اوپن‌ای‌آی هفته گذشته جدید‌ترین مدل هوش مصنوعی خود را با نام سورا معرفی کرد که قادر است با دقت بالا به دستورات متنی، ویدئو‌های واقع‌گرایانه بسازد. از زمان رونمایی، انتقادات زیادی در مورد این مدل به وجود آمده است.
یان لکون، دانشمند ارشد هوش مصنوعی متا، در پلتفرم ایکس نوشت مدل‌سازی متحرک دنیا با تشکیل پیکسل‌ها، بی‌منفعت و محکوم به ناکامی است. او معتقد است که رویکرد تبدیل متن به ویدئو نمی‌تواند در نهایت تمام امکانات و ویژگی‌های جهان فیزیکی را پوشش دهد.
لکون به طور خاص با ادعا‌های اوپن‌ای‌آی مبنی بر اینکه سورا در نهایت امکان ساخت همانند‌ساز‌های عمومی دنیای فیزیکی را فراهم می‌کند، موافق نیست. او استدلال می‌کند که رویکرد سورا برای تشکیل همانند‌ساز جهان کاملا نادرست است.
این پژوهشگر به بحث قدیمی در یادگیری ماشین بین مدل‌های مولد و مدل‌های نزدیک‌کننده اشاره کرد. بر اساس نظر او، روش اول بی‌فایده است و نمی‌تواند به اندازه کافی با عدم قطعیت ناشی از پیش‌بینی‌های پیچیده در فضای سه‌بعدی مقابله کند.
لکون توضیح داد که این مدل‌ها تلاش می‌کنند جزئیات زیادی را استنتاج کنند که گاهی مرتبط هم نیستند. برای مثال، تلاش برای محاسبه مسیر توپ فوتبال با استناد به نحوه اثرگذاری هر ماده‌ای که از آن ساخته شده، در حالی که مدل باید به مواردی همانند جرم و شدت دقت کند.
او افزود اگر مقصد شما تشکیل ویدئو باشد، هیچ اشکالی ندارد؛ اما اگر هدف‌تان این است که بفهمید جهان چطور کار می‌کند، به مقصد خود نزدیک نمی‌شوید.
لکون معتقد است رویکرد مولد با مدل‌های زبانی بزرگ همانند جی‌پی‌تی-۴ تا کنون جواب‌گو بوده‌اند، زیرا متن گسسته است و تعداد محدودی نماد دارد؛ اما برای همانند‌سازی جهان، به چیزی بسیار بیش‌تر از چند پارام‌تر نیاز است.
شرکت متا با همکاری لکون روی هوش مصنوعی خود به نام وی-جپا کار می‌کند که برخلاف رویکرد‌های جاری که تلاش می‌کنند هر پیکسل از‌دست‌رفته را پیش‌بینی و پر کنند، توانایی دور‌انداختن اطلاعات پیش‌بینی‌نشدنی را دارد که به بهبود آموزش و کارایی بین ۱.۵ تا ۶ برابر منجر می‌شود.
یان لکون یکی از پدرخوانده‌های صریح هوش مصنوعی است و به حرف‌های خود، دلسرد پیشرفت روزافزون هوش مصنوعی نیست و هرگز از انتقاد از رقبای خود نمی‌ترسد و به مسیر خود ادامه خواهد داد.