Meta ၏ AI သိပ္ပံပညာရှင်နှင့် နက်ရှိုင်းသောသင်ယူမှု၏ခေါင်းဆောင်များထဲမှတစ်ဦးဖြစ်သော Yann LeCun သည် AI hype နှင့် AI doomerism နှစ်ခုလုံးကို တစ်ပြိုင်နက်တည်းဖြတ်တောက်မည့် သိမ်မွေ့သောအငြင်းအခုံတစ်ခုကို ပြုလုပ်နေသည်။ ကြီးမားသော ဘာသာစကားပုံစံများသည် စီးပွားရေးအရ အသုံးဝင်သည်ဟု ၎င်းက ဆိုသည်။ ၎င်းတို့သည် GPU အစုအဝေးများနှင့် ဒေတာစင်တာများသို့ ဘီလီယံပေါင်းများစွာ လောင်းထည့်ခြင်းကို အကြောင်းပြလိမ့်မည်။ ဒါပေမယ့် ပူဖောင်းက အခြေခံအဆောက်အဦ အသုံးစရိတ်ထဲမှာ မပါပါဘူး။ ဤပုံစံများသည် လူသားများကဲ့သို့ တွေးခေါ်နိုင်သည်ဟူသော ယုံကြည်ချက်တွင် ရှိနေသည်။
LLM များအတွက် အသုံးဝင်ပုံ၊ oracle မဟုတ်ပါ။
ပညာရေးဆိုင်ရာ ဗန်းစကားများကို ဖယ်ရှားလိုက်သည်နှင့် LeCun ၏ ငြင်းခုံမှုသည် ရိုးရှင်းပါသည်။ LLM များသည် တိုးပွားလာသောလက်တွေ့လုပ်ဆောင်စရာများစာရင်းတွင် ကောင်းမွန်သည်- coding အကူအညီ၊ လုပ်ငန်းရှာဖွေမှု၊ စာရွက်စာတမ်းအကျဉ်းချုပ်၊ ဖောက်သည်ဝန်ဆောင်မှုအလိုအလျောက်စနစ်။ ဤအပလီကေးရှင်းများသည် တကယ့်ဝင်ငွေကို ထုတ်ပေးပြီး တကယ့်ပြဿနာများကို ဖြေရှင်းပေးသည်။ ၎င်းသည် ကြီးမားသော အခြေခံအဆောက်အအုံတည်ဆောက်မှု၊ GPU ခြံများနှင့် ဓာတ်အားပေးစက်ရုံများကို အကာအကွယ်ပေးနိုင်သော ရင်းနှီးမြှုပ်နှံမှုဖြစ်စေသည်။
LeCun သည် ဤမော်ဒယ်များသည် အခြေခံအားဖြင့် မလုပ်ဆောင်နိုင်သောအရာများကို သဲထဲတွင် ပြင်းထန်သောမျဉ်းတစ်ကြောင်းဆွဲထားသည်။ GPT-4 မှ Claude မှ Llama အထိ ကြီးမားသော LLM တိုင်း၏ နောက်လာမည့် တိုကင်ဟောကိန်းထုတ်မှု၏ အဓိကယန္တရားသည် စစ်မှန်သောဉာဏ်ရည်နှင့်တူသည့် မည်သည့်အရာမဆို အောင်မြင်မှုအတွက် “ အသေအဆုံး” ဖြစ်ကြောင်း နှစ်ပေါင်းများစွာ ငြင်းခုံနေခဲ့သည်။
LLM များသည် စာသားတိုကင်များ ထရီလီယံပေါင်းများစွာကို စားသုံးခြင်းဖြင့် လေ့လာနိုင်သည်။ ကလေးတစ်ဦးသည် ရုပ်ပိုင်းဆိုင်ရာကမ္ဘာကို နာရီအနည်းငယ်မျှသာ အတွေ့အကြုံမှ နားလည်တတ်လာသည်။ မော်ဒယ်သည် ဆွဲငင်အား အလုပ်လုပ်ပုံနှင့် ပတ်သက်၍ ယုံကြည်စိတ်ချရသော စာပိုဒ်တစ်ခုကို ထုတ်ပေးနိုင်သည်။ ကလေးငယ်သည် အမှန်တကယ် ဘောလုံးကို ဖမ်းနိုင်သည်။ ဒါတွေဟာ အခြေခံအားဖြင့် ကွဲပြားတဲ့ နားလည်မှုမျိုးတွေပါ။
ကမ္ဘာ့မော်ဒယ်များနှင့် ဒေါ်လာဘီလီယံချီသော အလောင်းအစားများ
