프랑스와 미국 국적을 모두 가진 컴퓨터 과학자 얀 르쿤은 '인공 지능의 아버지' 중 한 명으로 여겨집니다. 그는 대규모 언어 모델(LLM)이 실제 지적 능력에 대해 과대평가되고 있다는 솔직한 견해를 밝혔습니다.
최근 파이오니어 웍스의 과학 책임자인 잔나 레빈(얀나 레빈)이 주최한 교류회에서 딥마인드(Google): 르쿤 연구팀의 책임자인 아담 브라운(Adam Brown)이 참석한 가운데 르쿤은 LLM이 브라운어에서 의미를 추출하고 재현할 수 있지만 피상적인 수준에서만 가능하다고 말했습니다.
그에 따르면 비아는 인간과 다릅니다. 이 모델의 지능은 물리적 경험이나 현실 세계의 일반적인 이성에 기반하지 않습니다.
LeCun은 LLM이 인터넷에 거의 모든 문서가 공개된 상태에서 약 30조 위에서 훈련되었다고 지적합니다.
이 데이터 양을 모두 읽으려면 인간은 50만 년 이상 걸릴 것입니다. 그러나 그는 4살짜리 아이도 어린 시절에 훨씬 더 풍부하고 복잡한 동등한 양의 정보 이미지 및 실제 경험을 받아들였다고 강조했습니다.
LeCun,에 따르면 그것은 세상을 살고 상호 작용하는 것이 텍스트를 읽는 것보다 훨씬 더 깊은 지식을 제공한다는 것을 보여줍니다.
AI와 자동화가 널리 응용되는 상황에서 르쿤은 세계가 LLM의 뛰어난 언어 조작 능력에 속고 있다고 경고합니다.
그는 1950년대부터 마빈 민스키 블라 네웰 블라 사이먼에서 프랭크 로젠블랫에 이르기까지 여러 세대의 AI 블라드 과학자들이 단 10년 만에 기계 블라드가 인간과 동등한 지능을 갖게 될 것이라고 믿었다고 상기시켰습니다.
그들 모두가 틀렸습니다. 현재 LLM 세대도 마찬가지입니다.'라고 르쿤은 말하면서 '불'이라고 말하면서 자신의 경력에서 세 번의 유사한 과장된 사이클을 목격했다고 덧붙였습니다.
이러한 관점은 LLM이 일반 인공 지능(AGI)으로 가는 가장 짧은 경로로 여겨지는 실리콘 밸리의 일반적인 추세와 상반됩니다.
LeCun은 데이터 규모와 컴퓨팅 성능의 지속적인 확장이 지난 70년 이상 지속되어 온 기대와 실망의 악순환을 반복하고 있다고 말했습니다.
LLM의 한계를 설명하기 위해 르쿤은 매우 일상적인 예를 제시했습니다. '식탁을 치우고 식기를 식기세척기에 넣으세요.' 그에 따르면 찬다는 변호사 시험을 통과하거나 복잡한 수학 문제를 풀 수 있지만 10세 어린이나 심지어 동물도 할 수 있는 시각적 물리학을 여전히 파악할 수 없습니다. '우리는 고양이만큼 물리 세계를 잘 이해하는 로봇이 아직 없습니다.'라고 그는 강조했습니다.
기술적으로 르쿤은 LLM이 일련의 다음 단어인 토큰을 예측하는 방식으로 작동한다고 설명합니다. 이 접근 방식은 단어 브라와 일치하지만 지속적이고 다차원적이며 수많은 가능성을 포함하는 실제 세계에 적용하는 데 실패합니다. '저는 20년 동안 노력했지만 효과가 없었습니다 브라'라고 그는 인정했습니다.
LLM than에 회의적이지만 LeCun은 일반적으로 AI에 대해 비관적이지는 않습니다. 그는 '세계 모델' 및 AI가 현실의 추상적인 표현을 학습하고 행동 결과에 대해 추론할 수 있도록 하는 JEPA than 아키텍처와 같은 새로운 접근 방식을 지지합니다.
그가 현재 가장 우려하는 것은 LLM이 인적 자원과 재정 자원을 고갈시켜 다른 연구 방향이 잊혀지고 있다는 것입니다.
르쿤에 따르면 AI는 화려한 챗봇만 쫓는 대신 자동 비상 브레이크나 의료 영상 분석과 같이 인간의 생명을 구하고 있는 실제 응용 분야에 초점을 맞춰 인간의 지능을 지원하고 확장하는 도구로 개발되어야 합니다.
