‘ਏਆਈ ਦਾ ਗੌਡਫਾਦਰ’ ਯੈਨ ਲੇਕੁਨ ਨੇ ਐਜੀ ਨੂੰ ਓਵਰਰੇਟਿਡ ਕਿਹਾ, ਕਿਹਾ ਏਆਈ ਸਕੇਲਿੰਗ ਕੰਮ ਨਹੀਂ ਕਰੇਗੀ

“ਅਸੀਂ ਮੌਜੂਦਾ ਪੈਰਾਡਾਈਮ ਨੂੰ ਵਧਾ ਕੇ ਜਾਂ ਸੁਧਾਰ ਕੇ ਮਨੁੱਖੀ-ਪੱਧਰ ਦੀ ਖੁਫੀਆ ਜਾਂ ਸੁਪਰ ਇੰਟੈਲੀਜੈਂਸ ਤੱਕ ਨਹੀਂ ਜਾ ਰਹੇ ਹਾਂ,” ਲੇਕਨ ਨੇ ਕਿਹਾ। “ਇੱਕ ਪੈਰਾਡਾਈਮ ਤਬਦੀਲੀ ਦੀ ਲੋੜ ਹੈ.”

ਉਸਦੀ ਸਭ ਤੋਂ ਚਿੰਤਾਜਨਕ ਆਲੋਚਨਾ ‘ਏਜੰਟਿਕ ਪ੍ਰਣਾਲੀਆਂ’ ਦੇ ਨਾਲ ਉਦਯੋਗ ਦੇ ਚੱਲ ਰਹੇ ਜਨੂੰਨ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦੀ ਹੈ, AI ਸਹਾਇਕ ਜੋ ਕਿ ਕਾਰਵਾਈਆਂ ਕਰਨ ਅਤੇ ਕੰਮ ਨੂੰ ਖੁਦਮੁਖਤਿਆਰੀ ਨਾਲ ਪੂਰਾ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਉਹ ਦਲੀਲ ਦਿੰਦਾ ਹੈ ਕਿ ਇਸ ਦੇ ਨਾਲ ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ ਇਹ ਪ੍ਰਣਾਲੀਆਂ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (LLMs) ‘ਤੇ ਬਣਾਈਆਂ ਜਾ ਰਹੀਆਂ ਹਨ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਉਨ੍ਹਾਂ ਦੀਆਂ ਕਾਰਵਾਈਆਂ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਦੀ ਮਹੱਤਵਪੂਰਣ ਸਮਰੱਥਾ ਦੀ ਘਾਟ ਹੈ।

“ਇੱਕ ਸਿਸਟਮ ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਕਾਰਵਾਈਆਂ ਦੇ ਕ੍ਰਮ ਦੀ ਯੋਜਨਾ ਕਿਵੇਂ ਬਣਾ ਸਕਦਾ ਹੈ ਜੇਕਰ ਇਹ ਆਪਣੀਆਂ ਕਾਰਵਾਈਆਂ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਨਹੀਂ ਕਰ ਸਕਦਾ?” LeCun ਨੇ ਪੁੱਛਿਆ. “ਜੇ ਤੁਸੀਂ ਬੁੱਧੀਮਾਨ ਵਿਵਹਾਰ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਨੂੰ ਇਹ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਇੱਕ ਪ੍ਰਣਾਲੀ ਦੀ ਜ਼ਰੂਰਤ ਹੈ ਕਿ ਸੰਸਾਰ ਵਿੱਚ ਕੀ ਹੋਣ ਵਾਲਾ ਹੈ ਅਤੇ ਇਸਦੇ ਕੰਮਾਂ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰੋ.”

