Mudelli tad-Dinja Lil hinn mil-Video: Għaliex l-Għames u r-Robotika huma l-Bażi Reali għal AGI

Meta Yann LeCun irrevelaw ir-ritirata tiegħu minn Meta biex iwiegħed AMI Labs b'appoġġ ta' €500 miljun, nqal dak li ħafna riċerkaturi kienu jemmnu bis-sħiħ għal snin. Mudelli tal-lingwa kbar, billi għal kulħadd il-kapaċitajiet straordinarji tagħhom, jirrappreżentaw ħadd mil-liga tat-triq lejn intelliġenza ġenerali artifiċjali. Jitenquw tokens mingħajr ma jifhmu r-realtà.

X'hemm bħala alternattiva? Mudelli tad-dinja. Sistemi li jitgħallmu kif taħdem id-dinja fiżika.

Il-Limitu Fundamentali tal-Mudelli tal-Lingwa

Mudelli tal-lingwa jieħdu l-grajja fil-matching tal-patterns fuq it-test. Jistgħu jiktbu poeżija, idebuggjaw kodiċi, u jżommu konverżazzjonijiet li jħossu inkredibilment umani. Iżda staqsi lil GPT-4 x'jiġri meta taħddem ballun, u jiġdep fuq deskrizzjonijiet memorizzati aktar ma intelliġenza fiżika vera.

Dan huwa importanti għax intelliġenza, kif nħossuha fid-dinja bijoloġika, hija fundamentalment miksuba f'realtà fiżika. Tfal żgħir li jitgħallmu jmaddru blokki jiddevjloppa fehim intuwittiv tal-gravità, il-balanċ, u l-proprjetajiet tal-materjal ħafna qabel ma jitgħallmu l-lingwa. Dan il-għarif imkorporat, dan is-sentiment ta' kif taħdem id-dinja, jirrappreżenta eżattament dak li l-istabbilimenti tal-AI attwali jiċċaħqdu.

Mudelli tad-dinja għandhom l-għan li jimplew dan il-vakwu. Minflok ma jtenqew it-token li jmiss, jtenqew il-frame li jmiss, l-istat fiżiku li jmiss, il-konsegwenza tal-azzjoni li jmiss.

Tliet Approċċi għall-Fhim tad-Dinja

Ir-rally għall-kostruzzjoni ta' AI li jifhem id-dinja qassam ilu f'tliet paradigmi distinti, kull waħda b'qasariet tagħha stess.

It-tielet approċċ, u forsi l-iktar promettenti, jħallat it-tnejn: tagħlim tad-dinamiki tad-dinja mill-video filwaqt li jpreserva l-kapaċità li tinteraġixxi u timmanipolawi l-ambjent. Hawnhekk il-għames jissir essenzjali.

Il-Għames: Il-Bażi tat-Tħaqqiq Perfetta

L-videos tal-għames jipprovdu xi ħaġa unika: ambjenti interattivi b'regoli fiżiki konsistenti, varjazzjoni infinita, u metriċi ta' suċċess ċari. Differentement mill-robotika tad-dinja reali, li jeħtieġ ħardwer għali u tipprezenta protezzjoni tas-sigurtà, l-għames jipprovdu falliment bla limiti mingħajr konsegwenzi.

DeepMind irrikonoxxew il-potenzjal dan bikri. Sistem Genie tagħhom jista' jiġġenera ambjenti kompletament ġodda u playable minn immaġni waħda. Agħta skeċċ ta' livell platformer, u jiġġenera dinja b'regoli fiżiki konsistenti fejn il-karattri jistgħu jaqfzu, waqgħu, u jinteraġixxu mal-oġġetti b'mod xieraq.

Xi jagħmil Genie straordinarj mhu għad il-ġenerazzjoni iżda l-fhim. Is-sistema titgħallam kunċetti fiżiki li jistgħu jiġu ġeneralizzati li jittrasferixxu fuq stili viżwali u tipi ta' għames differenti. Mudell ettrabbija fuq platformers tal-istil Mario jiddevjloppa intuzzjoni dwar il-gravità u l-kolliżjoni li s-sistema tapplika equally għall-videos tal-indie miksuba bl-user u ambjenti realistitiċi 3D.

Mill-Għames sal-Robots

Il-pipeline mill-għames sal-robotika mhux teoretika. Il-kumpaniji huma diġà qed juzawha.

L-insajt li jmudu dan il-bidla huwa sempliċi: il-fiżika hija fiżika. Mudell li verament jifhem kif oġġetti waqgħu, jiżveloq, u jitħabbtu f'videos tal-għames għandu, b'aġġustament xieraq, jifhem l-istess prinċipji fid-dinja reali. L-apparenza viżwali tibdel, iżda d-dinamiki sottostanti jibqgħu kostanti.

Tesla segwiet verżjoni ta' din l-istrateġija ma' robots Optimus tagħhom, għalluma ewwel f'simulazzjoni qabel ma jippubblikaw f'ambjenti ta' fabbrika kkontrollati. Il-fattur li jillimit kien dejjem il-vakwu bejn il-fiżika simulata u l-fiżika vera. Mudelli tad-dinja ettrabbija fuq dejta ta' videos diversa jista' finalment jibda dan il-vakwu.

Is-Sura ta' AMI Labs

L-impresa ġdida ta' Yann LeCun, AMI Labs, tirrappreżenta l-akbar invistiment wieħed f'riċerka tal-mudelli tad-dinja sa issa. B'finanziament ta' €500 miljun Ewropew u tim rekkruttat minn Meta, DeepMind, u laboratorji akademiċi, huma qed jinsistu dak li LeCun iqal "AI driven bl-għan".

