“ليس لدينا روبوتات جيّدة في فهم العالم الفيزيائي مثل الفئران”، يقول يان لوكون، أحد الشخصيات الرائدة في عالم الذكاء الاصطناعي.
لقد عمل في الشركة المالكة لفيسبوك، ميتا، لمدة عقد من الزمان، حيث كان كبير علماء الذكاء الاصطناعي، لكنه استقال في عام 2025 وأسّس مختبرات الذكاء الآلي المتقدم (AMI Labs).
هدفه هو تجاوز أنظمة الذكاء الاصطناعي الحالية مثل ChatGPT وClaude وGemini. يقول إن لديها استخداماتها، لكنها لن تكون قادرة أبدًا على التعامل مع الأوضاع المعقدة في العالم الحقيقي، مثل جعل الروبوت يقوم بالأعمال المنزلية.
“إنها ليست وسيلة للوصول إلى مستوى الذكاء البشري أو الذكاء البشري الشبيه به، أو حتى الذكاء الشبيه بالحيوانات، لأنها لا تستطيع التعامل مع بيانات العالم الحقيقي، فهي ببساطة ليست مصممة لذلك”، يقول لي على هامش مؤتمر فيفا تيك، وهو المؤتمر التكنولوجي الرائد في فرنسا.
لذا، فإن مختبرات AMI، التي تتخذ من باريس مقراً لها، مشغولة بتطوير نوع جديد من الذكاء الاصطناعي غير المعتمد على التكنولوجيا المستخدمة في ChatGPT ومنافسيه.
المستثمرون يعتقدون أنه يحمل إمكانيات. في وقت سابق من هذا العام، أعلنت AMI Labs عن جمع أكثر من مليار دولار (760 مليون جنيه إسترليني)، مع مستثمرين من بينهم عملاق رقائق الكمبيوتر الأمريكية نيفيديا والصندوق الذي يدير ثروة مؤسس أمازون، جيف بيزوس.
كانت هذه الجولة من التمويل الابتدائي – وهي المرحلة الأولى من جمع الأموال للشركات الناشئة – واحدة من أكبر الجولات من نوعها في أوروبا.
تعتبر النماذج اللغوية الكبيرة (LLMs) مثل ChatGPT جيدة للغاية في بعض الأشياء مثل الترميز والمشكلات الرياضية وتوليد النصوص، يقول لوكون.
لكنه يجادل بأن هذه هي مشكلات محددة وقابلة للتوقع.
“إنها [النماذج اللغوية الكبيرة] بشكل أساسي تجمع المعرفة… يمكنها أن تعيد إنتاج شيء ما، تقوم بتدريبها على إعادة الإنتاج، لكنها ليست ذكية بشكل خاص. ليس لديها فهم أساسي”، على حد قوله.
في العالم الحقيقي، هناك مجموعة مدهشة من النتائج لأي إجراء، مما يتطلب نوعًا أكثر مرونة من الذكاء الاصطناعي.
يحمل لوكون قلمًا بشكل عمودي على طرفه. ماذا يحدث عندما تتركه، يسأل؟ حتى الطفل الصغير سيعرف أن القلم سيسقط. لكن لا أحد من البشر سيهتم بالتخمين في أي اتجاه قد يسقط القلم، فلا توجد وسيلة لمعرفة ذلك.
لكن نموذج LLM قد يحاول توليد توقع واحد عن الحركة التالية للقلم بناءً على الأنماط الإحصائية من بيانات التدريب الخاصة به.
سيكون التوقع على الأرجح خاطئًا، لأن النظام لا يفكر في الواقع الفيزيائي للموقف – بل يولد ما يبدو أنه منطقي إحصائيًا.
يقول لوكون إن النظام الذي تطوره شركته، المسمى “هيكل التوقعات المضمنة المشتركة” (JEPA)، مصمم للتعامل مع مشكلات مثل هذه.
إنه ينشئ تجريدات للعالم الحقيقي تسمح له بتقييم نتائج الإجراءات.
إن إنشاء هذه التجريدات ينطوي على رياضيات صعبة، لكنه، في الأساس، يقوم بترشيح المعلومات غير المفيدة، تاركًا الذكاء الاصطناعي مع صور مفيدة للعالم.
في حالة القلم، سيتعين على الذكاء الاصطناعي معرفة أنه لا جدوى من محاولة التنبؤ في أي اتجاه قد يسقط القلم.
إن بناء ذكاء اصطناعي أكثر مرونة هو أولوية لصناعة الروبوتات.
تم استثمار مليارات الدولارات في بناء الروبوتات البشرية وتزداد إنجازاتها إعجابًا كل عام.
لكن تدريبها على أداء المهام المنزلية بأمان مثل الكي أو ترتيب غسالة الصحون يثبت أنه صعب ومكلف.
وفقًا لي لوكون، فإن نماذج الذكاء الاصطناعي الحالية من غير المرجح أن تكون جيدة في هذا البيئة.
“إن النماذج اللغوية الكبيرة ليست مفيدة بشكل كبير للروبوتات”، يقول.
“الادعاءات بأننا، بطريقة ما، يمكننا من خلال زيادة حجم النماذج اللغوية الكبيرة، الوصول إلى ذكاء متفوق، فإن ذلك ببساطة لن يحدث.”
