Alexandre LeBrun z AMI Labs unika terminów „AGI” i „superinteligencja”, skupiając się na modelach świata

Alexandre LeBrun, dyrektor generalny AMI Labs, startupu założonego przez Yanna LeCuna, odcina się od powszechnej w branży sztucznej inteligencji tendencji do etykietowania swoich osiągnięć jako „AGI” (Artificial General Intelligence) czy „superinteligencja”. W wywiadzie dla TechCrunch LeBrun podkreślił, że jego firma w ogóle nie używa tych terminów, kwestionując ich definicję i użyteczność.

Krytyka terminologii AGI i superinteligencji

LeBrun zauważa, że branża AI nieustannie zmienia modne określenia, przechodząc od „AGI” do „superinteligencji”, a w przyszłości prawdopodobnie do czegoś innego. „Nigdy nie używaliśmy słowa AGI. I właśnie zauważyłem, że nikt już go nie używa; przestawili się na superinteligencję” – powiedział. Dodał, że nie jest przekonany również do nowej etykiety. „Nie ma dobrej definicji. Czym jest superinteligencja? Nie wiem. To niezbyt użyteczne słowo”. To stanowcze stanowisko ze strony założyciela, który znajduje się w centrum najnowszej rywalizacji w dziedzinie AI.

Modele świata a rzeczywistość fizyczna

AMI Labs, choć jest jeszcze na etapie przedprodukcyjnym, aktywnie poszukuje partnerów przemysłowych, globalnych firm i badaczy, szczególnie w Seulu, gdzie LeBrun uczestniczył w Międzynarodowej Konferencji Uczenia Maszynowego. Firma celuje w sektory takie jak robotyka, produkcja i elektronika. LeBrun wyjaśnił, że modele świata, które integrują fizykę, aby przewidywać i działać w świecie rzeczywistym, muszą udowodnić swoją wartość poza laboratorium.

Według LeBruna, modele świata mają szansę zrewolucjonizować robotykę. Obecnie roboty wykonują jedynie ustalone procedury, są „całkowicie statyczne”, a sztuczna inteligencja pozostaje „naprawdę głupia w świecie fizycznym”. Nawet jeśli AI będzie w stanie jedynie sprawić, że roboty staną się „świadome kontekstu”, będzie to „bardzo duża różnica dla świata”. Jako przykład podał sytuację, w której robot tańczący na publicznym wydarzeniu kopnął dziecko – świadoma kontekstu AI mogłaby temu zapobiec. „Sprzęt jest bardzo zaawansowany; postęp w sprzęcie w ostatnich miesiącach jest niesamowity, ale brakuje mózgu” – podkreślił.

Komplementarność z LLM i zastosowania przemysłowe

LeBrun wyjaśnił różnicę między dużymi modelami językowymi (LLM), które przewidują następne słowo lub tekst, a modelami świata, które przewidują następny stan. Przykładem jest intuicyjne przewidywanie, że szklanka zepchnięta ze stołu przewróci się i rozleje – to właśnie taką intuicję ma uchwycić model świata. Nie twierdzi jednak, że modele świata są lepsze od LLM; uważa je za komplementarne, a nie zastępowalne, zwłaszcza w systemach AI rozumiejących świat fizyczny. Porównując to do funkcji językowych i rozumowania w ludzkim mózgu, LeBrun stwierdził, że LLM pozostaną najskuteczniejszymi narzędziami do przetwarzania języka, podczas gdy modele świata zapewnią kontekst i zrozumienie rzeczywistości.

LeBrun uważa, że niemal każda branża „dotykająca świata rzeczywistego” mogłaby ostatecznie skorzystać z robotyki opartej na modelach świata, ponieważ środowiska fizyczne pozostają najsłabszą stroną LLM. Robot fabryczny powtarzający ten sam ruch działa dziś dobrze, ale wyzwanie pojawia się, gdy „wyniesiesz robota na zewnątrz, do bardziej otwartego środowiska, do domu lub na ulicę”, gdzie musi on rozumieć otoczenie i działać bezpiecznie. „Roboty nie są teraz bezpieczne” – powiedział. „Nie ma na to dziś rozwiązania”.