Il-pedament teknik jibni fuq Joint Embedding Predictive Architecture (JEPA), qafas li LeCun appoġġja għal snin. Minflok li tiġġenera tniġħiet ta' livell pixel, li teħtieġ riżorsi komputazzjonali massivi, JEPA titgħallam rappreżentazzjonijiet astratti li jaqbdu l-istruttura essenzjali tas-sistemi fiżiki.

Ħsibu hekk: bieraħ li jħares bħal ballun joqgħod lejn ċ-cliff ma jisimulax kull pixel tat-trajettorja tal-ballun. Minflok, niraggru l-isteh astratt (ballun, tarf, gravità) u ntenqa r-riżultat (qatra). JEPA għandu l-għan jaqbdu dan ir-raġunament effiċjenti u astratt.

L-Implikazzjonijiet għall-Ġenerazzjoni tal-Video AI

Din it-trajettorja ta' riċerka hija importanza profonda għal applikazzjonijiet kreattivi. Il-ġeneratori tal-video AI attwali jipproduċu riżultati notevoli iżda jvikkjaw minn inkonsistenza temporali. Il-karattri jinbidlu forma, il-fiżika tħasra, u l-oġġetti jidhru u jisparixxi.

Mudelli tad-dinja joffru soluzzjoni potenzjali. Ġeneratur li verament jifhem il-fiżika għandu jipproduċi videos fejn oġġetti jumirx regoli konsistenti, fejn items li jaqgħu jaqgħu b'mod prevedibli, fejn ir-riflessi jfhmu b'mod korrett.

Aħna diġà qed naraw sinjali bezziegħ ta' din il-bidla. GWM-1 ta' Runway jirrappreżenta s-sura tagħhom fuq mudelli tad-dinja, u simulazzjoni fiżika mtejba ta' Veo 3.1 issuġġerixxi li Google qed tgħaqqad prinċipji simili.

Il-Konnessjoni AGI

Għaliex kollu dan huwa importanti għal intelliġenza ġenerali artifiċjali? Għax intelliġenza vera jeħtieġ aktar minn manipulazzjoni tal-lingwa. Jeħtieġ fhim ta' kawwa u effett, tniġħa tal-konsegwenzi, u ppjanizzazzjoni tal-azzjonijiet f'dinja fiżika.

Ir-riċerkaturi li jmudu dan il-ħadam jintużaw b'ħasmata ma jqissux li qed jibnu AGI. Iżda huma jargumentaw b'kunvezzjoni li mingħajr fhim tad-dinja, ma nistgħux nibnu sistemi li verament jaħsbu minflok sempliċement auto-kompletu.

X'Ġej Malajr

Is-sentejn li jmiss se jippruvaw kritiċi. Diversi sviluppi għall-ħarsa:

• ✓L-ewwel manifestazzjonijiet pubbliki ta' AMI Labs (mistenni nofs-2026)
• ✓L-integrazione ta' mudelli tad-dinja fil-ġeneratori tal-video maġġuri
• ✓Kumpaniji ta' engines tal-għames (Unity, Unreal) iżidu APIs mudell tad-dinja
• ✓L-ewwel robots tal-konsumaturi li jużaw mudelli tad-dinja ettrabbija fuq il-għames

Il-merkatu tal-għames, projett jaqbeċ $500 biljun sa 2030, jirrappreżenta art fertile għall-pubblikazzjoni ta' mudelli tad-dinja. L-investors jaraw mudelli tad-dinja mhux biss bħala kuriożità ta' riċerka iżda bħala teknoloġija fundamentali għall-entratteniment interattiv, simulazzjoni, u robotika.

Ir-Rivoluzzjoni Kalma

B'differenza mill-promozzjoni li tħarraħ madwar ChatGPT, ir-rivoluzzjoni tal-mudelli tad-dinja tinfetaħ b'kalma f'laboratorji ta' riċerka u studios tal-għames. M'hemm l-ebda demo virali, l-ebda ċiklu ta' ħabbar ġornali dwar il-breakthrough l-ħadd tal-ħamsa.

Iżda l-implikazzjonijiet jista' jkunu iktar profundu. Mudelli tal-lingwa biddlu kif ninteraġixxu mat-test. Mudelli tad-dinja jistgħu jbiddlu kif AI tinteraġixxi mal-realtà.

Għal dawk li jaħdmu fil-ġenerazzjoni ta' videos AI, din ir-riċerka tirrappreżenta kemm minatxija kemm opportunità. L-għodod attwali tagħna jista' jħossu primitivi f'perspettiva, bħal CGI bikri meta mqabbla mal-visual effects moderni. Iżda l-prinċipju sottostanti, ġenerazzjoni ta' kontenut viżwali permezz ta' mudelli mtagħluma, se jkun biss aktar qawwi hekk kif dawk mudelli jibdew jifhmu verament id-dinja li jinħolqu.

It-triq mill-fiżika ta' videos tal-għames lill-intelliġenza ġenerali artifiċjali jista' jħoss ċirkonvoluċjonut. Iżda intelliġenza, kullimkien nsibuha, emiġet minn sistemi li jifhmu l-ambjent tagħhom u jistgħu jtenqa l-konsegwenzi tal-azzjonijiet tagħhom. L-għames jagħtuna spazju sigur biex ibnu u ntestjaw sistemi bħal dawn. Robots, għodod kreattivi, u forsi fhim ta' magni vera jsegwu.