Istniejące dziś systemy sztucznej inteligencji są trenowane do naśladowania człowieka. Tymczasem naśladowanie to nie inteligencja [Yann LECUN]

Yann LeCun jest naukowcem specjalizującym się w sztucznej inteligencji, laureatem Nagrody Turinga i profesorem New York University. W wywiadzie dla dziennika „Le Figaro” analizuje, w jaki sposób zmienia się sposób postrzegania sztucznej inteligencji, i wskazuje na braki w jej obecnym funkcjonowaniu.

„Wielki sekret dzisiejszej branży robotycznej polega na tym, że żadna z tych firm nie wie, jak sprawić, by jej roboty były wystarczająco inteligentne, aby były naprawdę użyteczne. Wszystkie mają nadzieję, że za kilka lat, gdy ich roboty wejdą do produkcji, sztuczna inteligencja poczyni na tyle duże postępy, że tak się stanie” – stwierdza Yann LeCun w „Le Figaro”.

„Historia sztucznej inteligencji to ciąg wielkich nadziei, nieco zbyt optymistycznych deklaracji, po których następowało uświadomienie sobie, że problem jest bardziej złożony, niż sądzono. Te rozczarowania prowadziły do tzw. zim AI, a dokładniej: zim konkretnych koncepcji sztucznej inteligencji. Sieci neuronowe doświadczyły takiej zimy od lat 70. do końca lat 80. XX wieku, kiedy ogłoszono, że inteligentne maszyny pojawią się w ciągu dziesięciu lat. Później, w połowie lat 90., entuzjazm osłabł, gdy okazało się, że gromadzenie dużej ilości wysokiej jakości danych nie jest takie proste. Wszystko zmieniło się na początku drugiej dekady XXI wieku. Dzięki wystarczającej ilości danych, wydajnym maszynom i odpowiednim technikom sieci neuronowe zaczęły bardzo dobrze funkcjonować w obszarze rozpoznawania mowy, obrazów, a nieco później także w rozumieniu języka naturalnego. To właśnie doprowadziło do pojawienia się dużych modeli językowych (LLM), które znamy obecnie” – tłumaczy Yann LeCun.

„Duże modele językowe (LLM) naprawdę dobrze sprawdzają się w niektórych dziedzinach, na przykład przy generowaniu kodu komputerowego. Jednak pytanie, które zadaje sobie wiele osób, brzmi: czy obecne masowe inwestycje przełożą się w przyszłości na odpowiednie zyski? Nie znam na to odpowiedzi. Możliwe, że LLM spełnią wszystkie pokładane w nich nadzieje. Równie dobrze może jednak dojść do pęknięcia bańki, gdy ludzie zrozumieją, że agentowa sztuczna inteligencja wiele kosztuje, a oni nie będą skłonni za nią płacić” – dodaje.

„Aby stworzyć system naprawdę agentowy, konieczne byłoby, by taki system posiadał zdolność przewidywania konsekwencji swoich działań. Systemy proponowane dziś przez Google czy OpenAI nie mają jednak takich możliwości. W rzeczywistości są one trenowane do naśladowania człowieka. Tymczasem naśladowanie to nie inteligencja, podobnie jak inteligencja nie jest kumulowaniem wiedzy. Inteligencja to zdolność do wykonywania zadań, z którymi wcześniej się nie zetknęliśmy, lub wymyślania rozwiązań dla nowych problemów. Nastolatek jest w stanie nauczyć się prowadzić samochód w ciągu kilku godzin praktyki, podczas gdy wciąż nie mamy w pełni autonomicznego samochodu poziomu 5, mimo milionów danych treningowych pochodzących z samochodów kierowanych przez człowieka. Czegoś zatem brakuje” – ocenia Yann LeCun.

„Wielki sekret dzisiejszej branży robotycznej polega na tym, że żadna z tych firm nie wie, jak sprawić, by jej roboty były wystarczająco inteligentne, aby były naprawdę użyteczne. Wszystkie mają nadzieję, że za kilka lat, gdy ich roboty wejdą do produkcji, sztuczna inteligencja poczyni na tyle duże postępy, że tak się stanie” – stwierdza.

oprac. JD