वीडियो से परे वर्ल्ड मॉडल: गेमिंग और रोबोटिक्स AGI के असली परीक्षा क्षेत्र क्यों हैं

जब Yann LeCun ने Meta से अपना विदाई की घोषणा की और €500 मिलियन की बैकिंग के साथ AMI Labs लॉन्च किया, तो उन्होंने वह व्यक्त किया जो कई शोधकर्ता वर्षों से चुप रहकर मानते आ रहे हैं। बड़े भाषा मॉडल, अपनी सभी प्रभावशाली क्षमताओं के बावजूद, कृत्रिम सामान्य बुद्धिमत्ता के मार्ग पर एक मृत अंत का प्रतिनिधित्व करते हैं। वे बिना वास्तविकता को समझे टोकन की भविष्यवाणी करते हैं।

विकल्प क्या है? वर्ल्ड मॉडल। ऐसी प्रणालियां जो सीखती हैं कि भौतिक दुनिया कैसे काम करती है।

भाषा मॉडल की मौलिक सीमा

भाषा मॉडल पाठ पर पैटर्न मिलान में उत्कृष्ट हैं। वे कविता लिख सकते हैं, कोड को ठीक कर सकते हैं, और ऐसी बातचीत कर सकते हैं जो काफी हद तक मानव जैसी लगती हैं। लेकिन GPT-4 से पूछें कि गेंद गिरने पर क्या होता है, और यह स्मृति से भरे विवरण पर निर्भर करता है, वास्तविक भौतिक अंतर्ज्ञान पर नहीं।

यह महत्वपूर्ण है क्योंकि बुद्धिमत्ता, जैसा कि हम इसे जैविक दुनिया में अनुभव करते हैं, मौलिक रूप से भौतिक वास्तविकता में निहित है। एक छोटा बच्चा ब्लॉक को ढेर करना सीखते हुए गुरुत्वाकर्षण, संतुलन, और सामग्री गुणों की सहज समझ विकसित करता है, भाषा सीखने से बहुत पहले। यह अंतर्निहित संज्ञान, यह ज्ञान कि दुनिया कैसे काम करती है, वास्तव में वही है जो वर्तमान AI सिस्टम में कमी है।

वर्ल्ड मॉडल इस अंतर को भरने का लक्ष्य रखते हैं। अगले टोकन की भविष्यवाणी करने के बजाय, वे अगली फ्रेम, अगली भौतिक स्थिति, कार्य के अगले परिणाम की भविष्यवाणी करते हैं।

विश्व समझ के लिए तीन दृष्टिकोण

विश्व-समझ AI बनाने की दौड़ तीन अलग-अलग प्रतिमानों में विभाजित हुई है, प्रत्येक की अपनी शक्तियां हैं।

तीसरा दृष्टिकोण, और शायद सबसे वादा दिखाने वाला, दोनों को जोड़ता है: वीडियो से विश्व गतिशीलता सीखना जबकि पर्यावरण के साथ इंटरैक्ट करने और हेरफेर करने की क्षमता बनाए रखना। यहां गेमिंग आवश्यक हो जाता है।

गेमिंग: परीक्षा का परफेक्ट मैदान

वीडियो गेम कुछ अनोखा प्रदान करते हैं: सुसंगत भौतिकी नियमों वाले इंटरैक्टिव पर्यावरण, अनंत विविधता, और स्पष्ट सफलता के मापदंड। वास्तविक-दुनिया रोबोटिक्स के विपरीत, जिसके लिए महंगे हार्डवेयर की आवश्यकता होती है और सुरक्षा चिंताएं प्रस्तुत करता है, गेम बिना परिणाम के असीमित विफलता प्रदान करते हैं।

DeepMind ने यह संभावना जल्दी पहचानी। उनकी Genie प्रणाली एक ही छवि से बिल्कुल नए खेलने योग्य वातावरण उत्पन्न कर सकती है। इसे प्लेटफॉर्मर स्तर का एक स्केच दें, और यह सुसंगत भौतिकी वाली एक दुनिया बनाता है जहां पात्र कूद सकते हैं, गिर सकते हैं, और वस्तुओं के साथ उचित तरीके से इंटरैक्ट कर सकते हैं।

