იან ლეკუნი, AMI Labs-ის დამფუძნებელი, ხელოვნური ინტელექტის ახალ სისტემას ავითარებს.

"ჩვენ ჯერ კიდევ არ გვყავს რობოტები, რომლებსაც უმარტივესი ცოცხალი ორგანიზმების მსგავსად, ექნებათ სამყაროს აღქმისა და მასთან ადაპტაციის უნარები", — აღნიშნავს ტექნოლოგიური სფეროს ერთ-ერთი წამყვანი ფიგურა, ლეკუნი.

ის 10 წლის განმავლობაში მუშაობდა კომპანია Meta-ში, რომელიც ფლობს Facebook-ს, სადაც ხელოვნური ინტელექტის მიმართულებით მთავარი მეცნიერის პოზიცია ეკავა. მიუხედავად ამისა, მან 2025 წელს კომპანია დატოვა და დააფუძნა მოწინავე მანქანური ინტელექტის ლაბორატორია — Advanced Machine Intelligence Labs (AMI Labs).

მისი მთავარი მიზანია, ხელოვნური ინტელექტი განავითაროს იმაზე მეტად, ვიდრე ჩვენ მას დღეისთვის ვიცნობთ ChatGPT-ის, Claude-ისა და Gemini-ს სახით. მას მიაჩნია, რომ ამ დიდ პლატფორმებს თავიანთი დანიშნულება და სარგებელი ნამდვილად აქვთ, თუმცა, ისინი ვერასდროს შეძლებენ რეალური სამყაროს კომპლექსურ გამოწვევებთან გამკლავებას, მაგალითად, ისეთ საქმესთან, როგორიც რობოტისთვის საყოფაცხოვრებო დავალებების შესრულებაა.

"ეს პლატფორმები არ ადგას სწორ გზას იმისთვის, რომ გარკვეული დროის შემდეგ ადამიანურ გონებრივ შესაძლებლობებს მიუახლოვდეს, რადგან არ შეუძლია რეალური სამყაროს მონაცემებთან მუშაობა, ის უბრალოდ ამისთვის არ შექმნილა", — განაცხადა მან საფრანგეთის წამყვანი ტექნოლოგიური კონფერენციის, VivaTech-ის ფარგლებში გამართულ ინტერვიუში.

შესაბამისად, პარიზში დაფუძნებული AMI Labs ახლა ხელოვნური ინტელექტის სრულიად ახალი მოდელის შექმნაზე მუშაობს, რომელიც ChatGPT-ისა და მისი კონკურენტების მიღმა არსებულ ტექნოლოგიას აღარ ეფუძნება.

ინვესტორები კი თვლიან, რომ ამ მიდგომას ძალიან დიდი პოტენციალი აქვს. მიმდინარე წლის დასაწყისში, AMI Labs-მა განაცხადა, რომ მილიარდ აშშ დოლარზე მეტი მოიზიდა, რაც სტარტაპის დაფინანსების საწყისი ეტაპისთვის ევროპაში ერთ-ერთ უმსხვილეს ინვესტიციად იქცა. ამ პროექტს მხარი ისეთმა კომპანიებმა დაუჭირეს, როგორებიცაა მიკროჩიპების ამერიკული გიგანტი Nvidia და ფონდი, რომელიც Amazon-ის დამფუძნებლის, ჯეფ ბეზოსის კერძო კაპიტალს განაგებს.

ლეკუნის თქმით, ისეთი დიდი ენობრივი მოდელები, როგორიცაა ChatGPT, გარკვეულ სფეროებში, მაგალითად, კოდირებაში, მათემატიკური ამოცანების გადაჭრასა და ტექსტის გენერირებაში საოცარ შედეგებს აჩვენებს. თუმცა, მისივე მტკიცებით, ყველა ეს მიმართულება მკაფიოდ სტრუქტურირებული და პროგნოზირებადი ამოცანებისგან შედგება, რაც მათ მუშაობას აადვილებს.

"დიდი ენობრივი მოდელები მხოლოდ ცოდნის დაგროვებით გამოირჩევა. შეუძლია, დაგროვილი ცოდნის მექანიკურად გარდაქმნა. ჩვენც სწორედ ამისთვის ვავარჯიშებთ მას. თუმცა, განსაკუთრებული გონიერებით არ გამოირჩევა, რადგან მას არ გააჩნია მოვლენების სიღრმისეული აღქმა", — განმარტავს ის.

რეალურ სამყაროში კი ნებისმიერ ქმედებას უამრავი მოულოდნელი შედეგი შეიძლება მოჰყვეს, რაც უფრო მოქნილ ხელოვნურ ინტელექტს მოითხოვს.