Znaczenie doświadczenia w świecie rzeczywistym

LeBrun, którego poprzednia firma, Nabla, była startupem AI w dziedzinie zdrowia, podał przykład opieki zdrowotnej. Porównał dzisiejsze systemy AI do lekarza przeszkolonego wyłącznie na podręcznikach, bez praktyki. LLM mogą być użyteczne w medycynie, ale obejmują „tylko 1% opieki zdrowotnej”. Reszta zależy od doświadczenia w świecie rzeczywistym. Modelu świata nie da się jednak zbudować w laboratorium – do trenowania na rzeczywistości AMI potrzebuje prawdziwych środowisk i bliskich partnerów. „Potrzebujemy dostępu do świata rzeczywistego” i „łatwiej nam to zrobić z partnerami”. To właśnie dlatego firma kieruje się w stronę Azji, gdzie znajdują się roboty, układy scalone i fabryki.

Strategia AMI Labs w Azji

LeBrun nie przedstawił jeszcze pełnej strategii azjatyckiej, uznając, że jest „za wcześnie”. Jednak zainteresowanie Koreą Południową wynika z dwóch głównych powodów. Po pierwsze, Korea posiada zaawansowane gałęzie przemysłu w robotyce, półprzewodnikach i produkcji – sektorach o dużym udziale sprzętu, których pierwsza fala AI ledwo dotknęła. Drugim atutem jest szybkość. LeBrun wskazał na koreański plan narodowy, który ma przeznaczyć znaczne środki na AI, oraz na historię kraju jako wczesnego adaptatora technologii. „Korea była najszybszym adaptatorem internetu 25 lat temu” – powiedział. To połączenie głębokiej bazy przemysłowej z gotowością do szybkiego przyjęcia AI jest „unikalne” i dlatego AMI Labs chce być tam „od pierwszego dnia”.

JP Lee, CEO SBVA i jeden z azjatyckich inwestorów AMI, również zachęcał firmę do wejścia na rynek koreański. Lee podkreślił, że rząd koreański wykonał „ogromną pracę” w finansowaniu lokalnych modeli LLM, które „wystarczająco dobrze” radzą sobie z zadaniami ogólnego przeznaczenia. Jednak nalega, aby Korea nadal inwestowała w fizyczną AI. Wskazał na czerwcowy plan Seulu, który zakłada mobilizację około 880 miliardów dolarów na układy scalone, centra danych AI i fizyczną AI, jako jeden z trzech deklarowanych filarów. „Powinny współistnieć” – stwierdził Lee. Dodał, że wartość Korei dla zagranicznych firm nie ogranicza się tylko do sprzętu; lokalni deweloperzy szybko adaptują nowe narzędzia, co zaowocowało powstaniem rodzimych gigantów internetowych, takich jak Naver i Kakao.

Przyszłość AMI Labs

Pomimo znaczącego wsparcia finansowego – startup, współzałożony przez zdobywcę Nagrody Turinga Yanna LeCuna po jego odejściu z Meta, zebrał w marcu 1,03 miliarda dolarów przy wycenie przedinwestycyjnej 3,5 miliarda dolarów – AMI Labs nie ma jeszcze gotowego produktu ani ustalonego harmonogramu jego wprowadzenia. „Zrobimy niespodziankę, kiedy będziemy gotowi” – podsumował LeBrun. Podejście AMI Labs podkreśla rosnące znaczenie interakcji AI ze światem fizycznym, co może być kluczowe dla dalszego rozwoju technologii w przemyśle i życiu codziennym, wykraczając poza obecne możliwości modeli językowych.

Źródło: techcrunch.com