ผู้ชนะรางวัล Turing Yann LeCun วิจารณ์ LLM และเสนอกรอบงาน JEPA เป็นแนวทางสู่ AGI

ในการให้สัมภาษณ์ล่าสุดของ Yann LeCun ระบุว่า แม้โมเดลภาษาขนาดใหญ่ (large language models) จะมีประโยชน์ แต่ไม่สามารถนำไปสู่ปัญญาประดิษฐ์ทั่วไป (AGI) ได้ เนื่องจากโมเดลดังกล่าวขาดความสามารถในการคาดการณ์ผลลัพธ์ของการกระทำ และการวางแผนในเชิงนามธรรม ซึ่งเป็นความสามารถที่จำเป็นต่อการให้เหตุผลในระดับใกล้เคียงมนุษย์อย่างแท้จริง LeCun ยังเน้นย้ำว่าความสำเร็จของ LLMs ขึ้นอยู่กับลักษณะที่เป็น “คำพูด” แบบไม่ต่อเนื่องของภาษา แต่โลกความเป็นจริงนั้นต่อเนื่องและมีมิติสูง ทำให้โมเดลจำเป็นต้องเข้าใจความเชื่อมโยงเชิงกายภาพ (physical causality) มากกว่าการคาดเดาโทเค็นถัดไปเท่านั้น

LeCun เสนอ Joint Embedding Predictive Architecture (JEPA) เป็นทางเลือก โดย JEPA จะคาดการณ์สถานะในอนาคตในพื้นที่การแทนความหมาย (semantic representation space) แทนการสร้างภาพพิกเซลทีละจุดขึ้นมาใหม่ งานวิจัยในเดือนมีนาคม 2026 เกี่ยวกับ LeWorldModel แสดงให้เห็นศักยภาพของ JEPA: โมเดลที่มีพารามิเตอร์ 15 ล้านพารามิเตอร์ ทำอัตราความสำเร็จ 96% ในงานควบคุม และเพิ่มความเร็วในการวางแผนได้สูงสุด 50 เท่า โดยไม่จำเป็นต้องใช้ชุดข้อมูลสำหรับการพรีเทรนขนาดมหาศาล