8 دقیقه
پس از ۱۲ سال فعالیت در متا، یَن لوکان رسماً تأیید کرده است که شرکت را ترک میکند تا استارتاپ مستقلی را با تمرکز بر «هوش ماشینی پیشرفته» (Advanced Machine Intelligence یا AMI) تأسیس کند. لوکان که بهعنوان یکی از پیشگامان هوش مصنوعی مدرن شناخته میشود، میگوید به دنبال فضایی آزادتر است تا روی سامانههایی کار کند که واقعاً دنیای فیزیکی را درک، مدلسازی و استدلال کنند.
چرا لوکان برخلاف گرایش فعلی به سمت مدلهای زبانی بزرگ شرطبندی میکند
لوکان از مدتی پیش نگاه منتقدانهای به هجوم صنعت به سوی مقیاسدهی مدلهای زبانی بزرگ (LLMها) داشته است. او معتقد است که تمرکز صرف بر پیشبینی کلمه بعدی کافی نیست و از «مدلهای جهان» (world models) دفاع میکند: سامانههایی که رویدادهای دنیای واقعی را شبیهسازی و دربارهٔ آنها استدلال میکنند، مفاهیم فیزیک و علیت را درک میکنند، حافظهٔ پایا ذخیره مینمایند و توالیهای پیچیده از اقدامات را برنامهریزی میکنند.
به زبان دیگر، لوکان بر این باور است که بزرگتر کردن صرف مدلهای زبانی تنها با افزایش پارامترها و دادهها به هوش در سطح انسانی نخواهد انجامید؛ بلکه نیاز به تغییرات معماری و هدفگذاری متفاوتی هست تا ماشینها قادر به فهم علت و معلول و تعامل استوار با جهان فیزیکی شوند. این دیدگاه شامل تاکید بر تلفیق بینایی ماشین، حسگری، حافظهٔ بلندمدت و مکانیزمهای برنامهریزی است که فراتر از توانایی تولید متن صرف حرکت میکند.
از منظر پژوهشی، این نوع رویکردها معمولاً به سیگنالهای آموزشی غنیتر، محیطهای شبیهسازی دقیقتر و ساختارهای یادگیری ترکیبی نیاز دارند که میتوانند یادگیری مبتنی بر مدل، یادگیری تقویتی و یادگیری ساختاریافته را با هم ترکیب کنند. در نتیجه، لوکان به دنبال ایجاد چارچوبهایی است که بهطور همزمان ادراک، پیشبینی و اقدام را متحد سازند تا سامانهها بتوانند در شرایط واقعی و تغییرپذیر عملکرد قابل اتکایی از خود نشان دهند.
از آزمایشگاه FAIR تا یک آزمایشگاه مستقل برای AMI
در طول دوران کارش در متا و همچنین در دانشگاه نیویورک، لوکان این ایدهها را در محیطهایی مانند FAIR (Facebook AI Research) و حوزهٔ آکادمیک پیگیری کرده است. در آن فضاها ایدههای نظری و آزمایشهای اولیه توسعه یافت، اما لوکان اکنون میخواهد مفاهیم AMI را در قالب یک استارتاپ مستقل پرورش دهد؛ جایی که رویکردهای رادیکالتر بتوانند بدون محدودیتهای ساختارهای شرکتی بزرگ مقیاس بگیرند.
هدف او ایجاد عاملهایی است که بتوانند حقایق پایدار دربارهٔ دنیا بیاموزند، وظایف چندمرحلهای را برنامهریزی کنند و با محیطهای فیزیکی تعامل کنند. این شامل توسعهٔ سیستمهایی است که از حسگرها و شبیهسازها بهخوبی بهرهبرداری میکنند، حافظههای ماندگار دارند و میتوانند پیشبینیهای علّی معناداری برای رفتار دنیا ارائه دهند. چنین سامانههایی میتوانند در رباتیک، خودرانها، مدیریت زنجیرهٔ تأمین، پزشکی و کاربردهای صنعتی تحولآفرین باشند.
توسعهٔ AMI مستلزم ایجاد اکوسیستمی از پژوهشگران در حوزههای بینرشتهای است: از یادگیری عمیق و یادگیری تقویتی تا فیزیک محاسباتی، مدلسازی جهان، و طراحی حسگرها و شبیهسازهای پیچیده. لوکان امیدوار است که یک استارتاپ مستقل بتواند فرهنگ پژوهشی متفاوتی فراهم کند که خطرپذیری علمی را تشویق کند و در عین حال از طریق جذب سرمایه و همکاریهای صنعتی، مسیر تجاریسازی را هم هموار سازد.
قطع رابطهٔ کامل نیست: نوع جدیدی از همکاری
لوکان تا پایان سال میلادی جاری در متا باقی خواهد ماند و سپس به نقشِ «شرکتکنندهٔ خارجی / شریک» منتقل میشود. متا نیز اعلام کرده که با استارتاپ او همکاری خواهد داشت و به نوآوریهای آن دسترسی خواهد داشت؛ رابطهای که مشابه شراکتهایی است که مایکروسافت با OpenAI یا گوگل با Anthropic دارند. بنابراین جدایی لوکان کمتر به معنای قطع کامل پیوند است و بیشتر شبیه یک اسپینآف استراتژیک است که ممکن است به هر دو طرف اجازه دهد تا با سرعت و تمرکز بیشتری پیش بروند.
