رفتار هوشمند در هوش مصنوعی: چالش‌ها و راه‌حل‌ها
چالش‌های هوش مصنوعی: لزوم توسعه رفتار هوشمند
یوان لِکون، رئیس بخش هوش مصنوعی متا، به تازگی در گزارشی اعلام کرد که مدل‌های کنونی هوش مصنوعی فاقد رفتارهای هوشمند واقعی هستند. او بر این باور است که برای پیشرفت در این حوزه، باید مدل‌ها قادر به تصور اقداماتی باشند و وضعیت‌های جهانی ناشی از آن را پیش‌بینی کنند. با توجه به اینکه جهان دارای امکانات نامحدود و غیرقابل پیش‌بینی است، لِکون معتقد است که فرآیند آموزش باید از طریق انتزاع انجام شود، مشابه با نحوه درک انسان‌ها از جهان فیزیکی.
مدل‌های مبتنی بر جهان: آینده هوش مصنوعی
لِکون به مدل‌های «مبتنی بر جهان» اشاره کرده و آنها را رویکردی بهتر برای آموزش هوش مصنوعی می‌داند. این مدل‌ها بر اساس سناریوهای واقعی آموزش داده می‌شوند و از نظر شناختی از مدل‌های فعلی که بیشتر بر پایه الگوها عمل می‌کنند، فراتر می‌روند.
پیشرفت‌های اخیر متا در هوش مصنوعی
در فوریه، متا مدل V-JEPA را معرفی کرد که یک مدل غیر تولیدی است و با پیش‌بینی بخش‌های گمشده یا ماسک‌شده یک ویدئو، یاد می‌گیرد. همچنین، این شرکت در حال آزمایش یک سیستم به نام تولید تقویت شده با بازیابی (RAG) است که به منظور بهبود خروجی‌های مدل‌های زبانی بزرگ (LLM) از منابع دانش خارجی استفاده می‌کند.
چالش‌های موجود در صنعت هوش مصنوعی
به گفته لِکون، بسیاری از غول‌های فناوری و هوش مصنوعی در تلاش برای تسلط بر بازار، در حال افزودن قابلیت‌های جدید به مدل‌های موجود هستند. او همچنین خاطرنشان کرد که مدل‌های زبانی بزرگ کنونی، که در چت‌بات‌های محبوب به کار می‌روند، هنوز به سطح مطلوب نرسیده‌اند و برای افزودن این قابلیت‌ها، نیاز به تغییر در روش‌های آموزشی آنها وجود دارد.
ویژگی‌های ضروری رفتار هوشمند
لِکون چهار ویژگی اساسی را که هر حیوان هوشمند، به ویژه انسان‌ها، باید داشته باشند، برشمرد. این ویژگی‌ها شامل درک جهان فیزیکی، حافظه پایدار، توانایی استدلال و برنامه‌ریزی برای اقدام‌های پیچیده، به ویژه برنامه‌ریزی به صورت سلسله‌مراتبی است.
کمبود نیروی انسانی در بخش هوش مصنوعی متا
متا در حال حاضر با کمبود قابل توجهی در تیم تحقیقاتی هوش مصنوعی خود مواجه است. به‌ویژه، محققانی که مدل Llama را در سال 2023 توسعه داده‌اند، در حال ترک این شرکت هستند. از 14 نویسنده اصلی مدل Llama، تنها سه نفر هنوز در متا باقی مانده‌اند و بقیه به یک استارتاپ جدید به نام Mistral پیوسته‌اند که توسط برخی از محققان سابق متا تأسیس شده است.
بازخوردهای سرد نسبت به مدل‌های جدید
مدل جدید متا به نام Llama 4 با استقبال گرم از سوی توسعه‌دهندگان مواجه نشده است. بسیاری از فعالان این حوزه به دنبال رقبای سریع‌تر هستند که مدل‌های استدلالی اختصاصی‌تری را ارائه می‌دهند، نظیر GPT-4o از OpenAI، Gemini 2.5 Pro از Google و Claude 4 Sonnet از Anthropic.
تأخیر در راه‌اندازی مدل پرچمدار متا
اخیراً گزارش شده که متا در حال تأخیر در راه‌اندازی مدل پرچمدار خود به نام Llama 4 «Behemoth» است. این تأخیر ممکن است به دلیل چالش‌های فنی و نیاز به بهبود در ویژگی‌های هوش مصنوعی باشد.
در نهایت، به نظر می‌رسد که متا در تلاش است تا با بهبود مدل‌های هوش مصنوعی خود، به سطحی از هوش و رفتار هوشمند نزدیک شود که بتواند با نیازهای دنیای واقعی همخوانی داشته باشد.
