أعرب يان ليكون مؤخرًا عن آرائه حول معالجة الذكاء الاصطناعي لبيانات الفيديو في المنتدى الاقتصادي العالمي. ويعتقد أن النماذج التوليدية الشائعة حاليًا ليست مناسبة لمعالجة بيانات الفيديو، وهو ما يمثل تحديًا جديدًا في مجال الذكاء الاصطناعي. أكد LeCun على أن فهم الذكاء الاصطناعي للفيديو لا ينبغي أن يتوقف عند مستوى البكسل، بل يجب أن يقوم بالتنبؤات في مساحة تمثيل أكثر تجريدًا، وأشار إلى أن فهم العلاقات السببية أمر بالغ الأهمية لأنظمة الذكاء الاصطناعي المستقبلية، وهو أمر بالغ الأهمية أيضًا للتفاعل البشري مع العالم المادي. عالم.
في هذه المقالة، قال يان ليكون، متحدثًا في المنتدى الاقتصادي العالمي، إن النماذج التوليدية المستخدمة على نطاق واسع حاليًا ليست مناسبة لمعالجة بيانات الفيديو. تمثل بيانات الفيديو تحديًا جديدًا للذكاء الاصطناعي، حيث لا يمكن أن يعتمد فهم الذكاء الاصطناعي للفيديو على التنبؤ في مساحة البكسل، ولكن يجب التنبؤ به في مساحة التمثيل المجرد. وأشار أيضًا إلى أهمية فهم السبب والنتيجة في بناء أنظمة الذكاء الاصطناعي المستقبلية. هذا مهم للغاية للتفاعل البشري مع العالم المادي.
تشير آراء LeCun إلى مسار جديد لاتجاه التطوير المستقبلي للذكاء الاصطناعي، وتسلط الضوء أيضًا على الحاجة إلى مزيد من البحث في معالجة الفيديو والفهم السببي. سيؤدي ذلك إلى تعزيز تطبيق وتطوير تكنولوجيا الذكاء الاصطناعي في مجموعة واسعة من المجالات وتحسين حياة الإنسان في نهاية المطاف.