თავისი სათქმელის საილუსტრაციოდ ლეკუნი კალამს ათავსებს მაგიდაზე, ვერტიკალურ პოზიციაში, წვერით ქვევით, და სვამს კითხვას: რა მოხდება, თუ ხელს გავუშვებთ? პატარა ბავშვმაც კი იცის, რომ კალამი წაიქცევა. მეორე მხრივ, ადამიანი წინასწარ არ დაიწყებს იმის გამოცნობას, თუ ზუსტად რომელი მიმართულებით დაეცემა ნივთი, რადგან ამის წინასწარ განსაზღვრა შეუძლებელია.

ამის საპირისპიროდ, დიდი ენობრივი მოდელი შეეცდება, თავისი საწვრთნელი მონაცემების სტატისტიკურ შაბლონებზე დაყრდნობით, კალმის მოძრაობის ერთი კონკრეტული პროგნოზი შექმნას. ეს ვარაუდი თითქმის მცდარი იქნება, რადგან სისტემა სიტუაციის ფიზიკურ რეალობაზე დაყრდნობით არ მსჯელობს, მხოლოდ სტატისტიკურად სარწმუნო ვერსიას წარმოგვიდგენს.

ლეკუნის განცხადებით, სისტემა, რომელსაც მისი კომპანია ავითარებს და რომელსაც "ერთობლივი ჩაშენების პროგნოზირებადი არქიტექტურის" (JEPA) სახელით მოიხსენიებს, ზუსტად ამ ტიპის ამოცანებთან გასამკლავებლად შეიქმნა. ის ქმნის რეალური სამყაროს აბსტრაქციებს, რაც სისტემას კონკრეტული ქმედებების მოსალოდნელი შედეგების შეფასების საშუალებას აძლევს.

აბსტრაქციების შექმნა, თავის მხრივ, უკავშირდება რთულ მათემატიკურ აპარატს, თუმცა, მარტივად რომ ვთქვათ, ეს პროცესი სისტემას უსარგებლო ინფორმაციის გაფილტვრაში ეხმარება და ხელოვნურ ინტელექტს მხოლოდ სამყაროს აღქმისთვის საჭირო, სასარგებლო მოდელებს უტოვებს.

კვლავ კალმის მაგალითს რომ დავუბრუნდეთ, ეს ახალი ხელოვნური ინტელექტი მიხვდება, რომ აზრი არ აქვს იმის გამოცნობას თუ კონკრეტულად საით წაიქცევა იგი. მოქნილი ხელოვნური ინტელექტის შექმნა გადამწყვეტ როლს ითამაშებს რობოტიკის დარგის განვითარებაში. სწორედ ეს საკითხი წარმოადგენს ამ ეტაპზე ინდუსტრიისთვის უმთავრეს პრიორიტეტს.

ფიზიკური სამყაროს აღქმა

ყოველწლიურად, ჰუმანოიდი რობოტების შექმნაში მილიარდობით დოლარი ინვესტირდება, მათი შესაძლებლობები კი ყოველწლიურად კიდევ უფრო შთამბეჭდავი ხდება.

მეორე მხრივ, მათი გაწვრთნა ისეთი საყოფაცხოვრებო საქმეების უსაფრთხოდ შესასრულებლად, როგორიცაა დაუთოება ან ჭურჭლის სარეცხ მანქანაში ჭურჭლის ჩალაგება, საკმაოდ რთული და ძვირადღირებული პროცესი აღმოჩნდა. ლეკუნის აზრით, ნაკლებად სავარაუდოა, რომ არსებულმა AI მოდელებმა ამ გარემოში ოდესმე რაიმე ხელშესახებ შედეგს მიაღწიონ.

"დიდი ენობრივი მოდელები რობოტექნიკისთვის, მეტწილად, უპერსპექტივოა. იმაზე კამათი, რომ თითქოს მხოლოდ მათი მასშტაბების გაზრდით შევძლებთ ზეადამიანურ ინტელექტს მივაღწიოთ, უბრალოდ, აბსურდულია. ეს ასე ნამდვილად არ მოხდება", — აცხადებს ლეკუნი.

სფეროს მრავალი პროფესიონალი იზიარებს მის პოზიციას. ინგმარ პოსნერი ერთ-ერთი მათგანია. იგი ოქსფორდის უნივერსიტეტის გამოყენებითი ხელოვნური ინტელექტის ლაბორატორიას ხელმძღვანელობს.

"ჩემი გადმოსახედიდან, მომდევნო ათწლეული მთლიანად დაეთმობა ისეთი სისტემის განვითარებას, რომელსაც მოვლენების ახსნა შეუძლია. ჩვენ გვჭირდება მოდელები, რომლებიც უპასუხებს კითხვებს: რა არის მნიშვნელოვანი? რა რას იწვევს? რა მოხდებოდა, სხვაგვარად რომ მოვქცეულიყავი?", — ამბობს პოსნერი.

