Способны ли современные модели искусственного интеллекта (ИИ) действительно запоминать, мыслить, планировать и рассуждать так же, как это делают люди? Некоторые исследовательские лаборатории в области ИИ утверждают, что да, однако Ян Лекун, главный научный сотрудник Meta* (запрещена на территории РФ), считает, что это далеко от реальности. Тем не менее, он верит, что в течение десяти лет можно достичь этой цели с использованием нового подхода, известного как «модель мира».
В начале текущего года OpenAI представила функцию «память», позволяющую ChatGPT «запоминать» диалоги с пользователями. Новое поколение моделей, o1, активно демонстрирует слово «размышление» во время генерации текста и утверждает, что может «рассуждать».
Сложившееся впечатление о том, что ученые уже близки к созданию общего искусственного интеллекта (AGI), на самом деле обманчиво. Лекун, выступая на Hudson Forum, подверг критике оптимистичные прогнозы Илона Маска и соучредителя Google DeepMind Шейна Легга, заявив, что ИИ, который сможет соперничать с человеческим интеллектом, еще не скоро появится. «Нам нужны машины, которые могут воспринимать мир, запоминать информацию и обладать интуицией и здравым смыслом, чтобы рассуждать и планировать на уровне человеческого интеллекта, — подчеркивает Лекун. — Несмотря на восторженные заявления, современные системы ИИ не обладают такими возможностями».
По словам Лекуна, современные большие языковые модели (LLM), такие как ChatGPT и Meta AI*, еще далеки от уровня человеческого интеллекта. Для достижения этого уровня может потребоваться «от нескольких лет до десятилетий». Основная причина заключается в том, что языковые модели работают, предсказывая следующий символ (обычно это буквы или слова), тогда как модели для работы с изображениями и видео прогнозируют следующий пиксель. Это означает, что языковые модели действуют в одномерном пространстве, тогда как модели для изображений и видео функционируют в двумерном.
Эти системы хорошо справляются с задачами в своих измерениях, но не понимают, как функционирует следующий уровень. В результате современные ИИ-системы не способны выполнять простые действия, с которыми легко справляются люди. Лекун указывает, что, например, дети учатся убирать со стола к 10 годам или водить машину к 17, осваивая это всего за несколько часов. В то же время даже самые продвинутые ИИ-системы, проанализировав тысячи или миллионы часов данных, не могут надежно функционировать в реальном мире.
Для решения более сложных задач Лекун считает необходимым создание трехмерных моделей, которые способны воспринимать окружающий мир, на основе нового типа ИИ, известного как модель мира. «Это ваше представление о мире, который вас окружает, — отмечает он. — Например, когда вы видите беспорядок в комнате и хотите его убрать, вы можете представить, как, убрав одежду и разместив вещи по местам, вы достигнете нужного результата. Не нужно пробовать разные подходы или сначала учиться убирать комнату. Мозг наблюдает за трехмерным пространством и создает план действий, чтобы достичь цели с первой попытки. Этот план и представляет собой то, что могут предложить модели мира в ИИ».
Преимущество таких моделей заключается в их способности обрабатывать значительно больше данных по сравнению с языковыми моделями. Однако это также делает их более требовательными к вычислительным мощностям, поэтому облачные провайдеры активно ищут сотрудничество с компаниями в области ИИ.
Модели мира становятся ключевой идеей, к которой стремятся несколько исследовательских лабораторий в области ИИ, и этот термин быстро набирает популярность в сфере венчурного финансирования. Недавно группа исследователей, в том числе Фей-Фей Ли и Джастин Джонсон, привлекли 230 миллионов долларов для своей стартап-компании World Labs. Они убеждены, что модели мира откроют путь к созданию значительно более умных систем ИИ. OpenAI также описывает свой еще не представленный генератор видео Sora как мировую модель, хотя пока не раскрывает подробностей.
Лаборатория долгосрочных исследований в области ИИ компании Meta*, FAIR (Fundamental AI Research), активно занимается разработкой интеллекта, ориентированного на достижение целей и моделей мира. Ранее FAIR занималась разработкой ИИ для продуктов Meta*, но в последние годы лаборатория сосредоточилась на долгосрочных исследованиях в области ИИ. Лекун отметил, что в настоящее время FAIR даже не использует большие языковые модели.
Идея мировых моделей представляется интересной, однако, по словам Лекуна, значительного прогресса в их реализации пока не наблюдается. Существует множество сложных задач, которые необходимо решить, чтобы перейти от текущего состояния к желаемым результатам, и они гораздо сложнее, чем предполагалось. «Пройдут годы, если не десятилетия, — заключает Лекун. — Марк Цукерберг постоянно спрашивает меня, сколько времени это займет».
В книге «На пути к искусственному интеллекту человеческого уровня» Эйтан Майкл Азофф утверждает, что взлом нейронного кода и эмуляция визуального мышления — ключ к тому, чтобы превзойти человеческий интеллект с помощью ИИ.