Yan LeCun, twórca nowoczesnej sztucznej inteligencji, publicznie ostrzega, że obecna trajektoria rozwoju sztucznej inteligencji w Dolinie Krzemowej jest niezrównoważona i prawdopodobnie doprowadzi do ślepego zaułka. LeCun, zdobywca nagrody Turinga i były główny naukowiec zajmujący się sztuczną inteligencją w Meta, argumentuje, że nadmierne skupienie się branży na dużych modelach językowych (LLM) – takich jak te znajdujące się w sercu ChatGPT – ostatecznie okaże się bezowocne w osiągnięciu prawdziwej sztucznej inteligencji ogólnej (AGI).
Ograniczenia obecnych podejść
LeCun argumentuje, że LLM pomimo znacznych inwestycji i szybkiego postępu mają nieodłączne ograniczenia. Główny problem polega na tym, że samo skalowanie tych modeli nie spowoduje, że komputery będą w stanie dorównać ludzkiej inteligencji lub ją przewyższyć. Opisuje „efekt stada”, w którym firmy ślepo podążają za tym samym podejściem zorientowanym na LLM, eliminując bardziej obiecujące, ale mniej popularne obszary badań.
To ważne, ponieważ setki miliardów dolarów przeznaczane są na projekty, które mogą nie przynieść pożądanych rezultatów. Nieustanne dążenie do AGI opartego na LLM grozi marnowaniem zasobów i opóźnianiem prawdziwych przełomów.
Ryzyko pozostania w tyle
LeCun zauważa również, że podczas gdy Zachód koncentruje się na LLM, inne regiony – zwłaszcza Chiny – mogą poszukiwać alternatywnych architektur sztucznej inteligencji o większym potencjale długoterminowym. Sugeruje, że chińskie firmy, nieobciążone tą samą presją przemysłową, mogłyby przewyższyć wysiłki Zachodu w wyścigu o AGI.
Wezwij do dywersyfikacji
Krytyka LeCuna nie dotyczy tylko ograniczeń technologicznych; chodzi także o brak różnorodności intelektualnej. Obecne otoczenie zniechęca do poszukiwania alternatywnych metod sztucznej inteligencji, które mogą ostatecznie okazać się lepsze. Jego ostrzeżenia są następstwem dziesięcioleci pionierskich prac w tej dziedzinie, w tym fundamentalnego wkładu w splotowe sieci neuronowe i głębokie uczenie się.
„Występuje efekt stada, w którym wszyscy w Dolinie Krzemowej muszą pracować nad tym samym” – powiedział LeCun. „To nie pozostawia miejsca na inne podejścia, które mogą być znacznie bardziej obiecujące w dłuższej perspektywie”.
Przesłanie jest jasne: branża sztucznej inteligencji musi poszerzyć swoje horyzonty, podważyć panujące założenia i zbadać zasadniczo odmienne podejścia, jeśli ma nadzieję osiągnąć prawdziwą inteligencję w maszynach. Bez dywersyfikacji obecny postęp mógłby utknąć w martwym punkcie, powodując stagnację w tej dziedzinie pomimo ogromnych inwestycji.
Przyszłość rozwoju sztucznej inteligencji zależy od uznania tych ograniczeń i stymulowania bardziej eksperymentalnego, mniej konformistycznego środowiska badawczego.
