Yann LeCun, científico jefe de Meta y pionero del aprendizaje profundo, dijo que cree que los sistemas de inteligencia artificial actuales tardarán décadas en alcanzar algún sentido de percepción, y que los sistemas de inteligencia artificial con sentido común pueden superar la capacidad de resumir grandes cantidades de texto de forma creativa.
Sus puntos de vista son diametralmente opuestos a los de Nvidia.
El director ejecutivo de Nvidia, Jensen Huang, dijo recientemente que la inteligencia artificial será "bastante competitiva" con los humanos en menos de cinco años, superando a los humanos en muchas tareas que requieren un uso intensivo del cerebro.
"Conozco a Huang", dijo LeCun recientemente en un evento que conmemora el décimo aniversario de la fundación del equipo de investigación básica de inteligencia artificial en la empresa matriz de Facebook, Meta. LeCun dijo que el director ejecutivo de Nvidia tiene mucho que ganar con el auge de la inteligencia artificial. "Esta es una 'guerra' de inteligencia artificial y él está proporcionando 'armas'".
"(Si) crees que la inteligencia artificial es popular, tienes que comprar más GPU", dijo LeCun sobre los tecnólogos que intentan desarrollar inteligencia artificial general, que está a la par con la inteligencia a nivel humano. Mientras los investigadores de empresas como OpenAI sigan buscando AGI, necesitarán más chips de computadora Nvidia.
LeCun dijo que es más probable que la sociedad tenga una IA "a nivel de gato" o "a nivel de perro" años antes que una IA a nivel humano. El enfoque actual de la industria tecnológica en los modelos lingüísticos y los datos textuales es insuficiente para crear el tipo de sistemas avanzados de inteligencia artificial parecidos a los humanos con los que los investigadores han estado soñando durante décadas.
"El texto es una fuente de información muy pobre", dijo LeCun, explicando que probablemente a los humanos les llevaría 20.000 años leer la cantidad de texto utilizado para entrenar los modelos de lenguaje modernos. "Entrene un sistema con 20.000 años de material de lectura y todavía no entienden que si A es igual que B, entonces B es igual que A".
"Hay muchas cosas muy básicas en el mundo que simplemente no aprenden mediante ese entrenamiento", dijo LeCun.
Por eso, LeCun y otros ejecutivos de MetaAI han estado trabajando arduamente en cómo adaptar los llamados modelos de conversión utilizados para crear aplicaciones como ChatGPT para manejar todo tipo de datos, incluida información de audio, imagen y video. Creen que cuanto mejor puedan estos sistemas de IA descubrir los miles de millones de correlaciones ocultas que pueden existir entre estos diferentes tipos de datos, más hazañas milagrosas podrán lograr.
Algunas de las investigaciones de Meta incluyen software que ayuda a las personas a jugar mejor al tenis mientras usan las gafas de realidad aumentada Project Aria de la compañía, que combinan gráficos digitales con el mundo real. Los ejecutivos mostraron una demostración en la que una persona que jugaba tenis con gafas AR pudo ver señales visuales que le enseñaban cómo sostener correctamente una raqueta de tenis y mover los brazos de manera perfecta. Los modelos de inteligencia artificial necesarios para impulsar dichos asistentes digitales de tenis tendrían que combinarse con datos visuales tridimensionales además de texto y audio, en caso de que el asistente digital necesite hablar.
Estos sistemas de IA multimodales representan la próxima frontera, pero su desarrollo no es barato. A medida que más empresas como Meta y Alphabet, matriz de Google, trabajen en modelos de IA más avanzados, Nvidia puede obtener una mayor ventaja, especialmente si no surge ningún otro competidor.
El futuro del hardware de inteligencia artificial
Nvidia ha sido el mayor benefactor de la IA generativa y sus costosas unidades de procesamiento de gráficos se han convertido en una herramienta estándar para entrenar modelos de lenguaje a gran escala. Meta depende de 16.000 GPU Nvidia A100 para entrenar su software LlamaAI.
Algunos medios preguntaron si la industria tecnológica necesita más proveedores de hardware mientras Meta y otros investigadores continúan desarrollando modelos de inteligencia artificial tan complejos.
"No lo necesita, pero sería bueno", respondió LeCun, añadiendo que la tecnología GPU sigue siendo el estándar de oro para la inteligencia artificial.
Sin embargo, dijo, es posible que los futuros chips de computadora no se llamen GPU.
LeCun también se muestra escéptico con respecto a la computación cuántica, y gigantes tecnológicos como Microsoft, IBM y Google han invertido importantes recursos en ella. Muchos investigadores fuera de Meta creen que las máquinas de computación cuántica podrían lograr grandes avances en campos con uso intensivo de datos, como el descubrimiento de fármacos, debido a su capacidad para realizar múltiples cálculos utilizando los llamados qubits, en lugar de los tradicionales bits binarios utilizados en la informática moderna.
Pero LeCun se mostró escéptico.
"La cantidad de problemas que se resuelven con la computación cuántica también se pueden resolver de manera más eficiente con las computadoras clásicas", dijo LeCun.
"La computación cuántica es un tema científico fascinante", dijo LeCun. No están tan claras "las implicaciones prácticas y la posibilidad de fabricar una computadora cuántica verdaderamente útil".
Mike Schroepfer, investigador principal de Meta y ex director de tecnología, está de acuerdo. Evalúa la tecnología cuántica cada pocos años y cree que máquinas cuánticas útiles "pueden aparecer en algún momento, pero será un horizonte temporal demasiado largo para ser relevante para lo que estamos haciendo".
"La razón por la que iniciamos el Laboratorio de Inteligencia Artificial hace una década fue que estaba claro que esta tecnología se comercializaría en los próximos años", dijo Schroepf.