Salutări primăvăratice, de pe unde mă mai poartă pașii în această perioadă plină de dinamism! Trăim vremuri de o efervescență tehnologică fără precedent, în care, lună de lună, o nouă versiune de ChatGPT, Claude sau Gemini ne smulge câte un strigăt de uimire. Vedem astăzi mașinării capabile să treacă examene de barou, să diagnosticheze boli rare pe care medici cu experiență le-au ratat sau să scrie poezii în câteva secunde. Pentru mulți, pare că am atins deja culmile inteligenței, nu-i așa?
Ei bine, s-ar putea să fim victimele unei iluzii optice și să confundăm harta cu teritoriul. Aceste modele ne dau impresia că înțeleg lumea, când ele, în realitate, manipulează exclusiv reprezentări abstracte ale ei, mai exact niște cuvinte, așa cum am mai spus de multe ori până acum. Cel care atrage un semnal de alarmă serios asupra acestei iluzii este nimeni altul decât Yann LeCun. Pentru cei mai puțin familiarizați cu detaliile din spatele cortinei digitale, LeCun este o veritabilă legendă: unul dintre cei trei părinți fondatori ai învățării profunde („deep learning”), laureat al Premiului Turing (considerat un fel de Nobel pentru informatică), pionier al rețelelor neuronale încă din anii ’80 și șeful departamentului de cercetare în IA la Meta timp de 12 ani. Acest om, la 65 de ani, merge împotriva curentului general impus de giganții din Silicon Valley și afirmă clar: modelele de limbaj actuale sunt o fundătură.
Pentru a-i înțelege raționamentul, trebuie să privim către ceea ce informaticienii numesc „Paradoxul lui Moravec”. Acest paradox ilustrează faptul că sarcinile care ni se par nouă extrem de complexe intelectual sunt adesea foarte ușor de reprodus pentru o mașină, în timp ce lucrurile care ni se par intuitive și evidente, care țin de lumea fizică, reprezintă obstacole absolut monumentale pentru algoritmi.
Pentru a vă explica paradoxul cât mai clar, o să vă dau un exemplu foarte drag mie. Finuța mea de doar 6 luni a înțeles perfect legile fizicii și cum funcționează gravitația, pur și simplu aruncând din mânuțele ei, de trei ori la rând, un pachețel de șervețele. A observat, a simțit acțiunea și a dedus relația de cauză-efect fără niciun efort. În schimb, o inteligență artificială, pentru a putea simula o conversație despre fizică sau despre cum cade un obiect de pe masă, a avut nevoie să „digere” integralitatea internetului și petaocteți de date. Și totuși, ea nu calculează și nu intuiește cu adevărat căderea; ea doar recită „scriptul” acesteia citându-l pe Newton, fără să aibă cea mai vagă idee fizică despre ce înseamnă masa unui obiect, textura sa sau felul în care ricoșează de pe podea.
Aici se află marea diferență de filosofie între cele două tipuri de Inteligență Artificială. Modelele pe care le folosim noi zilnic sunt „modele autoregresive”. Tot ce fac ele, la un nivel extrem de sofisticat, este să prezică următorul cuvânt (token) pe o bază pur probabilistică. Pentru că nu au nicio fundație fizică și niciun model intern al realității, sunt condamnate să „halucineze” în permanență, inventând cu un aplomb fantastic fapte absurde. Ele nu înțeleg conceptul de „măr”, ci doar asociază reprezentări matematice (vectori) în jurul cuvântului.
Viziunea lui LeCun, însă, propune o abordare complet diferită: inteligența nu înseamnă stăpânirea limbajului, ci stăpânirea cauzalității. Echipa sa dezvoltă sisteme numite „Modele ale Lumii” („World Models”), folosind o arhitectură predictivă denumită JEPA (Joint Embedding Predictive Architecture). În loc să o forțeze să citească tot internetul, el antrenează această nouă IA aproape ca pe un bebeluș. Mașina privește ore de înregistrări video brute și încearcă să anticipeze ce se va întâmpla în realitate în secunda următoare, nu la nivel de pixel, ci în ceea ce se numește „spațiu latent”, filtrând informațiile inutile (mișcarea frunzelor) și concentrându-se exclusiv pe variabilele critice (un pieton care ezită să traverseze).
Rezultatele dovezii de concept publicate recent sunt incredibile. În timp ce giganții tehnologici construiesc centre de date de miliarde de dolari cu consum energetic astronomic pentru modele generative cu trilioane de parametri, noul model al lui LeCun folosește doar 15 milioane de parametri. S-a antrenat pe un singur procesor grafic (GPU) în câteva ore și, uimitor, se dovedește de 48 de ori mai rapid în planificarea unor acțiuni fizice decât arhitecturile bazate pe generare de text. Se face astfel trecerea uriașă de la o IA care doar reacționează la mediul său (cum face un tenismen începător care fuge haotic după minge), la una care anticipează realitatea (asemenea unui campion care a simulat deja traiectoria înainte ca adversarul să lovească).
Aplicațiile viitoare vor fi cruciale, schimbând din temelii domenii precum robotica sau condusul mașinilor autonome, unde anticiparea robustă și înțelegerea intuiției fizice sunt esențiale.
Până data viitoare, vă transmit cele mai bune gânduri de pe drumurile de primăvară, bucurându-mă că, cel puțin deocamdată, nicio rețea neuronală și niciun model statistic nu pot înlocui farmecul pașilor noștri liberi și bucuria unui copil care, aruncând un pachețel de șervețele, descoperă cum funcționează lumea!
*
PS: Am cerut unui asistent digital actual să îmi facă o glumă despre Paradoxul lui Moravec. Iată ce mi-a generat: „O super-inteligență artificială de un miliard de dolari intră într-un bar. Explică perfect teoria relativității și îți generează un cod impecabil de programare. Dar când e rugată să ia paharul de pe tejghea, îl varsă din greșeală, se blochează și zice indignată: «Mă scuzați, dar pe tot internetul nu scria nicăieri că sticla udă alunecă!»”Noi să fim sănătoși…
Adrian CHIFU este conferențiar universitar în informatică la Universitatea Aix-Marseille și, desigur, absolvent de Carabella târgovișteană…
Facebook
WhatsApp
TikTok
