«У нас нет роботов, которые понимали бы физический мир так же хорошо, как крыса», — говорит Ян Лекун, один из ведущих специалистов в области искусственного интеллекта.
Он десять лет проработал в компании Meta, владеющей Facebook, где занимал должность главного научного сотрудника в области искусственного интеллекта, но в 2025 году ушел и основал компанию Advanced Machine Intelligence Labs (AMI Labs).
Его цель — вывести ИИ за рамки существующих системных аналогов ChatGPT, Claude и Gemini. По его словам, они имеют свои преимущества, но никогда не смогут справиться со сложными задачами в реальном мире, например, заставить робота выполнять домашние обязанности.
«Они не являются путем к человеческому или человекоподобному интеллекту, или даже к интеллекту, подобному животному, потому что они не могут работать с данными реального мира, они просто для этого не созданы», — говорит он мне в кулуарах VivaTech, ведущей французской технологической конференции.
Таким образом, парижская компания AMI Labs занята разработкой нового типа искусственного интеллекта, не основанного на технологиях, лежащих в основе ChatGPT и его конкурентов.
Инвесторы считают, что у компании есть потенциал. Ранее в этом году AMI Labs объявила о привлечении более 1 миллиарда долларов (760 миллионов фунтов стерлингов) от инвесторов, в том числе от американского гиганта по производству компьютерных чипов Nvidia и фонда, управляющего частным состоянием основателя Amazon Джеффа Безоса.
Этот так называемый раунд посевного финансирования — самый ранний раунд привлечения средств для стартапа — был одним из крупнейших в своем роде в Европе.
По словам ЛеКуна, большие языковые модели (LLM), такие как ChatGPT, чрезвычайно хорошо справляются с некоторыми задачами, например, с программированием, решением математических задач и генерацией текста.
Однако он утверждает, что это четко определенные и предсказуемые проблемы.
«Они [магистры права] по сути просто накапливают знания… Они могут что-то воспроизвести, вы их этому учите, но они не особенно умны. У них нет фундаментального понимания», — говорит он.
В реальном мире любое действие может привести к ошеломляющему множеству результатов, что требует более гибкого типа искусственного интеллекта.
ЛеКун держит ручку вертикально, зажатой кончиком. «Что произойдет, если отпустить?» — спрашивает он. Даже малыш поймет, что ручка упадет. Но ни один человек не станет гадать, в каком направлении она упадет, предсказать это невозможно.
Однако LLM может попытаться сгенерировать единственное предсказание о следующем движении ручки на основе статистических закономерностей из обучающих данных.
Предсказание почти наверняка окажется неверным, поскольку система не рассуждает о физической реальности ситуации, а генерирует то, что кажется статистически правдоподобным.
ЛеКун говорит, что система, которую разрабатывает его компания, под названием Joint Embedding Predictive Architecture (JEPA), предназначена для решения подобных проблем.
Оно создает абстракции реального мира, которые позволяют ему оценивать результаты действий.
Создание этих абстракций требует сложных математических вычислений, но по сути они отфильтровывают бесполезную информацию, оставляя искусственному интеллекту лишь полезные представления об окружающем мире.
В случае с ручкой, ИИ поймет, что нет смысла пытаться предсказать, в какую сторону она упадет.
Создание более гибкого искусственного интеллекта является приоритетной задачей для робототехнической отрасли.
В создание человекоподобных роботов были вложены миллиарды долларов, и их достижения с каждым годом становятся все более впечатляющими.
Однако обучить их безопасному выполнению домашних дел, таких как глажка или загрузка посудомоечной машины, оказывается сложным и дорогостоящим процессом.
И, по словам ЛеКуна, нынешние модели ИИ вряд ли когда-либо окажутся эффективными в таких условиях.
«В сфере робототехники у LLAre практически нет перспектив», — говорит он.
«Утверждение о том, что, просто масштабируя магистерские программы, мы достигнем сверхчеловеческого интеллекта, просто не соответствует действительности».
Многие в индустрии искусственного интеллекта согласны с ЛеКуном.
Ингмар Познер — один из них. Он профессор прикладного искусственного интеллекта в Оксфордском университете и руководитель его лаборатории прикладного ИИ. Он также является стипендиатом Amazon.
«Я считаю, что следующее десятилетие действительно будет посвящено системам, которые могут объяснить… Вам нужны модели, способные ответить на такие вопросы, как: Что имеет значение? Что является причиной чего? Что произойдет, если я сделаю что-то другое — например, если я предприму другое действие?»
Познер и его команда из примерно 10 исследователей уже четыре года работают над альтернативной формой искусственного интеллекта, которая относится к условной категории, называемой «моделями мира».
Хотя концепции мировых моделей существуют уже несколько десятилетий, одним из источников вдохновения для этой работы стала влиятельная статья, опубликованная в 2018 году Дэвидом Ха и Юргеном Шмидхубером.
Их идея заключалась в том, что, учитывая достижения в области машинного обучения и вычислительной мощности, ИИ может научиться делать что-либо, опираясь исключительно на усвоенную, «мысленную» симуляцию того, как выглядит мир.
С 2018 года эта идея послужила толчком для значительного количества исследований в области моделей миров, включая модель Dreamer World Model от Google. В прошлом году один из вариантов Dreamer разработал способ сбора алмазов в видеоигре Minecraft, представляя будущие сценарии, которые помогают ему принимать решения.
Познер надеется, что система искусственного интеллекта, над которой работает его команда, станет еще одним шагом вперед. Он называет ее «механистической моделью мира», которая будет структурировать знания таким образом, чтобы ИИ мог эффективно их использовать.
«Необходимы системы, способные разделять и организовывать знания таким образом, чтобы их можно было вспоминать, комбинировать и изменять, когда это необходимо», — говорит Познер.
«Очень сложно сказать, сколько времени потребуется на разработку этих новых моделей», — добавляет он.
«Если бы вы спросили кого-нибудь в 2017 или 2018 году, сколько времени потребуется, чтобы создать нечто подобное ChatGPT, вам бы ответили: «Десятилетия, десятилетия работы».
Оригинальная версия ChatGPT была запущена в ноябре 2022 года.
Другие компании, занимающиеся разработкой моделей мирового пространства, работают над проектом Genie (подразделение Alphabet, владельца Google), а лондонская компания Wayve разработала систему Gaia.
Тем временем, пионер в области искусственного интеллекта Фэй-Фэй Ли в 2023 году основал в Сан-Франциско компанию World Labs для разработки новой модели ИИ.
ЛеКун говорит, что AMI Labs потратит оставшуюся часть этого года на совершенствование своей модели ИИ, а в следующем году надеется, что она будет применена, сначала в промышленных условиях.
Если это удастся, тогда настанет время мыслить масштабно.
«В конечном итоге у нас появится своего рода универсальная система разведки, которую можно будет применять практически к чему угодно в мире с минимальной подготовкой или тонкой настройкой».
Что произойдет с человечеством в мире, где роботы смогут действовать независимо?
«Нам по-прежнему понадобятся люди, чтобы понять, какие вопросы задавать, что строить, что создавать, и это, по сути, и есть истинно человеческий аспект», — говорит он.
«Искусственный интеллект будет работать на нас», — добавляет он.
«Наше взаимодействие с будущими системами искусственного интеллекта — даже если они будут умнее нас — будет похоже на взаимодействие между промышленным магнатом или политическим лидером со своим штатом помощников, многие из которых умнее их самих».