Ai Technology Advancements Yann Lecun – Yann Lecun (Ilmuwan AI teratas Meta, Turing Award -Winner, NYU Data Scientist dan Pioneer dalam Kecerdasan Buatan -Openai Obrolan, Google Gemini (LLM) adalah salah satu pelopor kecerdasan buatan untuk masa depan.
“Jika kolega saya dan saya dapat melakukan pekerjaan ini dalam waktu 3-5 tahun, saya dapat memiliki paradigma yang jauh lebih baik untuk sistem yang dapat melakukan penalaran dan perencanaan jika saya dapat melakukan pekerjaan ini dalam waktu 3-5 tahun.”
Ai Technology Advancements Yann Lecun
Wawancara Dampak AI dengan Marcus Weldon menggambarkan karya tim baru -baru ini tentang penyematan bersama dari arsitektur prognosis yang menanamkan (JEPA). Karena sistem baru ini akan mencakup ekspresi dunia yang sebenarnya, pendekatan ini berharap untuk membuat pendekatan berbasis LLM lama untuk ketinggalan zaman, “satu -satunya tujuan yang dapat mereka lakukan adalah mencapai tujuan ini.”
Godfathers Of Ai’ Yoshua Bengio And Yann Lecun Weigh In On Potential Of Human-level Ai, Emerging Risks And Future Frontiers At Nus Lectures
Keyakinannya kepada pengembang muda pada konferensi tahun lalu, “Jangan bekerja pada LLMS. [Model -model ini] tidak ada yang dapat dibawa ke meja di tangan perusahaan besar. Anda harus bekerja pada sistem AI generasi berikutnya yang meningkatkan keterbatasan LLM.”
Paradoksnya mengesankan. Salah satu arsitek utama booming AI saat ini juga merupakan salah satu skeptis yang paling terkenal. Perusahaan bersaing untuk menerapkan agen dialog yang lebih canggih, dan investor menuangkan miliaran dolar ke dalam model bahasa besar mulai dan pusat data, sementara Lecun tidak mengesankan karena fakta bahwa banyak orang telah menghasilkan salah satu model dasar paling penting yang digunakan saat ini.
Dalam kasus Lecun, model AI saat ini (orang dengan jejak intelektual) adalah alat yang relatif istimewa yang bekerja di ruang sederhana dan individu, sementara ada pemahaman yang bermakna tentang dunia fisik yang dengan mudah dijelajahi manusia dan hewan. Catatan Lecun konsisten dengan peringatan Rodney Brooks tentang “pemikiran magis” terhadap AI.
, Kita cenderung mempersonifikasikan bentuk manusia ketika kita melakukannya dengan baik dalam domain terbatas dengan sistem AI terbatas dan berasumsi bahwa kapasitas yang lebih luas salah.
The Evolution Of Ai: Tracing Its Roots And Milestones
Ada banyak alasan untuk memperhatikan panggilan Lecuns Clarion. Lecun memelopori teknologi jaringan saraf yang mendukung booming AI saat ini dan merupakan salah satu dari “tiga divisi pembelajaran mendalam” dengan Turry Hinton dan Yoshua Bengio pada tahun 2018.
Yann Lecun berbicara sebagai bagian dari seri wawancara AI Impact sebagai bagian dari seri wawancara AI Impact sebagai bagian dari alustrasi foto /gettys.
Dilahirkan di Prancis pada tahun 1960, Lecun telah terpesona oleh kecerdasan buatan sejak kecil. Ketika dia melihat 9 tahun Stanley Kubrick di Paris, dia
Pengalaman untuk membentuk bidang kariernya. Leskin ingat, “Tur Luar Angkasa, AI, Munculnya Kecerdasan Manusia.”
Meta’s Chief Ai Scientist Yann Lecun: As Ai Continues To Evolve, India Will Play A Pivotal Role
Pukulan paling dalam dari Lecun muda adalah gagasan bahwa kecerdasan dapat diatur. Tindakan kompleks dapat berasal dari faktor sederhana yang berinteraksi satu sama lain. Konsep ini akan menjadi prinsip instruksi sepanjang karirnya meskipun ada perlawanan terhadap fasilitas akademik.
Ketika Lecun memulai karyanya di tahun 1980 -an, jaringan saraf tidak memiliki banyak keuntungan dalam ilmu komputer. Menurut sebuah buku tahun 1969 dari Marvin Minsky dan Seymour Papert, beberapa jaringan saraf awal yang pertama kali diperkenalkan pada 1950 -an secara efektif dibunuh dengan menekankan keterbatasan “perceptrons” sederhana dan sektor AI secara tegas diubah menjadi simbolik dan sistem berbasis aturan.
Saat itu. Lecun telah 15 tahun sejak Perceptron meninggal dan dianggap tabu di bidang teknik, “kata Lecun,” Saya tidak peduli dengan cerita ini atau tidak mengetahuinya dan menghubungkan beberapa metode dengan fisika statistik, ilmu saraf teoritis dan jaringan saraf dan sekarang memenangkan Hadiah Nobel. “Saya menjelaskan.
