దీని పైన, అణువులు, దీని పైన, పదార్థాలు,” అని అతను చెప్పాడు. “మేము ఒక పొరపైకి వెళ్ళిన ప్రతిసారీ, మేము చేయటానికి ఆసక్తి ఉన్న పని రకానికి అసంబద్ధం అయిన క్రింద ఉన్న పొరల గురించి చాలా సమాచారాన్ని తొలగిస్తాము.”
ఇది, సారాంశంలో, సోపానక్రమం సృష్టించడం ద్వారా భౌతిక ప్రపంచాన్ని అర్థం చేసుకోవడం నేర్చుకున్న మరొక మార్గం.