Genie को अद्भुत बनाने वाली बात केवल पीढ़ी नहीं बल्कि समझ है। प्रणाली सामान्य भौतिकी अवधारणाएं सीखती है जो विभिन्न दृश्य शैलियों और गेम प्रकारों में स्थानांतरित होती हैं। एक मॉडल जो Mario जैसे प्लेटफॉर्मर पर प्रशिक्षित होता है, गुरुत्वाकर्षण और टकराव के बारे में अंतर्ज्ञान विकसित करता है जो हाथ से खींचे गए इंडी गेम और यथार्थवादी 3D वातावरण दोनों पर समान रूप से लागू होते हैं।

गेम से रोबोट तक

गेमिंग-से-रोबोटिक्स पाइपलाइन सैद्धांतिक नहीं है। कंपनियां पहले से इसका उपयोग कर रही हैं।

इस परिवर्तन को चलाने वाली अंतर्दृष्टि सरल है: भौतिकी भौतिकी है। एक मॉडल जो वास्तव में समझता है कि वीडियो गेम में वस्तुएं कैसे गिरती, स्लाइड करती, और टकराती हैं, उचित अनुकूलन के साथ, वास्तविक दुनिया में एक ही सिद्धांतों को समझना चाहिए। दृश्य उपस्थिति बदलती है, लेकिन अंतर्निहित गतिशीलता स्थिर रहती है।

Tesla ने अपने Optimus रोबोट के साथ इस रणनीति का एक संस्करण अपनाया है, पहले सिमुलेशन में प्रशिक्षण देते हुए नियंत्रित कारखाने के वातावरण में तैनाती से पहले। सीमित कारक हमेशा सिम्युलेटेड और वास्तविक भौतिकी के बीच का अंतर रहा है। विविध वीडियो डेटा पर प्रशिक्षित विश्व मॉडल अंत में उस अंतर को पाट सकते हैं।

AMI Labs का दांव

Yann LeCun का नया उद्यम, AMI Labs, विश्व मॉडल अनुसंधान में सबसे बड़ा एकल निवेश का प्रतिनिधित्व करता है। €500 मिलियन यूरोपीय फंडिंग और Meta, DeepMind, और शैक्षणिक प्रयोगशालाओं से भर्ती की गई टीम के साथ, वे वह कर रहे हैं जिसे LeCun "उद्देश्य-संचालित AI" कहते हैं।

तकनीकी आधार Joint Embedding Predictive Architecture (JEPA) पर बनता है, एक ढांचा जिसे LeCun वर्षों से समर्थन दे रहे हैं। पिक्सल-स्तर की भविष्यवाणी उत्पन्न करने के बजाय, जिसे विशाल कम्प्यूटेशनल संसाधनों की आवश्यकता है, JEPA अमूर्त प्रतिनिधित्व सीखता है जो भौतिक प्रणालियों की आवश्यक संरचना को कैप्चर करता है।

इसे इस तरह सोचें: एक मनुष्य जो एक गेंद को पहाड़ी की ओर लुढ़कते हुए देखता है, गेंद के प्रक्षेपवक्र के हर पिक्सल को सिम्युलेट नहीं करता है। इसके बजाय, हम अमूर्त स्थिति को पहचानते हैं (गेंद, किनारा, गुरुत्वाकर्षण) और परिणाम की भविष्यवाणी करते हैं (गिरना)। JEPA इस कुशल, अमूर्त तर्क को कैप्चर करने का लक्ष्य रखता है।

AI वीडियो जनरेशन के लिए निहितार्थ

यह अनुसंधान प्रक्षेपवक्र रचनात्मक अनुप्रयोगों के लिए गहराई से मायने रखता है। वर्तमान AI वीडियो जनरेटर प्रभावशाली परिणाम पैदा करते हैं लेकिन अस्थायी असंगति से पीड़ित हैं। पात्र रूप बदलते हैं, भौतिकी टूटती है, और वस्तुएं प्रकट और गायब होती हैं।

वर्ल्ड मॉडल एक संभावित समाधान प्रदान करते हैं। एक जनरेटर जो वास्तव में भौतिकी को समझता है, ऐसे वीडियो का उत्पादन करना चाहिए जहां वस्तुएं सुसंगत नियमों का पालन करती हैं, जहां गिराई गई वस्तुएं अनुमानित रूप से गिरती हैं, जहां प्रतिबिंब सही व्यवहार करते हैं।

