Yann LeCun nói rằng thất bại của AI Agent có thể khắc phục bằng kỹ thuật tốt hơn
TREE NEWS đưa tin: Người đoạt giải Turing và nhà sáng lập AMI Labs, Yann LeCun, đã phản bác quan điểm cho rằng những sự cố gần đây của AI agent báo hiệu sự mất kiểm soát không thể tránh khỏi đối với các hệ thống tự trị. Trong một cuộc phỏng vấn, LeCun lập luận rằng các sự cố này chủ yếu xuất phát từ sự giám sát thiếu đầy đủ của con người và thiết kế sandbox yếu — cả hai đều có thể được giải quyết thông qua kỹ thuật có kỷ luật thay vì can thiệp quy định mạnh mẽ hay tạm dừng phát triển.
LeCun cũng tiết lộ rằng AMI Labs hiện có khoảng 60 nhân viên và đang xây dựng các world model cấp công nghiệp dựa trên khung JEPA (Joint Embedding Predictive Architecture). Công ty dự kiến ra mắt sản phẩm đầu tiên trong thời gian tới, đánh dấu bước tiến cụ thể từ chương trình nghiên cứu sang triển khai thương mại.
Tại sao đặt cược vào JEPA lại quan trọng
JEPA khác biệt với cách tiếp cận tự hồi quy thống trị đang vận hành các mô hình ngôn ngữ lớn. Thay vì dự đoán token tiếp theo, các hệ thống dựa trên JEPA học các biểu diễn trừu tượng của thế giới và dự đoán trong không gian tiềm ẩn, điều mà LeCun từ lâu đã lập luận là hiệu quả hơn về mẫu, mạnh mẽ hơn và phù hợp hơn với suy luận về thế giới vật lý. Đối với các ứng dụng công nghiệp — robot, điều khiển sản xuất, logistics, kiểm tra tự động — sự khác biệt này không chỉ mang tính học thuật. Các nhà máy cần những mô hình hiểu được nguyên nhân và kết quả và suy giảm một cách duyên dáng, chứ không phải những hệ thống ảo giác ra các hành động tự tin nhưng sai lầm.
Việc định hình thất bại của AI như một vấn đề kỹ thuật có ý nghĩa chiến lược. Nó ngầm bác bỏ những phiên bản mạnh nhất của lập luận tạm dừng vì an toàn AI trong khi vẫn thừa nhận rủi ro thực sự. Nếu sandbox, giám sát và các điểm kiểm tra human-in-the-loop có thể ngăn chặn hành vi sai trái của agent, thì nút thắt trở thành chất lượng triển khai và công cụ xác minh — những lĩnh vực mà cả các công ty hiện hữu và startup đều có thể cạnh tranh.
Hàm ý cho toàn bộ stack AI và crypto
- Công cụ xác minh và kiểm toán tăng giá trị: Nếu giám sát là lớp còn thiếu, nhu cầu về ghi log, môi trường mô phỏng và đánh giá độc lập hành vi của agent sẽ tăng lên.
- Mạng compute và dữ liệu phi tập trung: Huấn luyện world model tiêu tốn nhiều compute. Các mạng thanh toán việc cung cấp GPU và dữ liệu on-chain có thể định vị mình là lớp cung ứng cho các kiến trúc phi LLM.
- Trách nhiệm giải trình của agent: Danh tính on-chain, chứng thực và đường ray thanh toán cho các agent tự trị trở nên liên quan hơn khi agent được triển khai trong môi trường công nghiệp nơi sai sót gây tốn kém về vật chất và tài chính.
Lộ trình của LeCun cố tình mơ hồ — “thời gian tới” để lại chỗ cho sự chậm trễ — và một đội ngũ 60 người cạnh tranh với các phòng thí nghiệm được tài trợ tốt là một hạn chế thực sự. Nhưng hướng đi thì rõ ràng: giai đoạn tiếp theo của cuộc đua AI có thể được tranh đấu trên các kiến trúc suy luận về thế giới vật lý, không chỉ văn bản. Các nhà đầu tư và nhà xây dựng theo dõi giao điểm giữa AI và hạ tầng phi tập trung nên theo dõi liệu các mô hình kiểu JEPA có thể mang lại độ tin cậy mà các agent dựa trên LLM cho đến nay vẫn khó đảm bảo hay không.
