Meta's hoofd onderzoek LeCun vindt huidige AI-toepassingen weinig opzienbarend

Tientallen jaren hadden grote bedrijven een eigen afdeling die fundamenteel onderzoek deed zonder dat het concern daarbij direct commerciële toepassingen op het oog had. Denk bijvoorbeeld aan Bell Labs van telecombedrijf AT&T (later Lucent, later Nokia) en het NatLab bij Philips. Door bezuinigingen en efficiencyoperaties zijn die labs grotendeels opgedoekt.

"Eigenlijk was Microsoft Research twintig jaar geleden de enige vertegenwoordiger van de industrie van enige statuur in informatietechnologie", stelde LeCun in een kleine persbijeenkomst waar ZDnet over schrijft.

Fundamenteel onderzoek levert
de toekomstige innovaties

Dat is jammer want de basis onder de huidige applicaties is mogelijk gemaakt door wetenschappelijk onderzoek dat jaren geleden is gedaan. Dat we er nu gebruik van kunnen maken, is te danken aan het beschikbaar komen van enorme hoeveelheden data en goedkope rekenkracht. "In de recente golf zit wat conceptuele vooruitgang, maar eerlijk gezegd niet veel."

Het is goed dat er een opleving is van corporate R&D, signaleert LeCun. Hij noemt Google Research en Facebook AI Research (FAIR) dat hij zelf opzette. Meta heeft een tweesporensysteem, waarbij corporate R&D zich bezig houdt met projecten voor de verre toekomst - de moonshot-projecten - en een tweede track kijkt welke resultaten uit het fundamenteel onderzoek uitgewerkt kunnen worden in praktische toepassingen.

Als voorbeeld noemt hij content moderation en spraakherkenning in verschillende talen die de afgelopen drie jaar grote veranderingen hebben doorgemaakt. De basis voor dit werk ligt bij het werk van Google uit 2017 met het natuurlijke taalverwerkingsproject Transformer. "Het heeft de afgelopen jaren enorme vooruitgang geboekt door de laatste ontwikkelingen in AI-onderzoek."

Hoewel niet altijd alle beoogde doelen worden gehaald, zoals volledig autonome auto's, levert het onderzoek wel effecten op die gunstig zijn. Zo zijn er allerlei veiligheidssystemen in auto's gekomen.

Grenzen huidige vooruitgang bereikt

Maar LeCuns doel is eigenlijk kunstmatige intelligentie creëren vergelijkbaar met het dierlijk of menselijk niveau. Dat gaat er niet komen met de strategie die nu de boventoon voert, namelijk steeds meer computerkracht inzetten om toepassingen te verbeteren. "Veel bedrijven zoals OpenAI in het bijzonder, maken dingen alleen groter en dan werkt het beter. Maar ik denk dat we de grenzen daarvan nu bereiken."

LeCun vindt toepassingen zoals ChatGPT niet bepaald innovatief en niets revolutionairs. "Ze zijn compleet reactief. Je geeft ze de context van een paar duizend woorden en op basis daarvan genereert het systeem een volgend token, compleet reactief." Ook toepassingen als CoPilot hebben ernstige beperkingen. Ze worden in feite gebruikt als een voorspellend toetsenbord 'op steroïden'. Hij vergelijkt dergelijke auto-complete toepassingen als cruise control in auto's om de bestuurder te ondersteunen. "Je moet je handen altijd aan het stuur houden, want CoPilot kan zonder waarschuwing fouten maken in de code."

Anticiperen op gevolgen van eigen acties

"De vraag is hoe we afkomen van systemen die soms code genereren die werkt, en soms niet. Het antwoord zit in het feit dat al deze systemen niet in staat zijn te plannen. Ze zijn volledig reactief. En dat is niet wat je nodig hebt voor intelligent gedrag."

"Als je echt intelligent gedrag wilt, heb je een systeem nodig dat in staat is te anticiperen op de effecten van zijn eigen acties." Maar ook, zo zegt LeCun, "Een systeem dat een soort intern wereldbeeld heeft, een mentaal model van hoe de wereld gaat veranderen als gevolg van zijn eigen acties."