AIの先駆者ルクンが次世代AI開発者に促す「LLMからの視点をシフトせよ」

AIの先駆者であるヤン・ルカンは、今日パリで開催されたVivaTechにおいて、次世代の開発者たちに対して大規模言語モデル（LLM）から距離を置くように促し、活発な議論を巻き起こしました。「この分野は大企業に支配されており、個人が貢献できる余地はほとんどありません。むしろ、LLMの限界を超える次世代AIシステムに焦点を当ててください」と彼は述べました。

ルカンのコメントは、MetaのチーフAI科学者でありNYUの教授として、現行のLLMの欠点について多くの質問を引き起こしました。X（旧Twitter）でのさらなる質疑の中で、彼は「私は次世代AIシステムを開発しています。LLMではありません。要するに『私と競い合ってください！』と言っているのです。多くの頭脳がこの課題に取り組むほど良い結果が生まれます」と説明しました。

彼の呼びかけにもかかわらず、「次世代AI」の定義やLLMの代替案について多くのユーザーが明確な説明を求めました。開発者やデータサイエンティスト、AI専門家たちは、境界ドリブンAI、識別的AI、マルチタスク、マルチモーダル、カテゴリーディープラーニング、エネルギーベースモデル、目的指向の小規模言語モデル、ニッチなユースケース、カスタムファインチューニング、状態空間モデル、具現化AI用のハードウェアといったさまざまなアイデアをX上でシェアしました。中には、コルモゴロフ・アーノルドネットワーク（KAN）のような神経ネットワークの新たな進展を検討することを提案する声もありました。

ひとりのユーザーは、次世代AIシステムとして以下の5つを挙げました：

- マルチモーダルAI

- 推論と一般知能

- 具現化AIとロボティクス

- 無監視学習と自己監視学習

- 人工一般知能（AGI）

また別のユーザーは、全ての学生がマスターすべき基本的なスキルとして以下を挙げました：

- 統計学と確率論

- データ処理と変換

- 古典的パターン認識（ナイーブベイズ、決定木、ランダムフォレストなど）

- 人工ニューラルネットワーク

- 畳み込みニューラルネットワーク

- 再帰的ニューラルネットワーク

- 生成的AI

これに対し、LLMとの対話が学生にとって良いタイミングであると主張する声もあり、まだ未開拓のアプリケーションが多いため、プロンプト作成、脱獄、アクセシビリティについて学ぶことには大きな価値があると指摘されました。

批評家たちは、Metaの広範なLLM開発を例に挙げ、ルカンの発言が競争を抑制する意図を含むものだと示唆しました。あるユーザーは、「大企業のAI責任者が『競争しないで』と言うと、余計に競いたくなる」と皮肉を交えて表現しました。

ルカンは、目標駆動型AIとオープンソースシステムの支持者であり、最近のFinancial Timesのインタビューで、LLMには論理的推論が欠けており、人間レベルの知能には達しないと述べました。「彼らは物理的な世界を理解せず、持続的な記憶がなく、有意義に推論することも階層的に計画することもできません」と彼は主張しました。

Metaは最近、複雑な物体相互作用を認識し理解することを目的としたビデオ共同埋め込み予測アーキテクチャ（V-JEPA）を導入しました。この革新は、ルカンの高度な機械知能（AMI）へのビジョンに沿ったものです。

多くの業界専門家は、LLMの限界についてルカンの見解に同意しています。AIチャットアプリのFauneは、彼の洞察を「素晴らしい」と評価し、閉ループシステムの大きな硬直性について触れました。「人間のように学び適応するAIを創造できる者は、ノーベル賞を得る可能性が高い」と彼らは述べています。

他方で、業界がLLMに過度な重点を置いていると指摘する声もあり、真の進歩には至らない「行き止まり」であると評されました。一部の人々は、LLMをただ効率的にシステムを繋ぐ接続ツールに過ぎないと批判しています。

ルカンは論争に無縁ではなく、AIの存在論的リスクについて、ジョフリー・ヒントンやアンドリュー・ング、ヨシュア・ベンジオと激しい議論を交わしてきました。しばしばこれらの懸念が誇張されていると主張しています。

ある評論家は最近のヒントンのインタビューを振り返り、彼がLLMへの全力投球を主張し、人間とAIの脳の密接な相関関係について述べたことを指摘しました。「こんな基本的な意見の食い違いを見るのは興味深い」とそのユーザーは述べました。

この視点の対立は、すぐには解決しそうにありません。