Ян ЛеКун, основоположник современной искусственной разведки, публично предупреждает, что нынешняя траектория развития ИИ в Кремниевой долине неустойчива и, скорее всего, зайдет в тупик. ЛеКун, лауреат премии Тьюринга и бывший главный научный сотрудник по ИИ в Meta, утверждает, что чрезмерная концентрация отрасли на больших языковых моделях (LLM) – таких как те, что лежат в основе ChatGPT – в конечном итоге окажется бесплодной в достижении истинного общего искусственного интеллекта (AGI).
Ограничения текущих подходов
ЛеКун утверждает, что LLM, несмотря на значительные инвестиции и быстрые достижения, имеют присущие ограничения. Основная проблема заключается в том, что простое масштабирование этих моделей не приведет к тому, что компьютеры смогут сравниться или превзойти человеческий интеллект. Он описывает «стадный эффект», когда компании слепо следуют одним и тем же LLM-ориентированным подходам, подавляя более перспективные, но менее популярные направления исследований.
Это важно, потому что сотни миллиардов долларов вкладываются в проекты, которые могут не дать желаемых результатов. Беспощадное преследование AGI на основе LLM рискует растратить ресурсы и задержать реальные прорывы.
Риск отставания
ЛеКун также отмечает, что в то время как Запад сосредоточен на LLM, другие регионы – в частности, Китай – могут преследовать альтернативные архитектуры ИИ с большим долгосрочным потенциалом. Он предполагает, что китайские компании, не обремененные тем же промышленным давлением, могут превзойти западные усилия в гонке за AGI.
Призыв к диверсификации
Критика ЛеКуна касается не только технологических ограничений; речь также идет об отсутствии интеллектуального разнообразия. Текущая среда препятствует изучению альтернативных методов ИИ, которые в конечном итоге могут оказаться превосходящими. Его предупреждения следуют за десятилетиями новаторской работы в этой области, включая фундаментальный вклад в сверточные нейронные сети и глубокое обучение.
«Существует этот стадный эффект, когда все в Кремниевой долине должны работать над одним и тем же», — заявил ЛеКун. «Это не оставляет места для других подходов, которые могут быть гораздо более перспективными в долгосрочной перспективе».
Основной посыл ясен: индустрии ИИ необходимо расширить свой кругозор, бросить вызов преобладающим предположениям и изучить принципиально разные подходы, если она надеется достичь истинного интеллекта в машинах. Без диверсификации текущий прогресс может застопориться, оставив эту область в состоянии стагнации, несмотря на огромные инвестиции.
Будущее развития ИИ зависит от признания этих ограничений и стимулирования более экспериментальной, менее конформистской исследовательской среды.
