AI 發展停滯？楊立昆質疑「擴展定律」，下一步該怎麼走？
多年來，人工智慧（AI）產業一直遵循著「擴展定律」的原則，即模型性能主要取決於模型參數數量、數據集大小和用於訓練的計算量。然而，隨著 AI 領域的快速發展，越來越多的專家開始質疑這個看似萬能的定律。
根據外媒 BUSINESS INSIDER 報導，Meta 首席 AI 科學家楊立昆（Yann LeCun）近日在新加坡國立大學表示，單純依靠擴展來實現超級智慧是不夠的。他認為，擴展定律的誤區在於──人們將 AI 在簡單任務上的成功，推斷也能解決複雜問題。楊立昆強調，當今大型語言模型的訓練內容僅相當於四歲兒童視覺皮層（指大腦皮層中主要負責處理視覺訊息的部分）的資訊量，這意味著目前的 AI 突破在解決現實世界中存在模糊性和不確定性的問題時，效果有限。
楊立昆指出，最近 AI 進展放緩，部分原因是可用的公共資料量正在減少。他並非唯一一位質疑擴展定律的專家，Scale AI 執行長 Alexandr Wang 和 Cohere 執行長 Aidan Gomez 也分別將擴展定律視為 AI 業界最大的問題，且不利於改進 AI 模型。
面對擴展定律顯現的問題，楊立昆提倡另一種訓練方法。他認為，未來的 AI 系統需要能夠快速學習新任務，理解物理世界，具備常識、推理和規劃能力，以及持久記憶。他表示，與僅能根據模式預測下一步的大型語言模型相比，世界模型具有更高的認知水平，能夠預測世界將如何因行動而演變。
（首圖來源：Meta）