ਉਸ ਨੇ ਇਸ ਪਾੜੇ ਨੂੰ ਇੱਕ ਸ਼ਾਨਦਾਰ ਉਦਾਹਰਣ ਦੇ ਕੇ ਦਿਖਾਇਆ। “ਜਦੋਂ ਤੁਸੀਂ ਪਹਿਲੀ ਵਾਰ ਕਿਸੇ 10 ਸਾਲ ਦੇ ਬੱਚੇ ਨੂੰ ਇੱਕ ਸਧਾਰਨ ਕੰਮ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਕਹੋਗੇ, ਤਾਂ ਉਹ ਇਹ ਜ਼ਰੂਰੀ ਤੌਰ ‘ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਕੀਤੇ ਬਿਨਾਂ ਕਰੇਗਾ। ਪਹਿਲੇ 10 ਘੰਟਿਆਂ ਦੇ ਅੰਦਰ ਇੱਕ 17 ਸਾਲ ਦਾ ਬੱਚਾ ਕਾਰ ਚਲਾ ਸਕਦਾ ਹੈ; ਉਹ ਗੱਡੀ ਚਲਾ ਸਕਦਾ ਹੈ। ਸਾਡੇ ਕੋਲ ਆਟੋਨੋਮਸ ਕਾਰਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਲੱਖਾਂ ਘੰਟਿਆਂ ਦਾ ਸਿਖਲਾਈ ਡੇਟਾ ਸੀ, ਅਤੇ ਸਾਡੇ ਕੋਲ ਅਜੇ ਵੀ ਲੈਵਲ-ਪੰਜ ਆਟੋਨੋਮਸ ਡਰਾਈਵਿੰਗ ਨਹੀਂ ਹੈ। ਇਹ ਤੁਹਾਨੂੰ ਦੱਸਦਾ ਹੈ ਕਿ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਨਹੀਂ ਹੈ।”

ਅਸਲ ਸੰਸਾਰ ਨੂੰ ਸਮਝਣਾ

ਮੈਟਾ ਦੇ ਸਾਬਕਾ ਮੁੱਖ ਏਆਈ ਵਿਗਿਆਨੀ ਦੇ ਅਨੁਸਾਰ, ਬੁਨਿਆਦੀ ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ ਭਾਸ਼ਾ ਮਾਡਲ ਇੱਕ ਸਰਲ ਬ੍ਰਹਿਮੰਡ ਵਿੱਚ ਕੰਮ ਕਰਦੇ ਹਨ। “ਅਸਲ ਸੰਸਾਰ ਭਾਸ਼ਾ ਦੀ ਦੁਨੀਆਂ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਗੁੰਝਲਦਾਰ ਹੈ,” ਉਸਨੇ ਸਮਝਾਇਆ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਭਾਸ਼ਾ ਨੂੰ ਮਨੁੱਖੀ ਬੁੱਧੀ ਦੇ ਸਿਖਰ ਵਜੋਂ ਸੋਚ ਸਕਦੇ ਹਾਂ, ਲੇਕਨ ਜ਼ੋਰ ਦਿੰਦੇ ਹਨ ਕਿ “ਟੈਕਸਟ ਵਿੱਚ ਅਗਲੇ ਸ਼ਬਦ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ ਇੰਨਾ ਗੁੰਝਲਦਾਰ ਨਹੀਂ ਹੈ।”

ਅਸਲ ਬੁੱਧੀ, ਉਸਨੇ ਦਲੀਲ ਦਿੱਤੀ, ਭੌਤਿਕ ਸੰਸਾਰ ਨੂੰ ਸਮਝਣ ਦੀ ਲੋੜ ਹੈ। “ਸੰਵੇਦੀ ਡੇਟਾ ਉੱਚ-ਅਯਾਮੀ, ਨਿਰੰਤਰ, ਅਤੇ ਰੌਲੇ-ਰੱਪੇ ਵਾਲਾ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਪੈਦਾ ਕਰਨ ਵਾਲੇ ਆਰਕੀਟੈਕਚਰ ਇਸ ਕਿਸਮ ਦੇ ਡੇਟਾ ਨਾਲ ਕੰਮ ਨਹੀਂ ਕਰਦੇ ਹਨ। ਅਸੀਂ LLM ਜਨਰੇਟਿਵ AI ਲਈ ਜਿਸ ਕਿਸਮ ਦੀ ਆਰਕੀਟੈਕਚਰ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ ਉਹ ਅਸਲ ਸੰਸਾਰ ‘ਤੇ ਲਾਗੂ ਨਹੀਂ ਹੁੰਦਾ ਹੈ।”