Advanced Machine Intelligence (သို့) AMI Labs သည် စာသားထက် အာရုံခံထည့်သွင်းမှုများမှ သင်ယူသည့် AI စနစ်များကို တည်ဆောက်ရာတွင် အဓိကထားလုပ်ဆောင်သည့် အကျိုးတူပူးပေါင်းမှုအသစ်တစ်ခုဖြစ်သည်။ ကုမ္ပဏီသည် မျိုးစေ့ရန်ပုံငွေအတွက် ဒေါ်လာ ၁.၀၃ ဘီလီယံ စုဆောင်းခဲ့ပြီး ဥရောပစတက်လုပ်ငန်းအတွက် အကြီးမားဆုံး မျိုးစေ့ဝိုင်းအဖြစ် သတင်းရရှိခဲ့သည်။
Meta ရှိ LeCun ၏ ဓာတ်ခွဲခန်းသည် ဤမျက်နှာစာတွင် တိုက်ရိုက်အလုပ်လုပ်နေပါသည်။ Joint Embedding Predictive Architecture ၏ အတိုကောက်ဖြစ်သော JEPA အခြေပြု ဗိသုကာပညာဖြင့် တည်ဆောက်ထားသည့် Leham မော်ဒယ်ကို မိတ်ဆက်ပေးခဲ့သည်။ နောက်စကားလုံးတစ်လုံးကို အစီအစဥ်တစ်ခုအဖြစ် ခန့်မှန်းမည့်အစား၊ JEPA အခြေပြုစနစ်များသည် အနာဂတ်နိုင်ငံများ၏ စိတ္တဇကိုယ်စားပြုမှုများကို ခန့်မှန်းခြင်းဖြင့် သင်ယူသည်။ ရည်မှန်းချက်မှာ စီမံကိန်းရေးဆွဲခြင်း စွမ်းဆောင်ရည်ကို မြှင့်တင်ပေးပြီး ရုပ်ပိုင်းဆိုင်ရာလောကတွင် အရာများ အမှန်တကယ် မည်သို့လုပ်ဆောင်ကြောင်းကို ပိုမိုအခြေခံနားလည်မှုဖြစ်သည်။
ဒါက ရင်းနှီးမြှုပ်နှံသူတွေနဲ့ AI စျေးကွက်အတွက် ဘာကိုဆိုလိုလဲ။
အထင်ရှားဆုံးဖြစ်နိုင်သည့် ကုမ္ပဏီများသည် LLMs များပေါ်တွင် မှီခိုနေရသော တန်ဖိုးများဖြစ်ပြီး နောက်ဆုံးတွင် အထွေထွေဉာဏ်ရည်တုနှင့် နီးစပ်သည့်အရာတစ်ခု ရရှိလာမည်ဖြစ်သည်။ LeCun သည် လက်ရှိဗိသုကာလက်ရာတွင် မာကျောသောမျက်နှာကျက်ရှိသည်ဆိုပါက “AGI upside” အတွက် အချို့သော AI စတော့များတွင် ထည့်ထားသော ပရီမီယံတန်ဖိုးသည် လွဲမှားနေသည်။
AMI Labs ထဲသို့ စီးဆင်းနေသော $1.03 ဘီလီယံသည် အနည်းဆုံး ခေတ်မီဆန်းပြားသော ရင်းနှီးမြှုပ်နှံသူများ သဘောတူကြောင်း အကြံပြုသည်။ ထိုအတိုင်းအတာဖြင့် အရင်းအနှီးသည် အစားထိုးသုတေသနဆိုင်ရာ ပါရာဒိုင်းတစ်ခုဆီသို့ ရွေ့လျားလာသောအခါ၊ ရန်ပုံငွေရရှိရုံသာမကဘဲ လုံးလုံးလျားလျား စွန့်ပစ်ထားသည့်အရာကို အာရုံစိုက်သင့်သည်။
အန္တရာယ်မှာ၊ LeCun သည် မှားယွင်းနေပြီး အတိုင်းအတာဥပဒေများသည် ဆက်လက်အံ့သြစရာဖြစ်နေသည်။ OpenAI၊ Anthropic၊ Google နှင့် အခြားအရာများက ဒေတာပိုမိုများပြားပြီး ကွန်ပြူတာပိုကြီးသော မော်ဒယ်များသည် စွမ်းရည်အသစ်များကို ဆက်လက်သော့ဖွင့်ပေးလိမ့်မည်ဖြစ်ကြောင်း လောင်းကြေးထပ်နေကြသည်။ အကယ်၍ သင်သည် ထိုယူဆချက်အပေါ် အခြေခံ၍ အရင်းအနှီး ခွဲဝေသုံးစွဲနေပါက၊ နယ်ပယ်တွင် ယုံကြည်စိတ်ချရဆုံးသော သုတေသီများထဲမှ တစ်ဦး—နက်နဲသော သင်ယူမှုတွင် အခြေခံအလုပ်အတွက် Turing Award ကို ရရှိခဲ့သည့် သုတေသီ သုံးဦးအနက်မှ တစ်ဦး— သင်သည် အမျိုးအစားအမှားတစ်ခု လုပ်နေသည်ဟု ထင်မြင်နေသင့်သည်။