บทความนี้สำรวจข้อจำกัดของแนวทางของ Yann LeCun ต่อโมเดลภาษาขนาดใหญ่ (LLM) และประโยชน์ที่เป็นไปได้ของสถาปัตยกรรมการฝังร่วม (JEPA) LeCun เชื่อว่า LLM ที่มีอยู่ขาดความเข้าใจที่แท้จริงเกี่ยวกับโลกทางกายภาพ และการสนับสนุนความสามารถอันชาญฉลาดที่สำคัญ เช่น หน่วยความจำถาวร การใช้เหตุผล และการวางแผน เขาเน้นย้ำถึงความสำคัญของการสร้างแบบจำลองที่สามารถเข้าใจโลกได้อย่างลึกซึ้ง และชี้ให้เห็นว่าข้อดีของ JEPA ในการดึงการนำเสนอเชิงนามธรรมออกมา ช่วยให้สามารถเรียนรู้คุณลักษณะที่สำคัญของโลกได้ดีขึ้น ซึ่งจะช่วยชดเชยข้อบกพร่องของ LLM
Yann LeCun ชี้ให้เห็นว่าถึงแม้ LLM จะมีประโยชน์ แต่ก็ไม่สามารถเข้าใจโลกทางกายภาพได้อย่างแม่นยำ และขาดการสนับสนุนคุณสมบัติด้านสติปัญญาขั้นพื้นฐาน เช่น ความจำถาวร การใช้เหตุผล และการวางแผน เขาได้หารือเกี่ยวกับความเป็นไปได้ของการสร้างแบบจำลองด้วยความเข้าใจอย่างลึกซึ้งเกี่ยวกับโลก และแนะนำข้อดีของ Joint Embedding Architecture (JEPA) ที่เหนือกว่า LLM ซึ่งสามารถดึงการนำเสนอแบบนามธรรมได้ดีขึ้น ทำให้ระบบสามารถเรียนรู้คุณลักษณะเชิงนามธรรมของโลกได้เมื่อนำมารวมกัน มุมมองของ LeCun เน้นย้ำทิศทางในอนาคตของสาขาปัญญาประดิษฐ์ ซึ่งกำลังเคลื่อนตัวออกจากการประมวลผลภาษาบริสุทธิ์ และไปสู่ความเข้าใจที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับโลกทางกายภาพและแนวคิดเชิงนามธรรม ทางเลือกที่เป็นไปได้ JEPA สมควรได้รับการวิจัยและการสำรวจเพิ่มเติมเพื่อสร้างระบบปัญญาประดิษฐ์ที่ทรงพลังและชาญฉลาดยิ่งขึ้น