ਤਕਨੀਕੀ ਸੀਮਾਵਾਂ ਤੋਂ ਇਲਾਵਾ, ਲੇਕਨ ਨੇ ਉਸ ਬਾਰੇ ਗੱਲ ਕੀਤੀ ਜਿਸ ਨੂੰ ਉਹ ਸਭ ਤੋਂ ਵੱਧ ਦਬਾਅ ਵਾਲਾ ਖ਼ਤਰਾ ਸਮਝਦਾ ਹੈ, ਮੁੱਠੀ ਭਰ ਕੰਪਨੀਆਂ ਵਿੱਚ ਏਆਈ ਨਿਯੰਤਰਣ ਦਾ ਏਕੀਕਰਨ। “ਏਆਈ ਨੂੰ ਕੈਪਚਰ ਕਰਨਾ ਅਤੇ ਕੇਂਦਰੀਕ੍ਰਿਤ ਨਿਯੰਤਰਣ ਸਭ ਤੋਂ ਵੱਡਾ ਖ਼ਤਰਾ ਹੈ,” ਉਸਨੇ ਚੇਤਾਵਨੀ ਦਿੱਤੀ, “ਕਿਉਂਕਿ ਇਹ ਸਾਡੀ ਸਾਰੀ ਜਾਣਕਾਰੀ ਖੁਰਾਕ ਵਿੱਚ ਵਿਚੋਲਗੀ ਕਰੇਗਾ।”

LeCun ਕਾਤਲ ਰੋਬੋਟ ਜਾਂ AI ਟੇਕਓਵਰ ਦੀਆਂ ਧਾਰਨਾਵਾਂ ਤੋਂ ਪ੍ਰਭਾਵਿਤ ਨਹੀਂ ਹੈ; ਇਸ ਦੀ ਬਜਾਏ, ਉਸਦੀ ਚਿੰਤਾ ਇੱਕ ਭਵਿੱਖ ਬਾਰੇ ਹੈ ਜਿੱਥੇ ਸਾਡੀ ਪੂਰੀ ਡਿਜੀਟਲ ਖੁਰਾਕ ਅਮਰੀਕਾ ਦੇ ਪੱਛਮੀ ਤੱਟ ‘ਤੇ ਜਾਂ ਚੀਨ ਵਿੱਚ ਸਿਰਫ ਮੁੱਠੀ ਭਰ ਮਲਕੀਅਤ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਏਆਈ ਪ੍ਰਣਾਲੀਆਂ ਦੁਆਰਾ ਵਿਚੋਲਗੀ ਕੀਤੀ ਜਾਵੇਗੀ।

“ਅਸੀਂ ਲੋਕਤੰਤਰ, ਸੱਭਿਆਚਾਰਕ ਵਿਭਿੰਨਤਾ, ਭਾਸ਼ਾਈ ਵਿਭਿੰਨਤਾ ਅਤੇ ਮੁੱਲ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਸਿਹਤ ਲਈ ਵੱਡੀ ਮੁਸੀਬਤ ਵਿੱਚ ਹਾਂ,” ਲੇਕਨ ਨੇ ਕਿਹਾ। “ਸਾਨੂੰ ਏਆਈ ਸਹਾਇਕਾਂ ਦੀ ਇੱਕ ਬਹੁਤ ਹੀ ਵਿਭਿੰਨ ਆਬਾਦੀ ਦੀ ਲੋੜ ਹੈ ਜਿਸ ਕਾਰਨ ਸਾਨੂੰ ਪ੍ਰੈਸ ਵਿੱਚ ਵਿਭਿੰਨਤਾ ਦੀ ਜ਼ਰੂਰਤ ਹੈ, ਅਤੇ ਇਹ ਸਿਰਫ ਓਪਨ ਸੋਰਸ ਨਾਲ ਹੋ ਸਕਦਾ ਹੈ.”