हम पहले से ही इस परिवर्तन के शुरुआती संकेत देख रहे हैं। Runway का GWM-1 विश्व मॉडल पर उनका दांव है, और Veo 3.1 की सुधारी हुई भौतिकी सिमुलेशन सुझाती है कि Google समान सिद्धांतों को शामिल कर रहा है।

AGI कनेक्शन

यह सब कृत्रिम सामान्य बुद्धिमत्ता के लिए क्यों मायने रखता है? क्योंकि सत्य बुद्धिमत्ता के लिए केवल भाषा हेरफेर से अधिक की आवश्यकता होती है। इसके लिए कारण और प्रभाव को समझना, परिणामों की भविष्यवाणी करना, और भौतिक दुनिया में कार्यों की योजना बनानी आवश्यक है।

इस काम को चलाने वाले शोधकर्ता सावधानी से दावा नहीं करते हैं कि वे AGI बना रहे हैं। लेकिन वे कायल तरीके से तर्क देते हैं कि विश्व समझ के बिना, हम ऐसी प्रणालियां नहीं बना सकते जो सचमुच सोचती हैं न कि केवल ऑटो-पूर्ण करती हैं।

अगला क्या होगा

अगले दो वर्ष महत्वपूर्ण साबित होंगे। कई विकास जिन पर नजर रखनी है:

• ○AMI Labs पहली सार्वजनिक प्रदर्शनी (2026 के मध्य की अपेक्षा)
• ○विश्व मॉडल का प्रमुख वीडियो जनरेटर में एकीकरण
• ○गेम इंजन कंपनियों (Unity, Unreal) द्वारा विश्व मॉडल API जोड़ना
• ○गेम-प्रशिक्षित विश्व मॉडल का उपयोग करने वाले पहले उपभोक्ता रोबोट

2030 तक $500 बिलियन से अधिक होने के लिए प्रक्षेपित गेमिंग बाजार, विश्व मॉडल तैनाती के लिए उपजाऊ जमीन का प्रतिनिधित्व करता है। निवेशक विश्व मॉडल को केवल अनुसंधान जिज्ञासा के रूप में नहीं बल्कि इंटरैक्टिव मनोरंजन, सिमुलेशन, और रोबोटिक्स के लिए आधारभूत प्रौद्योगिकी के रूप में देखते हैं।

शांत क्रांति

ChatGPT के आसपास विस्फोटक प्रचार के विपरीत, विश्व मॉडल क्रांति शोध प्रयोगशालाओं और गेम स्टूडियो में चुप ढंग से सामने आती है। कोई वायरल डेमो नहीं हैं, नवीनतम सफलता के बारे में कोई दैनिक समाचार चक्र नहीं।

लेकिन निहितार्थ अधिक गहरे हो सकते हैं। भाषा मॉडल ने बदल दिया कि हम पाठ के साथ कैसे इंटरैक्ट करते हैं। विश्व मॉडल बदल सकते हैं कि AI वास्तविकता के साथ कैसे इंटरैक्ट करता है।

उन लोगों के लिए जो AI वीडियो जनरेशन में काम कर रहे हैं, यह अनुसंधान खतरे और अवसर दोनों का प्रतिनिधित्व करता है। हमारे वर्तमान उपकरण पूर्वव्यापी रूप से आदिम लग सकते हैं, जैसे आधुनिक विज़ुअल इफेक्ट्स की तुलना में शुरुआती CGI। लेकिन अंतर्निहित सिद्धांत, सीखे गए मॉडल के माध्यम से दृश्य सामग्री उत्पन्न करना, केवल तब और शक्तिशाली होगा जब वे मॉडल वास्तव में उन दुनिया को समझने लगें जिन्हें वे बनाते हैं।

वीडियो गेम भौतिकी से कृत्रिम सामान्य बुद्धिमत्ता तक का पथ गोल-मटोल लग सकता है। लेकिन बुद्धिमत्ता, जहां भी हम इसे पाते हैं, उन प्रणालियों से उभरती है जो अपने पर्यावरण को समझती हैं और अपने कार्यों के परिणामों की भविष्यवाणी कर सकती हैं। गेम हमें ऐसी प्रणालियों को बनाने और परीक्षण करने के लिए एक सुरक्षित स्थान देते हैं। रोबोट, रचनात्मक उपकरण, और शायद सत्य मशीन समझ अनुसरण करेगी।