AI, capitolul 2. Sunteți pregătiți? Într-un interviu pentru Bloomberg Television, Yann LeCun & JP Vert demontează obsesia actuală a pieței pentru LLM-uri și vorbesc despre adevărata revoluție: modelele lumii fizice (World Models) și AI-ul aplicat în biologie. Viitorul inteligenței artificiale trebuie să învețe fizică și chimie, spun ei.
Sfârșitul dictaturii LLM și era „World Models” (Modelelor Lumii)
Yann LeCun susține că giganții tech sunt blocați în aceeași tranșee, încercând cu toții să prindă din urmă avansul LLM-urilor. Însă 2026 va fi anul „World Models”. Doar că nimeni nu știe încă să facă acești roboți cu adevărat inteligenți și adaptabili, tocmai pentru că le lipsește înțelegerea lumii fizice.
Modelele generative tradiționale au o problemă majoră în interacțiunea cu realitatea fizică, de unde și fenomenul halucinațiilor. Când un chatbot greșește un cuvânt, e doar un typo. Când un robot industrial nu înțelege o proprietate fizică a obiectului din fața sa, avem o problemă. Industria de robotică caută disperată arhitecturi care să treacă de la manipulare de text la înțelegere fizică.
"Secretul industriei în acest moment este că niciuna dintre companiile care construiesc roboți nu are vreo idee despre cum să îi facă destul de inteligenți încât să fie utili", spune Yann LeCun.
Cancerul nu știe engleză
„LLM-urile nu vor vindeca cancerul. Cancerul nu vorbește engleza”, spune JP Vert, care dezvoltă AI pentru biologie. Pentru a descoperi noi medicamente, avem nevoie de un AI care să nu opereze cu texte, ci să înțeleagă funcționarea biologiei la scară multiplă (de la nivel molecular, la celule și la scara întregului organism).
AI-ul din biotehnologie operează cu structuri 3D, secvențe proteice și reacții chimice. LLM-urile pot sintetiza literatură medicală, dar designul efectiv de tratamente cere arhitecturi complet diferite, cum ar fi modelele de difuzie aplicate științific.
"Avem nevoie de sisteme care învață din date cum funcționează biologia, pentru a trece de la faza de încercare și eroare în descoperirea medicamentelor, la un design mult mai rațional", spune JP Vert.
Arhitectura trebuie refăcută de la zero
Nu poți antrena un model video sau senzoristic așa cum antrenezi un LLM. La text, AI-ul ghicește următorul cuvânt dintr-un dicționar strict și finit. În lumea fizică, numărul lucrurilor plauzibile care se pot întâmpla este infinit. Yann aduce în discuție modele cu arhitectură complet nouă, cum ar fi JEPA (Joint Embedding Predictive Architectures), concepute fix pentru a gestiona posibilitățile și impredictibilitatea din realitate.
JEPA este un concept arhitectural real care propune ca AI-ul să nu mai încerce să prezică obsesiv fiecare pixel dintr-un cadru viitor, ci o reprezentare abstractă a evenimentelor, scutind astfel sistemul de necesitatea de a ghici o infinitate de micro-variabile.
Deep tech la Paris
Mulți cercetători au plecat din corporații precum Meta sau Google pentru a-și fonda propriile startup-uri. Giganții sunt obsedați de aplicațiile consumer și cursa pentru cel mai deștept chatbot, ignorând procesele industriale sau de health. Startup-urile se dezvoltă acum la Paris. Franța câștigă influență în zona de Computer Science și matematică aplicată, fundația necesară pentru deep tech.
Scena tech franceză chiar s-a consolidat ca principal hub european de AI (generând jucători puternici precum Mistral, Kyutai sau Bioptimus). Se bazează pe o tradiție istorică universitară în științe exacte, ideală pentru inovația algoritmică fundamentală.
