Αμφιβολίες για το μέλλον του xAI

Παρά τις τεράστιες επενδύσεις σε υποδομές και τα μεγάλα κέντρα δεδομένων Colossus στις ΗΠΑ, ο LeCun εμφανίστηκε απαισιόδοξος για τις προοπτικές του xAI.

Όπως ανέφερε, η εταιρεία διαθέτει σημαντική υπολογιστική ισχύ, την οποία μάλιστα ενοικιάζει σε άλλες επιχειρήσεις, ωστόσο δεν θεωρεί ότι μπορεί να ανταγωνιστεί αποτελεσματικά εταιρείες όπως η OpenAI και η Anthropic στην αιχμή της τεχνητής νοημοσύνης.

Οι δηλώσεις του αναζωπυρώνουν μια μακροχρόνια δημόσια αντιπαράθεση με τον Musk, ο οποίος στο παρελθόν είχε κατηγορήσει τον LeCun ότι βρίσκεται «εκτός επαφής» με τις τελευταίες εξελίξεις στον κλάδο.

Προειδοποίηση για «μεγάλη έκρηξη φούσκας»

Ο LeCun προειδοποίησε επίσης ότι το σημερινό επιχειρηματικό μοντέλο πολλών εταιρειών AI ενδέχεται να μην είναι βιώσιμο.

Όπως σημείωσε, το κόστος λειτουργίας των προηγμένων μοντέλων παραμένει ιδιαίτερα υψηλό, ενώ μεγάλο μέρος της χρήσης χρηματοδοτείται ουσιαστικά από τα κεφάλαια των επενδυτών.

«Οι εταιρείες χάνουν χρήματα και η χρήση των υπηρεσιών τους επιδοτείται από τους επενδυτές. Αυτό δεν μπορεί να συνεχιστεί επ’ αόριστον», τόνισε.

Κατά την άποψή του, εταιρείες όπως η OpenAI και η Anthropic θα χρειαστεί είτε να αυξήσουν τις τιμές των υπηρεσιών τους είτε να μειώσουν σημαντικά το κόστος λειτουργίας τους. Διαφορετικά, προειδοποίησε ότι ο κλάδος κινδυνεύει να βρεθεί αντιμέτωπος με μια «μεγάλη έκρηξη φούσκας».

Τα «world models» απέναντι στα LLMs

Ο LeCun επανέλαβε επίσης τη γνωστή κριτική του προς τα μεγάλα γλωσσικά μοντέλα (LLMs), τα οποία αποτελούν τη βάση των σημερινών εφαρμογών τεχνητής νοημοσύνης.

Αντί για τα LLMs, υποστηρίζει την ανάπτυξη των λεγόμενων «world models», συστημάτων που επιχειρούν να κατανοήσουν τον πραγματικό κόσμο, τις σχέσεις αιτίας και αποτελέσματος και τη λειτουργία των αντικειμένων, αντί να βασίζονται κυρίως στην πρόβλεψη της επόμενης λέξης.

Σύμφωνα με τον ίδιο, η δημιουργία πραγματικά αξιόπιστων και αυτόνομων AI agents θα απαιτήσει την ανάπτυξη τέτοιων μοντέλων, καθώς τα σημερινά LLMs, παρότι εξαιρετικά χρήσιμα σε τομείς όπως ο προγραμματισμός και τα μαθηματικά, παραμένουν ακριβά στη λειτουργία τους και περιορισμένα ως προς την κατανόηση του κόσμου.