Di antara PhD, yang bekerja di University of Université Pierre et Marie Curie pada pertengahan 1980-an, Lecun memberikan kontribusi besar untuk pembelajaran yang mendalam untuk pertama kalinya dengan mengembangkan bentuk awal dari algoritma pembalikan yang terkenal. “BackProp” yang disebut SO adalah teknologi matematika yang dapat mempelajari jaringan saraf berdasarkan kesalahan yang terdeteksi oleh output, yang “terbalik” melalui jaringan saraf untuk menyesuaikan bobot internal untuk mencapai keluar akurasi yang lebih tinggi. Faktanya, metode ini akan menjadi dasar untuk melatih semua jaringan saraf modern dan membentuk pembelajaran punggungan untuk semuanya, mulai dari sistem pengenalan suara dan gambar hingga sistem pengemudi chatbot dan otonom.
Ai Has Caused A Renaissance Of Tech Industry R&d, Says Meta’s Chief Ai Scientist
Setelah menyelesaikan gelar Ph.D. Pada tahun 1987, Lecun pergi ke Universitas Toronto untuk doktornya di Geoffrey Hinton. Setahun kemudian, ia bergabung dengan Bell Labs untuk mengembangkan kontribusi paling inovatif, CNN (Convolutional Neural Networks). Terinspirasi oleh struktur korteks visual pada mamalia, CNN menggunakan lapisan khusus yang memindai gambar untuk mendeteksi fungsi seperti tepi, tekstur dan bentuk lokasi di bidang pandang. Arsitektur sangat meningkatkan visi komputer dengan membiarkan mesin mengenali polanya meskipun ada perubahan posisi, skala atau arah.
Di Bell Labs, inovasinya menyebabkan aplikasi praktis yang dengan tenang merevolusi sistem kehidupan sehari -hari. Teknologi pengakuan tertulis yang dikembangkan oleh Lecun dikerahkan oleh Kantor Pos AS dan Bank dan membaca lebih dari 10 % dari semua kontrol di Amerika Serikat pada akhir 1990 -an dan awal 2000 -an. Saat ini, jaringan perdana masih merupakan dasar untuk visi komputer modern, memungkinkan segala sesuatu mulai dari pengenalan wajah dan analisis pencitraan medis hingga pengakuan kendaraan yang otonom dan augmented reality.
Lecun memiliki aroma buruk di AT&T Labs dan NEC Research Institute dan kemudian bergabung dengan New York University pada tahun 2003 dan masih menjadi profesor. Pada 2013, Mark Zuckerberg merekrutnya sebagai direktur pertama departemen AI Research (Fair) Facebook dan mengembangkannya sebagai ilmuwan AI untuk Meta.
Lecun kembali ke subjek batas LLM dan mengatakan: “LLM menghasilkan token, dan itu adalah jumlah perhitungan yang tetap untuk membuat token, dan jelas sistem 1. Ini reaktif dan demikian. Perbedaan (dan metode sistem 1) pertimbangan (Sistem 2).
Why Meta’s Yann Lecun Isn’t Buying The Ai Doomer Narrative
Keterbatasan pendekatan ini jelas dipertimbangkan ketika mempertimbangkan paradoks Moravec. Pengamatan seorang ilmuwan komputer dan insinyur robotika adalah relatif mudah untuk mengajarkan kalori tinggi seperti bermain catur atau lulus tes standar daripada kemampuan manusia dasar seperti persepsi dan gerakan. Alasan yang disarankan Moravec adalah bahwa teknologi yang berasal dari metode berlayar dunia adalah produk dari miliaran tahun pengembangan dan manusia dapat mengotomatisasi, sehingga teknologi penalaran berbasis korteks baru telah datang jauh kemudian dan membutuhkan upaya yang lebih sadar untuk dikuasai nanti. Tapi yang sebaliknya adalah mesin. Singkatnya, kami merancang mesin yang mendukung kami di daerah yang kekurangan kapasitas, seperti kekuatan fisik dan perhitungan.
Paradoks yang aneh dari LLM adalah bahwa mereka telah memperoleh tingkat bahasa yang tinggi tanpa mempelajari kemampuan manusia dasar. “Kita dapat lulus ujian pengacara, menyelesaikan persamaan dan menghitung integrasi, tetapi di mana robot domestik?” Tanya Lecun. “Di mana robotnya sebagus kucing di dunia fisik? Kami tidak berpikir tugas yang dapat dicapai kucing itu cerdas, tetapi pada kenyataannya.”
Perbedaan ini ada karena bahasa bekerja di bidang yang relatif terbatas dibandingkan dengan dunia nyata yang berantakan dan berkelanjutan dari semua kompleksitas. “Bahasa relatif sederhana karena bahasanya kuat,” kata Lecun. Ini adalah ruang individu yang rendah, yang “pada dasarnya merupakan versi serial dari pikiran kita.”
Dan yang paling mengejutkan, Lecun menunjukkan bahwa orang dapat menangani lebih banyak data daripada yang paling banyak data, sistem AI canggih Hongaria. “LLM besar hari ini telah dilatih sekitar 10 hingga 14. Kedengarannya banyak, tetapi dia menunjukkan bahwa orang dapat mengambil lebih banyak data visual.
Innovation & Impact Podcast: The Future Of Ai With Yann Lecun
Lecun memikirkan seorang anak laki -laki empat tahun yang telah terjaga selama 16.000 jam. “Bandwidth saraf optik adalah sekitar 1 megabyte per detik, yang melipatgandakan 16.000 jam. Ini sekitar 10 hingga 14. Pada abad ke -14 selama 4 tahun, bukan 400.000.” Ini menyebabkan penalaran kritis.
