O FUTURO DA IA: Além dos LLMs e Rumo a Arquiteturas Preditivas (JEPA) e Modelos Baseados em Energia
Notice bibliographique
Résumé
Abstract: Este trabalho analisa a apresentação de Yann LeCun na conferência "AI, Science and Society" (2025), focando em sua crítica aos modelos de linguagem de grande escala (LLMs) e sua defesa de arquiteturas alternativas para alcançar uma inteligência artificial de nível humano. LeCun argumenta que os LLMs, apesar de seus avanços, carecem de modelos internos do mundo e de capacidades de planejamento hierárquico, características essenciais para a inteligência humana e animal. Ele propõe uma mudança de paradigma em direção a Joint Embedding Predictive Architectures (JEPAs) e modelos baseados em energia (EBMs). As JEPAs aprendem a prever representações abstratas do estado futuro do mundo, em vez de detalhes sensoriais brutos, e os EBMs oferecem uma estrutura matemática mais robusta para capturar as dependências complexas inerentes ao mundo real. Este artigo explora os conceitos de JEPA, modelos de mundo, planejamento, inferência baseada em energia e métodos de treinamento auto-supervisionado, como contrastive methods e regularized methods, ilustrando-os com exemplos e analogias acessíveis a um público não especializado. Além disso, são apresentados resultados experimentais com modelos como DINO e V-JEPA, que demonstram a capacidade dessas arquiteturas de aprender representações úteis, planejar ações e até mesmo exibir um rudimentar "senso comum visual". O trabalho também discute os desafios e questões abertas nesse campo emergente, enfatizando a importância de plataformas de IA de código aberto e de uma abordagem colaborativa para o desenvolvimento de sistemas de IA avançados. Criticamente, são apontadas limitações, falácias e exageros presentes na apresentação de LeCun, ponderando seu entusiasmo com uma avaliação realista do estado da arte. O trabalho serve como uma introdução aos modelos de mundo como alternativa aos LLMs para tarefas que exigem raciocínio e planejamento.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».