Kecerdasan buatan OpenAI yang menghasilkan video akan hancur

Kata-kata kasar dari salah satu bapak baptis AI.

Piksel tidak sempurna

Sora, model kecerdasan buatan OpenAI yang baru untuk pembuatan video, telah menjadi perbincangan sejak dirilis minggu lalu. Namun Yann LeCun, kepala ilmuwan AI di Meta, tidak menganggap hanya model teks-ke-video yang banyak digemari.

Secara khusus, LeCun tidak setuju dengan klaim OpenAI bahwa kerja samanya dengan Sora pada akhirnya akan memungkinkan pembangunan “simulator universal dunia fisik”. Jika itu masalahnya, menurut LeCun, pendekatannya dalam menciptakan “simulator dunia” adalah kesalahan besar.

“Memodelkan dunia untuk tindakan menggunakan pembuatan piksel sama sia-sia dan pasti akan gagal seperti gagasan ‘analisis dengan sintesis’ yang sebagian besar ditinggalkan,” tulisnya dalam sebuah postingan di X, sebelumnya Twitter.

Komplikasi generasi

LeCun adalah salah satu bapak baptis kecerdasan buatan—dan mungkin yang paling blak-blakan dan blak-blakan. Sementara dua godfather lainnya menyesali apa yang mereka keluarkan, LeCun melanjutkan pekerjaannya di Meta, tidak pernah takut untuk mengkritik pesaingnya.

Dengan komentarnya di sini, dia merujuk pada perdebatan pembelajaran mesin yang sudah berlangsung lama antara model generatif dan model diskriminatif. LeCun percaya bahwa pendekatan pertama, yang menghasilkan piksel “dari variabel laten penjelas”, terlalu tidak efisien dan tidak dapat secara memadai mengatasi ketidakpastian yang timbul dari prediksi kompleks dalam ruang 3D.

Dalam istilah awam, ia berpendapat bahwa model-model ini mencoba “menyimpulkan” terlalu banyak detail yang tidak relevan—seperti mencoba menghitung lintasan bola sepak dengan mencoba memahami bagaimana masing-masing bahan penyusunnya berperan. dari mereka hanya fokus pada hal-hal seperti bobot dan kecepatannya.

“Tidak ada salahnya jika tujuan Anda benar-benar menghasilkan video,” ujarnya menanggapi postingannya. “Tetapi jika tujuan Anda adalah untuk memahami cara kerja dunia, maka hal tersebut merupakan sebuah proposisi yang sia-sia.

Alternatif

LeCun mengakui bahwa pendekatan generatif sejauh ini berhasil digunakan pada model bahasa besar seperti ChatGPT “karena teksnya terpisah dengan jumlah simbol yang terbatas”. Namun jika Anda ingin mensimulasikan dunia seperti yang diharapkan Sora, Anda berurusan dengan lebih dari sekadar beberapa karakter.

Dalam persaingan dengan pendekatan OpenAI, LeCun sedang mengerjakan modelnya sendiri di Meta yang disebut Video Joint Embedding Predictive Architecture (V-JEPA), yang diluncurkan minggu lalu.

“Tidak seperti pendekatan generatif yang mencoba mengisi setiap piksel yang hilang,” klaim Meta dalam postingan blognya, “V-JEPA memiliki fleksibilitas untuk membuang informasi yang tidak dapat diprediksi, sehingga meningkatkan efisiensi pelatihan dan pengambilan sampel dengan faktor antara 1,5x dan 6x. “

Karya LeCun mungkin tidak menghasilkan sensasi seperti produk OpenAI dengan pembuatan gambar dan teksnya yang mencolok, namun menarik untuk melihat peneliti AI terkemuka menyimpang dari pendekatan lama yang sama yang saat ini sedang dikembangkan oleh OpenAI dan para penirunya.

Lebih lanjut tentang AI: ChatGPT sepertinya kehilangan akal sehatnya tadi malam