این مدل همکاریِ ترکیبی — که پژوهشگران ارشد از شرکتهای بزرگ جدا میشوند تا نهادهای مستقل تأسیس کنند در حالی که روابط همکاریشان را حفظ میکنند — میتواند مزایای متقابلی ایجاد کند: شرکتهای بزرگ دسترسی به نوآوریهای پیشرو و استعدادها را حفظ میکنند، و تیمهای کوچکتر آزادی علمی و چابکی لازم برای دنبال کردن ایدههای رادیکال را بهدست میآورند. برای مثال، دسترسی به دادهها، زیرساختهای ابری، و منابع محاسباتی از سوی شرکای بزرگ میتواند به استارتاپها کمک کند تا مسیر تحقیقات پایه تا محصول را کوتاهتر کنند.
علاوه بر این، چنین شراکتهایی میتواند چارچوبهای اخلاقی، نظارتی و امنیتی را نیز تقویت کند؛ زیرا همکاری میان دانشگاهها، شرکتهای بزرگ و استارتاپها فرصتِ همآهنگسازی روی استانداردهای ایمنی و شفافیت را فراهم میآورد، مخصوصاً زمانی که هدف توسعهٔ سامانههایی با توانایی تعامل فیزیکی و تصمیمگیری بلندمدت است.
AMI چه تغییری در هوش مصنوعی و اقتصاد میتواند ایجاد کند
لوکان AMI را بهعنوان انقلاب بعدی در حوزهٔ هوش مصنوعی معرفی میکند. در صورت موفقیت، این سامانهها میتوانند نحوهٔ اتوماسیون وظایفی را که به استدلال فیزیکی، برنامهریزی بلندمدت و حافظهٔ مقاوم نیاز دارند دگرگون کنند. هدف صرفِ ارتقای تدریجی تواناییهای زبانی نیست، بلکه تغییر معماری کلی است: ساخت مدلهایی که قوانین دنیای فیزیکی را بفهمند و از آنها برای تصمیمگیری و پیشبینی استفاده کنند، نه تنها مدلسازی الگوهای متنی.
تأثیرات اقتصادی چنین پیشرفتی میتواند گسترده باشد. صنایع تولیدی و رباتیک ممکن است قادر شوند خطوط تولید را با هوش بیشتری خودکار کنند، لجستیک و زنجیرهٔ تأمین میتوانند برنامهریزی بلندمدت و واکنش به اختلالها را بهینهسازی کنند، و خدماتِ مراقبت از سلامت و زیرساختهای بحرانی میتوانند سامانههایی با حافظهٔ طولانی و توانایی استنتاج علّی بهکار گیرند. در سطح اقتصاد کلان، افزایش کارآیی، کاهش هزینهها و پیدایش مدلهای کسبوکار جدید از پیامدهای محتمل است.
البته موانع فنی بزرگ باقی ماندهاند. مدلهای جهان به سیگنالهای آموزشی غنیتر نیاز دارند؛ یعنی دادهها و تجربههایی که فراتر از متن باشند و شامل بازخوردهای محسوس و تجربی از محیطهای واقعی یا شبیهسازیشده باشند. همچنین باید ادغام بهتری بین حسگرها، شبیهسازها و معماریهای یادگیری صورت گیرد تا سامانهها بتوانند ادراک، حافظه و برنامهریزی را بهطور یکپارچه ترکیب کنند.
از نقطهنظر سرمایهگذاری و استعداد، حمایت متا بهعنوان شریک و شهرت لوکان احتمالاً استارتاپ را در جذب پژوهشگران برجسته و منابع مالی یاری میکند. سرمایهگذاران و مؤسسات علمی که به دنبال دستاوردهای بلندمدت و بنیادی در هوش مصنوعی هستند، ممکن است سرمایهگذاری در این مسیر را جذاب بیابند؛ زیرا AMI میتواند مزیت رقابتی طولانیمدت ایجاد کند که تنها افزایش اندازهٔ مدلها قادر به دستیابی به آن نیست.
چرا این حرکت برای منظرهٔ هوش مصنوعی اهمیت دارد
خروج لوکان از متا نشاندهندهٔ یک الگوی نوظهور در حوزهٔ هوش مصنوعی است: پژوهشگران ارشد که بهدنبال رویکردهای جایگزین هستند، نهادهای مستقلی تأسیس میکنند در حالی که همکاریشان با غولهای فناوری را حفظ میکنند. این مدل ترکیبی میتواند پیشرفت را تسریع کند چرا که خلاقیت تیمهای کوچک را با منابع و زیرساخت شرکتهای بزرگ پیوند میدهد.
برای ناظران و علاقهمندان به حوزهٔ هوش مصنوعی، این یک آزمایش مهم است: آیا AMI میتواند راهی بهتر از مسیر اولویتدهی به مدلهای زبانی بزرگ ارائه دهد، یا دستکم در کنار آنها نقش مکملی ایفا کند؟ پاسخ به این سؤال پیامدهای پژوهشی، اقتصادی و اجتماعی مهمی خواهد داشت. اگر AMI موفق شود، ممکن است شاهد بازتعریف اهداف پژوهش در حوزهٔ هوش مصنوعی باشیم — از بهبود عملکرد در وظایف متنی به سمت ساخت سامانههایی با درک عمیقتر از دنیای فیزیکی و توانایی اجرای برنامههای بلندمدت.
خواه شما توسعهها را برای وعدهٔ فنی آنها دنبال کنید یا برای تأثیرات اقتصادیشان، گام یَن لوکان نشانهای از گفتگوی در حال رشد در پژوهش هوش مصنوعی است: آیا باید مدلهای زبانی موجود را مقیاس کرد یا بنیانِ خودِ هوش را بازاندیشی نمود؟ این بحث احتمالاً در سالهای آینده یکی از محوریترین موضوعات در جامعهٔ پژوهش و صنعت خواهد بود.
منبع: smarti
ارسال نظر