Ян ЛеКун бросает вызов ИИ-индустрии: 7 причин забыть про LLM

Почему гений ИИ ушел из Meta

ЛеКун не просто покинул комфортное кресло главного научного сотрудника Meta - он сделал заявление. Компания, по его мнению, упустила преимущество в ИИ-гонке. Открытая модель Llama не набрала нужных оборотов, а внутренние перестановки, включая спорную покупку ScaleAI, показали - что-то пошло не так.

«FAIR добился невероятных результатов в исследованиях, - признается ЛеКун из своей парижской квартиры. - Но Meta не смогла превратить эти открытия в реальные продукты». Марк Цукерберг принимал решения, с которыми ученый не всегда соглашался. Особенно больно ударило закрытие робототехнического подразделения - ЛеКун считает это стратегической ошибкой.

Никакой обиды? Неожиданно, но Meta может стать первым клиентом новой компании. Работа над моделями мира для физической реальности не конкурирует напрямую с фокусом Meta на генеративном ИИ.

AMI Labs - европейский ответ Кремниевой долине

Advanced Machine Intelligence со штаб-квартирой в Париже (произносится как французское «друг») решает амбициозную задачу. ЛеКун хочет создать третий полюс силы - альтернативу американо-китайской дуополии в ИИ.

«Европа полна талантов, но им не всегда дают условия для роста, - объясняет исследователь. - Многие страны хотят контролировать ИИ-технологии по соображениям суверенитета». Пока американские компании закрываются от конкурентов, Китай полностью перешел на открытый подход. Результат? Академия и стартапы за пределами США массово используют китайские модели.

Венчурные капиталисты в восторге от идеи. Малый бизнес не может позволить себе обучать собственные модели, а зависимость от проприетарных решений - опасная стратегия. AI Projects уже помогает компаниям выбирать оптимальные ИИ-решения без привязки к одному поставщику.

Парадокс Моравека - почему LLM обречены

ЛеКун работал с искусственным интеллектом задолго до того, как ChatGPT стал мейнстримом. Сегодня большие языковые модели практически синонимы ИИ в глазах публики. Но это иллюзия, которую он собирается разрушить.

«LLM невероятно полезны для работы с текстом, кодом, исследований, - признает ученый. - Но вера в то, что их масштабирование приведет к человеческому интеллекту - просто ложь».

Проблема в парадоксе, который заметил Ханс Моравек еще в 1988 году: то, что легко людям (восприятие, навигация), сложно компьютерам, и наоборот. LLM застряли в дискретном мире слов. Они не умеют по-настоящему рассуждать или планировать, потому что у них нет модели реальности. Они не могут предсказать последствия действий.

Вот почему у нас до сих пор нет домашнего робота с ловкостью кошки или по-настоящему автономного автомобиля. ИИ человеческого уровня появится, но не на основе LLM, и не в ближайшие пару лет. Нужны концептуальные прорывы.

JEPA - архитектура будущего

Решение ЛеКуна - модели мира и архитектура JEPA (Joint Embedding Predictive Architecture), которую он создал в Meta. Суть проста и гениальна одновременно.

Мир непредсказуем в деталях. Попытка построить генеративную модель, предсказывающую каждую мелочь будущего, провалится. JEPA работает иначе - система учится абстрактному представлению мира и делает прогнозы в этом абстрактном пространстве, игнорируя непредсказуемые детали.

Представьте младенца, изучающего гравитацию через наблюдение. JEPA обучается на видео, аудио, данных сенсоров - от положения роботизированной руки до лидара. Это фундамент здравого смысла, ключ к созданию систем, способных рассуждать и планировать в реальном мире.

Самые захватывающие работы по моделям мира сейчас идут в академической среде, а не в больших индустриальных лабораториях, застрявших в мире LLM.

Реальные применения - от заводов до умных очков

Применения моделей мира впечатляют масштабом. Сложные промышленные процессы с тысячами датчиков - реактивные двигатели, сталелитейные заводы, химические производства. Сейчас не существует техники для построения полной, целостной модели таких систем. Модель мира может обучиться на данных сенсоров и предсказывать поведение системы.

