מודלים של עולם מעבר לווידאו: למה משחקים ורובוטיקה הם ארנות ההוכחה האמיתיות ל-AGI

כאשר Yann LeCun הכריז על עזיבתו מ-Meta כדי להקים AMI Labs עם 500 מיליון יורו גיבוי, הוא הביע את מה שחוקרים רבים האמינו בשקט במשך שנים. מודלי שפה גדולים, למרות הכישוריים המרשימים שלהם, מייצגים קצה מבוי סתום בדרך ל-AGI. הם חוזים tokens ללא הבנת מציאות.

החלופה? מודלים של עולם. systems שלומדות לדמות כיצד העולם הפיזיקלי פועל.

המגבלה הבסיסית של מודלי שפה

מודלי שפה מצטיינים בהתאמת דפוסים בטקסט. הם יכולים לכתוב שירה, להציל קוד, ולהנהל שיחות שמרגישות אנושיות באופן מדהים. אבל שאל GPT-4 מה קורה כשאתה זורק כדור, וזה יסתמך על תיאורים שנשמרו בזיכרון במקום על אינטואיציה פיזיקלית אמיתית.

זה חשוב כי אינטליגנציה, כפי שאנחנו חוות בעולם הביולוגי, משוקעת בעצם בממשות פיזיקלית. תינוק שלומד לערום בלוקים מפתח הבנה אינטואיטיבית של כוח משיכה, איזון ותכונות חומריות הרבה לפני שלמדה שפה. הכרה מגולמת זו, התחושה הזו של איך העולם עובד, מייצגת בדיוק מה שחסר בחלל ב-systems AI הנוכחיים.

מודלים של עולם שואפים למלא פער זה. במקום לחזות token הבא, הם חוזים את frame הבא, state פיזיקלי הבא, ואת ה-consequence הבא של action.

שלוש גישות להבנת עולם

המרוץ לבנות AI שמבין עולם התפצל לשלוש פרדיגמות ברורות, לכל אחת יתרונות שונים.

הגישה השלישית, ואולי המבטיחה ביותר, מחברת בין שתיהן: לימוד world dynamics מוידאו תוך שמירה על היכולת האינטראקטיבית עם המשנה את הסביבה. כאן משחקים הופכים חיוניים.

משחקים: אדמת ההדרכה המושלמת

משחקי וידאו מספקים משהו ייחודי: סביבות אינטראקטיביות עם rules פיזיקה עקביות, וריאציה אינסופית, ו-clear success metrics. בניגוד לרובוטיקה של עולם אמיתי, הדורשת hardware יקר ומייצרת חששות בטיחות, משחקים מציעים failure בלתי מוגבל ללא consequences.

DeepMind הכירה בפוטנציאל זה מוקדם. שלהם Genie system יכול ליצור סביבות playable חדשות לחלוטין מתמונה יחידה. תן לו ציור מתאר של רמת platformer, והוא יוצר עולם עם פיזיקה עקבית שבו דמויות יכולות לקפוץ, ליפול, ולהתקשר עם אובייקטים בכל דרך מתאימה.

מה שהופך את Genie למדהים הוא לא רק generation אלא comprehension. ה-system לומדת פיזיקה concepts שמתרחשים generalizable שעברות across different visual styles ומשחק types. מודל שהוכשר על Mario-style platformers מפתח intuitions לגבי gravity ו-collision החלים בשווה על indie games מצויירות ביד וסביבות 3D realisticas.

מ-Games ל-Robots

צינור gaming-to-robotics אינו theoretical. חברות כבר משתמשות בו.

ה-insight שמניע את הטרנזיציה הזו פשוט: פיזיקה היא פיזיקה. מודל שבאמת מבין איך אובייקטים נופלים, מחליקים, ובפרטמות במשחק וידאו צריך, עם adaptation מתאים, להבין principles זהים בעולם אמיתי. ה-appearance הויזואלית משתנה, אבל underlying dynamics נשאר קבוע.

Tesla עקבה אחר גרסה של strategy זה עם ה-Optimus robots שלהם, הדרכה ראשונה בסימולציה לפני פריסה בcontrolled factory environments. ה-limiting factor תמיד היה ה-gap בין simulated ו-real physics. World models שהודרכו על diverse video data עלולות סוף סוף לגשר על gap זה.