პოსნერი და მისი მკვლევართა ჯგუფი უკვე ოთხი წელია მუშაობენ ხელოვნური ინტელექტის ალტერნატიულ ფორმაზე, რომელსაც "სამყაროს მოდელებს" (World Models) უწოდებენ.

ეს კონცეფცია ათწლეულების წინ გაჩნდა, თუმცა კვლევების ახალ ტალღას ბიძგი 2018 წელს გამოქვეყნებულმა მნიშვნელოვანმა სამეცნიერო ნაშრომმა მისცა. ავტორების იდეით, მანქანური სწავლებისა და გამოთვლითი სიმძლავრეების ზრდასთან ერთად, ხელოვნურ ინტელექტს რაიმეს გაკეთება მხოლოდ სამყაროს "მენტალური" სიმულაციის დახმარებით შეუძლია.

მას შემდეგ, ამ მიმართულებით ბევრი პროექტი შეიქმნა, მათ შორის Google-ის Dreamer. გასულ წელს ამ მოდელის ერთ-ერთმა ვერსიამ დამოუკიდებლად ისწავლა პოპულარულ ვიდეოთამაშ Minecraft-ში ალმასების შეგროვება. გადაწყვეტილების მისაღებად იგი მომავლის სცენარებს თავადვე წარმოიდგენდა.

პოსნერი იმედოვნებს, რომ მისი გუნდის ახალი პროექტი, წინ გადადგმული დიდი ნაბიჯი იქნება. ეს სისტემა ცოდნას ისე გადაანაწილებს, რომ ხელოვნურმა ინტელექტმა იგი ეფექტიანად გამოიყენოს.

"ჩვენ გვჭირდება სისტემები, რომლებიც ინფორმაციას ისე დაახარისხებს და ორგანიზებას გაუკეთებს, რომ საჭირო დროს მისი გახსენება, კომბინირება და შეცვლა მარტივად შეგვეძლოს", — ამბობს პოსნერი.

მისივე თქმით, რთულია იმის პროგნოზირება, თუ რამდენი დრო დასჭირდება ამ მოდელების განვითარებას. "2017 ან 2018 წელს ვინმესთვის რომ გეკითხათ, რა დრო დასჭირდებოდა ChatGPT-ის მსგავსი ტექნოლოგიის შექმნას, გეტყოდნენ, რომ ამას ათწლეულები დასჭირდებოდა". შეხსენებისთვის, ChatGPT-ის პირველი ვერსია 2022 წლის ნოემბერში ჩაეშვა მასობრივ გამოყენებაში.

ამ მიმართულებით სხვა კომპანიებიც მუშაობს. მაგალითად, Google-ის DeepMind მოდელ Genie-ზე მუშაობს, ლონდონური სტარტაპი Wayve კი — Gaia-ზე. ამასთანავე, ხელოვნური ინტელექტის პიონერმა, ფეი-ფეი ლიმ, 2023 წელს სან-ფრანცისკოში World Labs დააფუძნა.

ლეკუნის თქმით, AMI Labs მიმდინარე წელს საკუთარი მოდელის დახვეწას დაუთმობს, მომავალ წელს კი მის პრაქტიკაში გამოყენებას, თავდაპირველად სამრეწველო სფეროში გეგმავს.

წარმატების შემთხვევაში, გეგმები კიდევ უფრო მასშტაბური გახდება. საბოლოო ჯამში, შეიქმნება ზოგადი ინტელექტის მქონე სისტემები, რომელთა გამოყენებაც სამყაროში თითქმის ყველაფრისთვის, მინიმალური წინასწარი მომზადებით იქნება შესაძლებელი.

რა ბედი ელის კაცობრიობას სამყაროში, სადაც რობოტები დამოუკიდებლად მოქმედებას შეძლებენ?

"ადამიანები მაინც საჭირო იქნებიან იმის განსასაზღვრად, თუ რა კითხვები დასვან, რა ააშენონ, რა შექმნან. ეს არის ზუსტად ადამიანური ჭრილი. ხელოვნური ინტელექტი იმუშავებს ჩვენთვის. ჩვენი ურთიერთქმედება მომავალ სისტემებთან, თუნდაც ისინი ჩვენზე ჭკვიანები იყვნენ, დაემსგავსება მსხვილი ბიზნესმენის ურთიერთობას საკუთარ ასისტენტებთან, რომელთაგან ბევრი მათზე ბევრად ჭკვიანია", — აცხადებს ლეკუნი.