تستكشف هذه المقالة القيود المفروضة على نهج Yann LeCun في نماذج اللغات الكبيرة (LLMs) والفوائد المحتملة لبنية التضمين المشترك (JEPA). يعتقد LeCun أن LLM الحالي يفتقر إلى الفهم الحقيقي للعالم المادي ودعم القدرات الذكية الأساسية مثل الذاكرة المستمرة والاستدلال والتخطيط. وشدد على أهمية بناء نماذج يمكنها فهم العالم بعمق، وأشار إلى أن مزايا JEPA في استخلاص التمثيلات المجردة تمكنها من تعلم الخصائص الأساسية للعالم بشكل أفضل، وبالتالي تعويض أوجه القصور في LLM.
أشار يان ليكون إلى أنه على الرغم من أن LLM لها استخداماتها، إلا أنها لا تستطيع فهم العالم المادي بدقة وتفتقر إلى دعم ميزات الذكاء الأساسية مثل الذاكرة المستمرة والتفكير والتخطيط. وناقش إمكانية بناء نماذج ذات فهم عميق للعالم، وقدم مزايا هندسة التضمين المشتركة (JEPA) مقارنة بـ LLM التي يمكنها استخلاص تمثيلات مجردة بشكل أفضل، مما يمكّن النظام من تعلم الميزات المجردة للعالم بشكل أساسي.مجتمعة، يسلط منظور LeCun الضوء على الاتجاه المستقبلي لمجال الذكاء الاصطناعي، والذي يبتعد عن معالجة اللغة البحتة ويتجه نحو فهم أعمق للعالم المادي والمفاهيم المجردة. وكبديل محتمل، تستحق JEPA المزيد من البحث والاستكشاف من أجل بناء أنظمة ذكاء اصطناعي أكثر قوة وذكاء.