ה-AMI Labs Bet

ה-venture החדש של Yann LeCun, AMI Labs, מייצג ההשקעה היחידה הגדולה ביותר במחקר world model עד כה. עם 500 מיליון יורו במימון אירופאי וצוות שגויס מ-Meta, DeepMind ומעבדות academic, הם חוקרים מה LeCun קורא "objective-driven AI".

היסוד הטכני בנוי על Joint Embedding Predictive Architecture (JEPA), framework שLeCun הגן עליו במשך שנים. במקום ליצור pixel-level predictions, שדורש משאבים חישוביים עצומים, JEPA לומדת abstract representations שתופסות את essential structure של physical systems.

תחשוב על זה כך: אדם שמצפה לכדור מתגלגל לעבר steep cliff לא מדמה כל pixel של trajectory הכדור. במקום זה, אנחנו מכירים ה-abstract situation - כדור, edge, gravity - ומנבים את ה-outcome - נפילה. JEPA שואפת לתפוס efficient, abstract reasoning זה.

השלכות על ייצור וידאו AI

מסלול מחקר זה משנה בגלל עומק עבור יישומים יצירתיים. ייצורי AI וידאו הנוכחיים מייצרים תוצאות מרשימות אבל סובלים מאי-consistency זמני. תווים יהפכו, פיזיקה תיתקע, ואובייקטים יופיעו ויעלמו.

World models מציעים possible resolution. generator שבאמת מבין פיזיקה צריך ליצור videos שבהם אובייקטים מציית consistent rules, שבהם items נשמטו נופלים predictably, שבהם reflections מתנהגות properly.

אנחנו כבר רואים early signs של transition זה. ה-GWM-1 של Runway מייצג את הbetting שלהם על world models, וה-improved physics simulation של Veo 3.1 מצביע ש-Google משלבת similar principles.

ה-AGI Connection

למה כל זה חשוב ל-AGI? כי genuine intelligence דורש יותר מ-language manipulation. זה דורש הבנת cause ו-effect, חזוי consequences, ו-planning actions בעולם פיזיקלי.

ה-researchers שמניעים את העבודה הזו זהירים שלא לטעון שהם בונים AGI. אבל הם convincingly טוענים שללא world understanding, אנחנו לא יכולים לבנות systems שבאמת חושבים במקום רק autocomplete.

מה בא הלאה

ה-next two years יהיו critical. מספר developments לצפות:

• ○ה-first public demonstrations של AMI Labs, צפויות mid-2026
• ○Integration של world models לmajor video generators
• ○Game engine companies - Unity, Unreal - הוספת world model APIs
• ○First consumer robots משתמשים בgame-trained world models

שוק המשחקים, צפוי להיות יותר מ-500 מיליארד דולר עד 2030, מייצג fertile ground לworld model deployment. משקיעים רואים world models לא רק כresearch curiosities אלא כfoundational technology לinteractive entertainment, simulation, וrobotics.

ה-Quiet Revolution

בניגוד להype ה-explosive סביב ChatGPT, ה-world models revolution מתגלגלת quietly בresearch labs וgame studios. אין viral demos, אין daily news cycles לגבי latest breakthrough.

אבל ה-implications עלולה להיות יותר profound. Language models שינו כיצד אנחנו מתקשרים עם טקסט. World models עלול לשנות איך AI מתקשר עם reality.

בשביל אלה מאיתנו העובדים בAI video generation, מחקר זה מייצג גם threat וגם opportunity. הכלים הנוכחיים שלנו עלולים להראות primitive בretrospect, כמו early CGI בהשוואה לmodern visual effects. אבל ה-underlying principle, ייצור של visual content דרך learned models, רק יהפוך יותר powerful כי models אלה מתחילות בפועל להבין את ה-worlds שהם יוצרות.

הדרך מ-video game physics ל-AGI עלולה להראות roundabout. אבל intelligence, בכל מקום שאנחנו מוצאים אותה, צומחת מ-systems שמבינות את ה-environment שלהם ויכולות חזוי ה-consequences של ה-actions שלהם. Games מעניקות לנו safe space לבנות ולtest systems כאלה. ה-robots, ה-creative tools, ואולי genuine machine understanding יבואו אחרי.