Svetovni Modeli Onkraj Videa: Zakaj so Igre in Robotika Pravo Testno Polje za AGI

Ko je Yann LeCun napovedal svoj odhod iz Meta, da bi vzpostavil AMI Labs z 500 milijoni evrov finančne podpore, je artikuliral to, kar je mnogo raziskovalcev tiho verjelo leta. Veliki jezikovni modeli, kljub vsem svojim veličastnih sposobnostim, predstavljajo slepo cesto na poti do splošne umetne inteligence. Napovedujejo tokene brez razumevanja realnosti.

Alternativa? Svetovni modeli. Sistemi, ki se učijo simulirati, kako deluje fizični svet.

Temeljno Omejitev Jezikovnih Modelov

Jezikovni modeli odličnog pri ujemanju vzorcev v besedilu. Znajo pisati poezijo, odpravljati kodo in voditi pogovore, ki se zdijo presenetljivo človeški. Vendar zaprosite GPT-4, da napove, kaj se zgodi, ko spustite žogo, in se bo zanašal na zapomnjena opisa namesto na pristne fizične intuicije.

To je pomembno, ker je inteligenca, kot jo doživljamo v biološkem svetu, temeljno zasidrana v fizični resničnosti. Majhno dete, ki se uči graditi kocke, razvije intuitivno razumevanje gravitacije, uravnoteženosti in lastnosti materiala dolgo pred učenjem jezika. To voteljesno znanje, to razumevanje, kako stvari delujejo, predstavlja natanko to, kar sodobnim sistemom umetne inteligence manjka.

Svetovni modeli se trudijo zapolniti to vrzel. Namesto da napovedujejo naslednji token, napovedujejo naslednji okvir, naslednje fizičko stanje, naslednje posledice akcije.

Trije Pristopi k Razumevanju Sveta

Dirka za gradnjo umetne inteligence, ki razume svet, se je delila na tri različne paradigme, vsaka s svojimi prednostmi.

Tretji pristop, in morda najbolj obetavajući, kombinira oboje: se uči dinamike sveta iz videa, medtem ko ohrani sposobnost interakcije z okoljem in manipuliranja z njim. Tu igre postanejo nujne.

Igre: Popolno Testno Polje

Videoigre nudijo nekaj edinstvenega: interaktivna okolja s skladnimi fizikalnimi pravili, neskončno raznolikostjo in jasnimi merili uspeha. Za razliko od robotike v stvarnem svetu, ki zahteva drahocen hardver in predstavlja varnostna tveganja, igre nudijo neomejene neuspehe brez posledic.

DeepMind je ta potencial zgodaj priznal. Njihov sistem Genius lahko generira popolnoma nova, igriva okolja iz ene slike. Dajte mu skico ravni platformerja in ustvari svet s skladno fiziko, kjer se lahko like pravilno skačejo, padajo in medsebojno delujejo s predmeti.

Kar naredi Genija izjemen, ni le generacija, temveč razumevanje. Sistem se uči posplošenih fizikalnih konceptov, ki se prenašajo čez različne vizualne stile in vrste iger. Model, usposobljen na platformerjih v stilu Maria, razvije intuicijo o gravitaciji in trkih, ki se enako dobro uporablja za ročno risane indie igre in realistična 3D okolja.

Od Iger do Robotov

Ruralna iger-robotika ni teoretična. Podjetja jo že uporabljajo.

Spoznanje, ki vodi ta prehod, je preprosto: fizika je fizika. Model, ki resnično razume, kako se predmeti padajo, drsijo in trčijo v videoigri, bi moral s primerno prilagoditev razumeti ista načela v resničnem svetu. Vidna podoba se spremeni, vendar ostane temeljna dinamika konstantna.

Tesla je sledila različici te strategije s svojimi roboti Optimus, prvo usposabljala v simulaciji pred vodenjem na nadzorovanih teh okoljejih. Omejujoči faktor je bila vedno prepast med simulirano in pravo fiziko. Svetovni modeli, usposobljeni na različnih video podatkih, bi bi končno lahko premostili to prepast.

Stavka AMI Labs

Novo podjetje Yanna LeCuna, AMI Labs, predstavlja doslej največjo posamezno naložbo v raziskovanje svetovnih modelov. S 500 milijardi evrov evropskega financiranja in ekipo, verbovano iz Meta, DeepMind in akademskih laboratorijev, izvajajo to, kar LeCun imenuje "umetna inteligenca, vodena s cilji".

