Μήπως η Τεχνητή Νοημοσύνη δεν είναι τελικά όσο έξυπνη νομίζουμε; Tι μας επιφυλάσσει το μέλλον; Ο διάσημος γαλλοαμερικανός επιστήμονας Yann LeCun απαντά.
Η Τεχνητή Νοημοσύνη διανύει μια περίοδο μετάβασης από τον ενθουσιασμό της υπόσχεσης στην ωριμότητα της εφαρμογής. Αν τα προηγούμενα χρόνια σημαδεύτηκαν από την έκρηξη της παραγωγικής ΤΝ (Generative AI) και τα γλωσσικά μοντέλα που απλώς παρήγαγαν κείμενο ή εικόνες, σήμερα βρισκόμαστε στο στάδιο των αυτόνομων συστημάτων.
Παρά την πρόοδο της TN υπογραμμίζεται η αδυναμία των σημερινών συστημάτων να κατανοήσουν τους νόμους της φυσικής. Ο κορυφαίος επιστήμονας Yann LeCun επισημαίνει τους περιορισμούς των μεγάλων γλωσσικών μοντέλων
Η μεγαλύτερη τεχνολογική εξέλιξη είναι η στροφή από τα απλά chatbots στους «πράκτορες». Αυτά είναι συστήματα που δεν απαντούν απλώς σε ερωτήσεις, αλλά μπορούν να σχεδιάσουν, να διεκπεραιώσουν μια σύνθετη εργασία, να χρησιμοποιήσουν εξωτερικά εργαλεία και να εκτελέσουν αυτοματοποιημένες διαδικασίες (π.χ. οργάνωση ταξιδιού, ανάλυση δεδομένων, διαχείριση IT υποδομών) με ελάχιστη ανθρώπινη παρέμβαση.
Η αδιαμφισβήτητη πρόοδος που έχει σημειώσει η Τεχνητή Νοημοσύνη
Τα μοντέλα πλέον επεξεργάζονται ταυτόχρονα και εγγενώς κείμενο, ήχο, εικόνα και βίντεο σε πραγματικό χρόνο, επιτρέποντας φυσικές, προφορικές συνομιλίες χωρίς αισθητή καθυστέρηση.
Η ΤΝ μεταφέρεται από το σύννεφο (cloud) στις ίδιες τις συσκευές (σε τηλέφωνα, υπολογιστές, wearable συσκευές υγείας) για ταχύτερη επεξεργασία. Παράλληλα, ρομποτικά συστήματα με ενσωματωμένα μοντέλα AI αρχίζουν να αναλαμβάνουν πιο σύνθετες εργασίες σε αποθήκες, εργοστάσια και ιατρικές εφαρμογές.
Όμως, παρά τη θεαματική πρόοδο των τελευταίων ετών, εξακολουθεί να απέχει σημαντικά από την πραγματική κατανόηση του κόσμου. Τα σημερινά συστήματα δεν διαθέτουν ακόμη την αντίληψη του φυσικού περιβάλλοντος που έχει ακόμη και ένα ζώο.
Ο στόχος της AMI Labs που θα αλλάξει τα δεδομένα
«Δεν διαθέτουμε ρομπότ που να κατανοούν τον φυσικό κόσμο έστω και κατά προσέγγιση τόσο καλά όσο ένας αρουραίος», λέει ο Yann LeCun, μια από τις πιο εμβληματικές φυσιογνωμίες της AI.
Ο γαλλοαμερικανός επιστήμονας εργάστηκε για μια δεκαετία στη Meta, την εταιρεία που κατέχει το Facebook, έχοντας τη θέση του επικεφαλής στον τομέα της Τεχνητής Νοημοσύνης, αλλά αποχώρησε το 2025 και ίδρυσε την Advanced Machine Intelligence Labs (AMI Labs).
Έπειτα από περίπου μία δεκαετία στη θέση του επικεφαλής στον αμερικανικό κολοσσό, αποχώρησε το 2025 για να ιδρύσει την Advanced Machine Intelligence Labs, γνωστή ως AMI Labs.
Η AMI Labs δουλεύει πάνω σε μια εντελώς διαφορετική προσέγγιση, που δεν βασίζεται στην τεχνολογία των σημερινών μεγάλων γλωσσικών μοντέλων. Στόχος είναι να πάει την ΤΝ πέρα από τα σημερινά συστήματα, όπως το ChatGPT, το Claude και το Gemini.
Ο LeCun πιστεύει ότι τα Μεγάλα Γλωσσικά Μοντέλα (LLMs) είναι εντυπωσιακά σε συγκεκριμένους τομείς: κώδικας, μαθηματικά, παραγωγή κειμένου. Όμως, όπως υπογραμμίζει, αυτά τα προβλήματα είναι σε μεγάλο βαθμό «καθορισμένα» και προβλέψιμα.
«Αυτά [τα LLM] ουσιαστικά απλώς συσσωρεύουν γνώση… Μπορούν να αναπαράγουν κάτι, τα εκπαιδεύεις να το αναπαράγουν, αλλά δεν είναι ιδιαίτερα έξυπνα. Δεν έχουν μια βαθύτερη κατανόηση», λέει.
Το παράδειγμα με το στυλό
Ο γαλλοαμερικανός επιστήμονας κρατά ένα στυλό όρθιο, στη μύτη του. «Τι θα συμβεί αν το αφήσεις», ρωτάει; Ακόμη και ένα μικρό παιδί ξέρει ότι θα πέσει, αλλά δεν έχει νόημα να προβλέψει προς ποια κατεύθυνση, καθώς δεν υπάρχει τρόπος να το γνωρίζει κανείς.
Ένα κλασικό LLM, αντίθετα, θα προσπαθούσε να δώσει μια συγκεκριμένη πρόβλεψη, βασισμένη στα στατιστικά μοτίβα που έχει δει, χωρίς καμία πραγματική «αίσθηση» της φυσικής.
Η πρόβλεψη θα ήταν σχεδόν λανθασμένη, διότι το σύστημα δεν αναλύει τη φυσική πραγματικότητα της κατάστασης, απλώς παράγει αυτό που φαίνεται στατιστικά εύλογο.
Ο LeCun αναφέρει ότι το σύστημα που αναπτύσσει η εταιρεία του, το οποίο ονομάζεται Joint Embedding Predictive Architecture (JEPA), έχει σχεδιαστεί για να αντιμετωπίζει προβλήματα όπως αυτό. Σε ένα παράδειγμα όπως αυτό με το στυλό, ένα τέτοιο σύστημα δεν θα προσπαθούσε να προβλέψει την ακριβή κατεύθυνση της πτώσης, γιατί θα «καταλάβαινε» ότι αυτό είναι ουσιαστικά τυχαίο και άνευ σημασίας.
