دانشمند ارشد متا هوش مصنوعی جاری را چندان هوشمند نمی‌داند

لیکان می‌گوید: «متن منبع اطلاعاتی زیاد ضعیفی است. اگر سیستمی را ۲۰ هزار سال بر‌مبنا متن آموزش دهید، باز‌هم نمی‌فهمد که اگر A همان B باشد، آن‌گاه B همان A است. موضوعات اساسی بسیاری درمورد‌ی جهان وجود دارد که هوش مصنوعی فقطً ازطریق این نوع آموزش آن‌ها را نخواهد آموخت.»

لیکان و دیگر مدیران هوش مصنوعی متا در حال تحقیق می باشند تا بفهمند چطور مدل‌های به‌کلمه ترانسفورماتور منفعت گیری‌شده برای تشکیل برنامه‌هایی همانند ChatGPT، می‌توانند برای کار با داده‌های گوناگون، از‌جمله اطلاعات صوتی و تصویری و ویدئویی طراحی شوند. اگر این سیستم‌ها بتوانند میلیاردها ربط نهان احتمالی بین انواع گوناگون داده‌ها را کشف کنند، شاهکارهای شگفت انگیز‌تری انجام خواهند داد.

یکی از تحقیقات متا نرم‌افزاری است که گرافیک دیجیتال را با دنیای واقعی ترکیب و به افراد پشتیبانی می‌کند در‌حالی‌که عینک حقیقت افزوده‌ی Project Aria روی چشمشان است، بهتر تنیس بازی کنند.

مدیران متا ویدئویی را نشان دادند که در آن فردی که عینک AR را میانه بازی تنیس می‌زد، توانست نشانه‌های بصری‌ای را ببیند که به او نشان می‌داد چطور راکت را به‌درستی نگه دارد و بازوهایش را کامل بچرخاند. مدل‌های هوش مصنوعی مورد‌نیاز برای گسترش‌ی این دستیار تنیس دیجیتال علاوه‌بر متن و صدا، به ترکیبی از داده‌های بصری سه‌بعدی نیز نیاز دارند.

بزرگ‌ترین سازنده‌ی هوش مصنوعی سخت‌افزار هوش مصنوعی انویدیا است که با واحدهای پردازش گرافیکی گران‌قیمتش به ابزار استانداردی برای آموزش مدل‌های زبانی عظیم تبدیل شده است. متا برای آموزش نرم افزار Llama AI خود به ۱۶,۰۰۰ کارت گرافیک انویدیا Nvidia A100 متکی می بود.

از‌آن‌جا‌که متا و دیگر محققان به کار خود برای گسترش‌ی این نوع مدل‌های گسترش یافتهی هوش مصنوعی ادامه خواهند داد، آیا صنعت فناوری به اراعه‌دهندگان سخت‌افزار بیشتری علاوه‌بر انویدیا نیاز دارد؟ لیکان در جواب به این سوال او گفت: «نیاز خاصی ندارد؛ اما بودنش سودمند است.»

او می‌گوید: «تراشه‌های کامپیوتری آینده امکان پذیر GPU نامیده نشوند. آنچه خواهیم دید، تراشه‌های جدیدی می باشند که واحد پردازش گرافیکی نیستند؛ بلکه تنها شتاب‌دهنده‌های عصبی و یادگیری عمیق می باشند.»

او به محاسبات کوانتومی که غول‌های فناوری همچون مایکروسافت و IBM و گوگل منبع های تعداد بسیاری را صرف آن کرده‌اند، با دیده‌ی تردید می‌نگرد. تعداد بسیاری از محققان اعتقاد دارند که ماشین‌های محاسباتی کوانتومی می‌توانند در عرصه‌های مملو از محاسبات و داده همانند کشف دارو پیشرفت‌ها را افزایش دهند؛ چون برخلاف بیت‌های باینری، می‌توانند با بیت‌های کوانتومی محاسبات بسیاری انجام بدهند.

او می‌گوید: «مشکلاتی که می‌توانید با محاسبات کوانتومی حل کنید، می‌توانید با کامپیوترهای کلاسیک پرقدرت حل کنید. محاسبات کوانتومی نوشته علمی جذابی است؛ اما ربط عملی و امکان ساخت کامپیوترهای کوانتومی که واقعاً سودمند باشند، چندان روشن نیست.»