توسط : ⏱ این مطلب چقدر از وقت شما را میگیرد؟
حدود 4 دقیقه
گزارشهای تازه حاکی از آن است که یان لکان (Yann LeCun)، یکی از بزرگترین چهرههای دنیای هوش مصنوعی و دانشمند ارشد شرکت متا (Meta)، قصد دارد بهزودی این غول فناوری متعلق به مارک زاکربرگ را ترک کند تا استارتاپ شخصی خود در حوزه هوش مصنوعی را راهاندازی کند.
بهگفتهی نشریه فایننشال تایمز (Financial Times)، لکان که استاد دانشگاه نیویورک و برندهی جایزه تورینگ (نوبل علوم کامپیوتر) است، در حال مذاکره با سرمایهگذاران برای تأسیس شرکتی است که تمرکز آن بر توسعهی مدلهای جهانی (World Models) باشد.
یان لکان یکی از سه پدرخوانده اصلی یادگیری عمیق (Deep Learning) است و سهم او در توسعهی شبکههای عصبی کانولوشنی (CNNs) غیرقابل انکار است.
1. تمرکز استارتاپ یان لکان بر توسعه مدلهای جهانی هوش مصنوعی
مدل جهانی مفهومی انقلابی است که در آن، سیستم یک درک درونی از محیط خود ایجاد میکند. این درک صرفاً مبتنی بر الگوها نیست، بلکه شامل توانایی شبیهسازی و پیشبینی نتایج احتمالی اقدامات در آن محیط است.
تفاوت مدلهای جهانی با مدلهای زبانی بزرگ (LLMs)
مدلهای زبانی بزرگ (مانند GPT-4) در زبان سرآمد هستند، اما مدلهای جهانی بر جنبههای علّی (Causal) جهان تمرکز دارند:
- درک علیت (Causality): مدل باید بتواند بگوید اگر عملیات A انجام شود، نتیجهی B رخ خواهد داد، نه صرفاً اینکه A و B در متن کنار هم آمدهاند.
- شبیهسازی ذهنی: این مدلها میتوانند به صورت درونی سناریوهای مختلف را اجرا کنند، شبیه به فرآیند تفکر انسان قبل از اقدام.
- یادگیری کارآمد: پتانسیل این را دارند که با حجم بسیار کمتری از دادههای برچسبگذاری شده، یاد بگیرند.
لکان معتقد است که دستیابی به هوش عمومی مصنوعی (AGI) بدون توسعهی موفقیتآمیز مدلهای جهانی غیرممکن است.
( مدل جهانی برای پیشبینی وضعیت بعدی)
2. خروج لکان از متا در بحبوحه تغییرات بزرگ در واحد هوش مصنوعی
ترک لکان در شرایطی اتفاق میافتد که متا اخیراً بازسازی گستردهای در ساختار هوش مصنوعی خود آغاز کرده تا در رقابت با OpenAI، گوگل و Anthropic عقب نماند.
سرمایهگذاریها و تغییرات سازمانی در متا:
- تشکیل Meta Superintelligence Labs (MSIL): واحدی جدید با هدف تسریع تحقیقات در زمینهی مدلهای بسیار پیشرفته.
- جذب استعدادها: جذب بیش از ۵۰ مهندس و پژوهشگر برجسته از رقبا.
- خرید Scale AI: تصاحب Scale AI با مبلغ ۱۴.۳ میلیارد دلار برای حل چالش کمبود دادهها.
جدایی یکی از معماران اصلی متا، یک ضربه روحی و فنی محسوب میشود، زیرا لکان همواره بر تحقیقات پایهای و مدلهای جهانی تمرکز داشت، نه صرفاً محصولات تجاری فوری.
3. چالشها و نارضایتی در تیم هوش مصنوعی متا
منابع داخلی گزارش کردهاند که این تغییرات اخیر موجب بروز هرجومرج و نارضایتی در تیم هوش مصنوعی متا شده است:
- بوروکراسی و کندی: استعدادهای جدید از پیچیدگیهای سازمانی ناامید شدهاند که در تضاد با ساختار چابک رقبا است.
- کاهش فعالیت تیم قدیمی: تمرکز مدیریتی به سمت پروژههای ابرمقیاس هدایت شده است.
- تضاد چشمانداز: تمرکز متا بر تعداد پارامترها در مقابل تأکید لکان بر کیفیت یادگیری و معماریهای کارآمدتر.
4. دیدگاه انتقادی یان لکان درباره آینده هوش مصنوعی
لکان نسبت به این باور که فناوری هوش مصنوعی درمان همه مشکلات بشر باشد، موضعی منتقدانه داشته است.
انتقادها و واقعبینی:
لکان استدلال میکند که مدلهای زبانی فعلی صرفاً ماشینهای تکمیل جملهی آماری بسیار پیچیدهای هستند و فاقد درک واقعی از جهان هستند. او در شبکه X تاکید کرده است که سیستمهای هوش مصنوعی هنوز راهی طولانی تا رسیدن به هوش انسانی دارند.
نقل قول کلیدی (ایده اصلی): “AGI نیازمند پیشرفتهای ساختاری و مفهومسازی مجدد نحوهی یادگیری ماشین است، و اینجاست که مدلهای جهانی وارد میشوند.”
خروج لکان بیانیهای قوی در مورد مسیری است که او برای آیندهی هوش مصنوعی متصور است؛ مسیری که خارج از مرزهای تمرکز کنونی شرکتهای بزرگ قرار دارد.
5. جزئیات فنی: اهمیت یادگیری خود-نظارتی در مدلهای جهانی
رویکرد لکان همواره بر یادگیری خود-نظارتی (Self-Supervised Learning – SSL) متمرکز بوده است. این روش به مدل اجازه میدهد که ساختار درونی دادهها را بدون نیاز به برچسبگذاری انسانی کشف کند.
فرمولبندی سادهشده SSL
اگر ورودی داده باشد، مدل یک نمای پنهان را یاد میگیرد تا بخش گمشده را بازسازی کند:
لکان استدلال میکند که برای ساخت مدل جهانی، باید SSL را به سمت مدلسازی دینامیک و ویدئویی گسترش دهیم تا زمان و کنشها را درک کند.
مقایسه با رویکرد OpenAI و پیشبینیهای لکان در مورد آینده AGI
لکان اغلب رویکرد OpenAI را به یک «سیستم پیشگویی متن» تشبیه کرده که فاقد درک واقعی از فیزیک و اهداف بلندمدت است.
تواناییهای مورد نیاز برای AGI (فاقد در مدلهای کنونی):
- ظرفیت برنامهریزی چند مرحلهای: تعیین اهداف بلندمدت.
- استدلال قیاسی و استقرایی.
- استفاده از «دانش ضمنی» (Common Sense).
جدایی لکان نشاندهنده عزم او برای دستیابی به این اهداف بلندپروازانه در یک نهاد مستقل است.
تأثیرات احتمالی بر بازار و اکوسیستم هوش مصنوعی
- جذب سرمایه: استارتاپ لکان انتظار جذب سرمایهی بسیار بزرگی را دارد.
- تغییر تمرکز تحقیقاتی: پیشرفت در مدلهای جهانی، توجهها را از صرفاً افزایش پارامتر مدلها خواهد کاست.
- آینده پروژههای متنباز متا: ممکن است نقش تیمهای متنباز متا از نظر استراتژیک تحتالشعاع قرار گیرد.
در نهایت، ترک یان لکان از متا، نبرد برای ساخت نسل بعدی هوش مصنوعی را به سمت درک واقعیت سوق داده است.
بهش نمیخورد همچین ادمی باشه😂