Yann LeCun, jedan od utemeljitelja modernih neuronskih mreža, pokrenuo je jednu od najambicioznijih europskih inicijativa u području umjetne inteligencije. U pariški startup Advanced Machine Intelligence (AMI) ulaže se više od milijardu dolara s jasnim ciljem: stvoriti umjetnu inteligenciju koja ne samo da razumije jezik, već i fizički svijet oko sebe. Dok mnogi veliki igrači ulažu u sve veće jezične modele, AMI slijedi potpuno drugačiji pristup razvijajući takozvane „svjetske modele“. To su sustavi koji u stvarnom vremenu uče o uzročno-posljedičnim vezama, zakonima fizike i posljedicama vlastitih postupaka.
Zašto samo jezik više nije dovoljan?
Veliki jezični modeli (LLM-ovi) pokazuju izvanredne sposobnosti u generiranju teksta, pisanju programskog koda i vođenju razgovora. Međutim, kada se suoče sa zadacima koji zahtijevaju „zdravorazumsko“ prosuđivanje – poput predviđanja ishoda odbijanja loptice od zida ili procjene hoće li kutija pasti s police – često ne uspijevaju. Razlog je jednostavan: jezik je samo dio ljudskog znanja, a velik dio onoga što znamo nikada nije eksplicitno zapisan. Mi intuitivno razumijemo pojmove poput gravitacije, trenja ili krutosti, ali te se koncepte rijetko detaljno opisuje u tekstovima na internetu. Stoga modeli trenirani isključivo na jezičnim podacima nemaju jasnu unutarnju reprezentaciju fizičkog svijeta.
LeCun već godinama ističe da će se umjetna inteligencija koja nije „ukotvljena“ u stvarnosti lako pogubiti u zadacima koji uključuju robotiku, naprednu proizvodnju ili medicinsku dijagnostiku. Svjetski modeli trebali bi popuniti tu prazninu: kombinirajući podatke sa senzora (poput slika, zvuka ili lidara) s prethodno definiranim znanjem o fizici, oni uče predviđati što će se dogoditi ako robot podigne čašu, ako se promijeni temperatura u kemijskom reaktoru ili ako se na cesti pojavi rupa. Takav pristup omogućuje AI sustavima da razviju dublje razumijevanje interakcija u fizičkom svijetu.
Kako AMI gradi „ukotvljenu“ inteligenciju?
Projekt se ne fokusira samo na softverske inovacije. U Parizu se gradi novi superračunalni centar opremljen desecima tisuća grafičkih procesora (GPU-ova) i specijaliziranih čipova namijenjenih simulaciji fizike. Tim stručnjaka, koji uključuje inženjere robotike, fizičare i programere, razvija nekoliko ključnih komponenti:
- Simulatore visoke preciznosti: Ovi alati u stvarnom vremenu modeliraju fizikalne pojave poput krutosti materijala, ponašanja tekućina, elastičnosti i termodinamike.
- Rekurzivne neuronske mreže: One iz sekvenci senzorskih podataka izvlače skrivene varijable stanja, kao što su brzina, položaj ili primijenjena sila.
- Algoritme samopopravljanja: Ovi algoritmi uspoređuju predviđanja simulacija s podacima iz stvarnog svijeta i kontinuirano ažuriraju unutarnji model svijeta koji AI koristi.
- Interpretabilne slojeve: Omogućuju inženjerima da razumiju i provjere zašto je AI donio određenu odluku, što je ključno za pouzdanost i sigurnost.
Krajnji rezultat je sustav koji može naučiti igrati stolni tenis bez eksplicitnog programiranja ili uspješno podići nepoznati predmet s poda na temelju procjene njegove težine i oblika. Ključna razlika leži u tome što AMI ne teži samo ispravnom izvršavanju zadataka, već i pružanju razumljivih objašnjenja koja se mogu provjeriti i po potrebi ispraviti.
Implikacije za industriju i svakodnevni život
Prvi pilot-projekti već se testiraju u francuskim bolnicama. Roboti zaduženi za dostavu lijekova sada mogu samostalno kreirati mentalnu mapu hodnika i procijeniti hoće li moći proći pored parkiranih kolica za hitne slučajeve. U industrijskim pogonima, ovi modeli koriste se za predviđanje vibracija koje bi mogle oštetiti strojeve, čime se omogućuje proaktivno planiranje održavanja i smanj