🧠 یان لوکان: مدل‌های زبانی مسیر رسیدن به هوش انسانی نیستند

یان لوکان، یکی از پیشگامان هوش مصنوعی، معتقد است مدل‌های زبانی بزرگ (LLMs) اگرچه بسیار مفید هستند، اما نمی‌توانند به هوش در سطح انسان دست پیدا کنند.
دلیل؟
آن‌ها جهان را «درک» نمی‌کنند.
به گفته لوکان، این مدل‌ها فقط کلمه یا توکن بعدی را پیش‌بینی می‌کنند و نمی‌توانند پیامدهای واقعی اقدامات خود را پیش‌بینی یا برای آینده برنامه‌ریزی کنند.
او معتقد است برای رسیدن به هوش واقعی، سیستم‌ها باید دارای «مدل جهان» باشند؛
یعنی بتوانند قبل از اقدام، سناریوهای مختلف را در ذهن خود شبیه‌سازی و ارزیابی کنند.
لوکان برای تحقق این ایده، معماری JEPA را توسعه داده است؛ رویکردی که به‌جای بازسازی داده‌های خام، روی یادگیری نمایش‌های انتزاعی از جهان تمرکز دارد.

او یک مثال ساده می‌زند:
🚗 یک نوجوان می‌تواند در حدود ۲۰ ساعت رانندگی را یاد بگیرد.
اما با وجود میلیون‌ها ساعت داده رانندگی، هنوز خودروهای خودران کاملاً قابل اعتماد نداریم.

از نگاه لوکان، هوش مصنوعی آینده باید بتواند مانند انسان با داده کم، محیط را درک کند، برنامه‌ریزی کند و تصمیم بگیرد.


🆔 @MrArtificialintelligence