Tehnični temelji se gradijo na Arhitektura Napovednega Skupnega Vgrajevanja (JEPA), ogrodja, ki ga LeCun sodi leta. Namesto generiranja napovedi na ravni pikslov, kar zahteva ogromne računske vire, se JEPA uči abstraktnih predstav, ki zajemajo bistveno strukturo fizikalnih sistemov.

Zamislite si to na ta način: oseba, ki gleda žogo, se kotali proti prepastu, ne simulira vsakega piksla poti žoge. Namesto tega prepozna abstraktno situacijo (žoga, rob, gravitacija) in napove izid (padec). JEPA se trudim, da bi zajel to učinkovito, abstraktno sklepanje.

Implikacije za Ustvarjanje Videa AI

Ta raziskovalna pot ima globoke posledice za kreativne aplikacije. Trenutni AI generatorji videa dajejo impresivne rezultate, vendar trpijo od časovne nedoslednosti. Liki se metamorfozirajo, fizika se zlomi, predmeti se pojavijo in izginejo.

Svetovni modeli ponujajo potencialno rešitev. Generator, ki res razume fiziko, bi moral proizvajati videoposnetke, kjer se predmeti držijo skladnih pravil, kjer padajoči predmeti napovedljivo padajo, kjer se refleksije obnašajo pravilno.

Že vidimo zgodnje znake tega prehoda. GWM-1 Runway predstavlja njihovo stavko na svetovne modele, in izboljšana fizikalna simulacija Veo 3.1 nakazuje, da Google vključuje podobna načela.

Povezava z AGI

Zakaj je vse to pomembno za splošno umetno inteligenco? Ker prava inteligenca zahteva več kot jezikovno manipulacijo. Zahteva razumevanje vzroka in učinka, napovedovanje posledic in načrtovanje ukrepov v fizičnem svetu.

Raziskovalci, ki vodijo to delo, previdno ne trdijo, da gradijo AGI. Vendar prepričljivo argumentirajo, da brez razumevanja sveta ne moremo zgraditi sistemov, ki resnično razmišljajo namesto da le samodejno dopolnjujejo.

Kaj Sledi

Naslednji dve leti bosta kritični. Več razvoja za spremljanje:

• ○Prve javne demonstracije AMI Labs (pričakovane v sredini leta 2026)
• ○Integracija svetovnih modelov v glavne generatorje videa
• ○Podjetja s playahem (Unity, Unreal) dodajajo API-je svetovnih modelov
• ○Prvi potrošniški roboti, ki uporabljajo svetovne modele, usposobljene v igrah

Trg iger, napovedan, da bo presegel 500 milijard dolarjev do 2030, predstavlja rodovitno prst za uvajanje svetovnih modelov. Vlagatelji vidijo svetovne modele ne le kot raziskovalne radovednosti, temveč kot temeljno tehnologijo za interaktivno zabavo, simulacijo in robotiko.

Tiha Revolucija

Za razliko od eksplozivnega hype-a okrog ChatGPT-a se revolucija svetovnih modelov odvija tiho v raziskovalnih laboratorijih in studio iger. Ni viralnih demonstracij, ni dnevnih novinskih ciklov o najnovejšem preboju.

Toda posledice bi lahko bile globje. Jezikovni modeli so spremenili, kako se ukvarjamo z besedilom. Svetovni modeli bi lahko spremenili, kako se umetna inteligenca sooča s stvarnostjo.

Za tiste med nami, ki delamo pri ustvarjanju videa AI, to raziskovanje predstavlja grožnjo in priložnost. Naša trenutna orodja se v retrospektivi morda zdijo primitivna, kot zgodnji CGI v primerjavi z modernimi vizualnimi efekti. Toda osnovni princip, ustvarjanje vizualne vsebine skozi naučene modele, bo le spremenljiv, ko se ti modeli začnejo resnično razumeti svetove, ki jih ustvarjajo.

Pot od fizike videoigre do splošne umetne inteligence se morda zdi okrožna. Toda inteligenca, ne glede na to, kje jo najdemo, se pojavi iz sistemov, ki razumejo svoje okolje in lahko napovedujo posledice svojih dejanj. Igre nam nudijo varno mesto za gradnjo in testiranje takšnih sistemov. Roboti, kreativna orodja in morda pravo razumevanje strojev bodo sledila.