ਏਆਈ ਖੋਜ ਲਈ ਉਦਯੋਗ ਦੀ ਪਹੁੰਚ

ਏਆਈ ਪਾਇਨੀਅਰ ਨੇ ਖੁੱਲੇ ਖੋਜ ਤੋਂ ਦੂਰ ਉਦਯੋਗ ਦੇ ਸ਼ਿਫਟ ‘ਤੇ ਆਪਣੀ ਨਿਰਾਸ਼ਾ ਵੀ ਜ਼ਾਹਰ ਕੀਤੀ। “ਪ੍ਰਗਤੀ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡਾ ਕਾਰਕ ਕੋਈ ਖਾਸ ਯੋਗਦਾਨ ਨਹੀਂ ਸੀ, ਇਹ ਤੱਥ ਹੈ ਕਿ AI ਖੋਜ ਖੁੱਲੀ ਸੀ,” ਉਸਨੇ ਸਾਂਝਾ ਕੀਤਾ, ਦੱਸਿਆ ਕਿ ਕਿਵੇਂ ਖੋਜਕਰਤਾ ਪੇਪਰ ਪ੍ਰਕਾਸ਼ਤ ਕਰਨਗੇ, ਕੋਡ ਸਾਂਝਾ ਕਰਨਗੇ, ਅਤੇ ਸਮੂਹਿਕ ਪ੍ਰਗਤੀ ਨੂੰ ਤੇਜ਼ ਕਰਨਗੇ।

“ਪਿਛਲੇ ਕੁਝ ਸਾਲਾਂ ਤੋਂ ਜੋ ਕੁਝ ਹੋ ਰਿਹਾ ਹੈ, ਮੇਰੀ ਨਿਰਾਸ਼ਾ ਹੈ, ਇਹ ਹੈ ਕਿ ਵੱਧ ਤੋਂ ਵੱਧ ਉਦਯੋਗਿਕ ਖੋਜ ਲੈਬਾਂ ਬੰਦ ਹੋ ਰਹੀਆਂ ਹਨ,” ਉਸਨੇ ਓਪਨਏਆਈ ਅਤੇ ਐਂਥਰੋਪਿਕ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੇ ਹੋਏ ਕਿਹਾ, “ਕਦੇ ਨਹੀਂ ਖੁੱਲ੍ਹਦੇ, ਅਸਲ ਵਿੱਚ ਬਹੁਤ ਬੰਦ ਹਨ।” ਇੱਥੋਂ ਤੱਕ ਕਿ ਗੂਗਲ ਅਤੇ ਮੈਟਾ ਦੇ FAIR ਵਰਗੀਆਂ ਪਹਿਲਾਂ ਖੁੱਲ੍ਹੀਆਂ ਸੰਸਥਾਵਾਂ ਵੀ ਵਧੇਰੇ ਪ੍ਰਤਿਬੰਧਿਤ ਹੋ ਗਈਆਂ ਹਨ।

ਇਸ ਦੌਰਾਨ, “ਇਸ ਸਮੇਂ ਸਭ ਤੋਂ ਵਧੀਆ ਓਪਨ-ਸੋਰਸ ਮਾਡਲ ਚੀਨ ਤੋਂ ਆਉਂਦੇ ਹਨ, ਉਹ ਅਸਲ ਵਿੱਚ ਚੰਗੇ ਹਨ। ਖੋਜ ਭਾਈਚਾਰੇ ਵਿੱਚ ਹਰ ਕੋਈ ਚੀਨੀ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਰਿਹਾ ਹੈ।” ਇਹ ਤਬਦੀਲੀ, LeCun ਦਲੀਲ ਦਿੰਦਾ ਹੈ, ਇੱਕ ਨਾਜ਼ੁਕ ਪਲ ‘ਤੇ ਪੱਛਮੀ ਤਰੱਕੀ ਨੂੰ ਹੌਲੀ ਕਰ ਰਿਹਾ ਹੈ.