Ο καθηγητής Γιαν Λεκάν, ένας από τους πρωτοπόρους της τεχνητής νοημοσύνης, αποχωρεί από τη Meta για να ιδρύσει μια νέα εταιρεία, επικεντρωμένη στην «προηγμένη τεχνητή νοημοσύνη».
Παρά την αναγνώριση του έργου του, ο Λεκάν διαφωνεί με την τρέχουσα κατεύθυνση της τεχνητής νοημοσύνης, ειδικά με την έμφαση στα μεγάλα γλωσσικά μοντέλα (LLM), τα οποία θεωρεί λιγότερο χρήσιμα για την ανάπτυξη συστημάτων που μπορούν να ανταγωνιστούν την ανθρώπινη νοημοσύνη.
Αντίθετα, προτείνει την εκπαίδευση μοντέλων μέσω οπτικής μάθησης, μιμούμενος τον τρόπο με τον οποίο μαθαίνουν τα παιδιά και τα ζώα.
Η αποχώρησή του έρχεται σε μια περίοδο αβεβαιότητας για το μέλλον της τεχνητής νοημοσύνης, με ανησυχίες για πιθανή «φούσκα» στον κλάδο.
Πιο αναλυτικά
Μόλις πριν από μερικές εβδομάδες, ένας από τους «νονούς» της τεχνητής νοημοσύνης βρισκόταν στο Παλάτι του Αγίου Ιακώβου, όπου του απονεμήθηκε βραβείο από τον Βασιλιά Κάρολο για το έργο του στον τομέα της τεχνητής νοημοσύνης (AI).
Ο καθηγητής Γιαν Λεκάν τιμήθηκε μαζί με άλλα έξι άτομα για τη συμβολή του στο πεδίο της τεχνητής νοημοσύνης, η οποία έχει αναγνωριστεί ότι προωθεί την μάθηση σε βάθος.
Ωστόσο ο Γιαν Λεκάν βρίσκεται σε κόντρα με ορισμένους στον κόσμο της τεχνητής νοημοσύνης σχετικά με το μέλλον της τεχνολογίας, που αλλάζει ραγδαία τον πλανήτη.
Τώρα ο καθηγητής ποντάρει τα πάντα στην ιδέα του για την «προηγμένη τεχνητή νοημοσύνη», αφού ανακοίνωσε ότι αποχωρεί από τη θέση του επικεφαλής επιστήμονα τεχνητής νοημοσύνης της Meta για να ιδρύσει μια νέα εταιρεία.
Κατά τη διάρκεια των 12 χρόνων που εργάστηκε στην εταιρεία, ο Γιαν Λεκάν κέρδισε το διάσημο βραβείο Turing και ήταν μάρτυρας αρκετών περιόδων ενθουσιασμού γύρω από την τεχνητή νοημοσύνη, μεταξύ των οποίων και η πιο πρόσφατη έκρηξη της λεγόμενης παραγωγικής τεχνητής νοημοσύνης (Generative AI), η οποία επιταχύνθηκε από την κυκλοφορία του ChatGPT από την ανταγωνιστική OpenAI στα τέλη του 2022.
H αποχώρησή του, όμως, έρχεται εν μέσω εικασιών ότι η άνθιση της τεχνητής νοημοσύνης θα μπορούσε να τερματιστεί απότομα, σε περίπτωση που σκάσει η λεγόμενη «φούσκα» της τεχνητής νοημοσύνης, με τις διογκωμένες εκτιμήσεις αξίας και τη ραγδαία αύξηση των δαπανών.
Επενδυτές, αναλυτές και ακόμη και τα μεγάλα αφεντικά της τεχνολογίας, όπως ο διευθύνων σύμβουλος της Google, Σούνταρ Πιτσάι, έχουν δηλώσει ότι μια «διόρθωση» στην αγορά της τεχνητής νοημοσύνης θα είχε αντίκτυπο σε ολόκληρη την οικονομία.

Τι πιστεύει ο Λεκάν ότι αντιλαμβανόμαστε λάθος στον κόσμο της τεχνητής νοημοσύνης
Ο καθηγητής Λεκάν ανακοίνωσε την Τετάρτη την πρόθεσή του να αποχωρήσει από τη Meta. Είχαν προηγηθεί δημοσιεύματα και φήμες για την αποχώρησή του.
Σε μια σειρά από αναρτήσεις στο Threads, ευχαρίστησε τον ιδρυτή της εταιρείας Μαρκ Ζούκερμπεργκ και χαρακτήρισε το εργαστήριο Fundamental AI Research (FAIR) ως το «μη τεχνικό επίτευγμά» του που του δίνει την μεγαλύτερη περηφάνεια.
«Όπως πολλοί από εσάς έχετε ακούσει από φήμες ή πρόσφατα άρθρα στα μέσα ενημέρωσης, σκοπεύω να αποχωρήσω από τη Meta μετά από 12 χρόνια: 5 χρόνια ως ιδρυτικός διευθυντής του FAIR και 7 χρόνια ως επικεφαλής επιστήμονας τεχνητής νοημοσύνης», έγραψε ο Λεκάν.
«Ο αντίκτυπος του FAIR στην εταιρεία, στον τομέα της τεχνητής νοημοσύνης, στην τεχνολογική κοινότητα και στον ευρύτερο κόσμο ήταν θεαματικός», ανέφερε ο καθηγητής.
Το εργαστήριο FAIR έχει επικεντρωθεί όλα αυτά τα χρόνια στην ανάπτυξη συστημάτων και τεχνικών για την προώθηση της μηχανικής μάθησης (machine learning) και της μετάφρασης.
Ωστόσο η Meta, όπως και μεγάλο μέρος του κλάδου της τεχνητής νοημοσύνης, έχει επικεντρώσει την έρευνα και τις δαπάνες της σε μεγάλα γλωσσικά μοντέλα (LLM). Τα συγκεκριμένα συστήματα βρίσκονται στο επίκεντρο των παραγωγικών εργαλείων τεχνητής νοημοσύνης, όπως τα chatbots και οι γεννήτριες εικόνων.
Ο καθηγητής Λεκάν έχει υποδείξει ότι τα LLM θα είναι λιγότερο χρήσιμα στην προσπάθεια δημιουργίας συστημάτων τεχνητής νοημοσύνης που μπορούν να ανταγωνιστούν την ανθρώπινη νοημοσύνη.
Αντ’ αυτού, επιθυμεί να ασχοληθεί με αυτό που ο ίδιος αποκαλεί «προηγμένη τεχνητή νοημοσύνη» (advanced machine intelligence). Εκπαιδεύει μοντέλα τεχνητής νοημοσύνης χρησιμοποιώντας κυρίως οπτική μάθηση, προσπαθώντας να αναπαράγει τον τρόπο με τον οποίο μαθαίνει ένα παιδί ή ένα ζώο σε μικρή ηλικία.
Αυτό διαφέρει από τα LLM, τα οποία τροφοδοτούνται με τεράστιες ποσότητες υφιστάμενων δεδομένων και στη συνέχεια καλούνται να παράγουν ένα αποτέλεσμα με βάση τα δεδομένα και μια προτροπή.