Или умные очки, наблюдающие за вашими действиями, распознающие их и предсказывающие следующий шаг для помощи. Это сделает агентные системы по-настоящему надежными. Агент, который должен действовать в мире, не может работать стабильно без модели мира для прогнозирования последствий.

Это ключ к домашним роботам и автономному вождению пятого уровня. Для получения практических рекомендаций по внедрению ИИ-технологий посетите AI Projects.

Почему гуманоидные роботы - это блеф

Гуманоидные роботы сейчас в моде, особенно китайские. Но ЛеКун безжалостен: «Абсолютно никто не знает, как сделать этих роботов достаточно умными для пользы».

Секрет компаний, демонстрирующих роботов, танцующих кунг-фу? Все движения запрограммированы заранее грубой силой. Для каждой задачи нужны огромные объемы данных телеуправления, а при малейшем изменении среды система не обобщает знания.

Почему 17-летний подросток учится водить за 20 часов? Потому что он уже много знает о поведении мира. Для полезного домашнего робота нужно глубокое понимание физического мира. А это невозможно без хороших моделей мира и планирования.

Академия против индустрии - кто победит

Растет ощущение, что фундаментальные исследования ИИ в университетах становятся невозможными из-за требований к вычислительным ресурсам. Но ЛеКун категоричен: «LLM - это уже не исследования, а разработка технологий. Это продукт».

Академикам сложно конкурировать в области LLM из-за требований к вычислениям, данным и инженерной поддержке. Но университеты и не должны этим заниматься. Это как распознавание речи в начале 2010-х - решенная проблема, прогресс в руках индустрии.

Университеты должны работать над долгосрочными целями, выходящими за рамки возможностей текущих систем. Совет ЛеКуна: «Не работайте над LLM. Нет смысла. Вы не сможете соперничать с индустрией. Работайте над чем-то другим. Изобретайте новые техники».

Прорывы не придут от масштабирования LLM. Вся идея использования механизмов внимания в нейросетях вышла из Монреальского университета. Эта исследовательская работа запустила революцию. Теперь, когда большие компании закрываются, прорывы замедлятся.

Команда мечты и глобальные амбиции

ЛеКун остается профессором Нью-Йоркского университета, ведет один курс в год, руководит аспирантами и постдоками. Но в AMI Labs он - исполнительный председатель, а CEO станет Алекс ЛеБрун, бывший коллега из Meta AI.

«ЛеКун и ЛеБрун - красиво звучит по-французски», - улыбается исследователь. Алекс - серийный предприниматель, создавший три успешные ИИ-компании. Первую продал Microsoft, вторую Facebook, где возглавлял инженерное подразделение FAIR в Париже. Потом основал Nabla, очень успешный проект в здравоохранении.

ЛеКун признается: «Я умею управлять, но ненавижу это. Моя миссия - двигать науку и технологии вперед, вдохновлять людей». Алекс принес опыт построения компаний, позволяя ЛеКуну сосредоточиться на науке.

Компания глобальная - офисы в Париже, Северной Америке (вероятно, Нью-Йорк, а не Кремниевая долина с ее монокультурой), возможно, в Сингапуре. С набором персонала проблем нет - многие в ИИ-сообществе верят, что будущее за моделями мира. Компания уже переманила специалистов из OpenAI, Google DeepMind и xAI.

Поговаривают, что Сайнин Се, известный исследователь из NYU и Google DeepMind, может стать главным научным сотрудником. ЛеКун дипломатичен: «Сайнин - блестящий исследователь. Я нанимал его дважды. У меня огромное уважение к нему».

Выводы

Ян ЛеКун делает ставку против мейнстрима, но его аргументы убедительны. Большие языковые модели - тупиковая ветвь на пути к настоящему искусственному интеллекту. Модели мира, понимающие физическую реальность, откроют эру по-настоящему полезных роботов и автономных систем. Европа получает шанс стать третьей силой в ИИ-гонке между США и Китаем. А открытый подход победит закрытые лаборатории, потому что прорывы рождаются в академической среде, а не в секретных корпоративных бункерах. Февраль принесет больше деталей о финансировании и команде AMI Labs. История только начинается.