Videodan Ötesi Dünya Modelleri: Oyunlar ve Robotik Neden AGI için Gerçek Kanıtlama Alanı

Yann LeCun, Meta'dan ayrılarak 500 milyon euro desteğiyle AMI Labs'ı kurmayı açıkladığında, birçok araştırmacının yıllar boyunca sessizce inanmış olduğu şeyi söyledi. Büyük dil modelleri, tüm etkileyici yeteneklerine rağmen, yapay genel zekaya giden yolda bir ölüm culu temsil ediyor. Gerçekliği anlamadan kelimeler öngörüyorlar.

Alternatif nedir? Dünya modelleri. Fiziksel dünyanın nasıl çalıştığını simüle etmeyi öğrenen sistemler.

Dil Modellerinin Temel Sınırlaması

Dil modelleri metin içinde örüntü eşleştirmede mükemmeldir. Şiir yazabilirler, kodu hata ayıklayabilirler ve şaşırtıcı ölçüde insan gibi görünen sohbetler yapabilirler. Ama GPT-4'ten bir topu bıraktığında ne olacağını sorun, ve gerçek fiziksel sezgi yerine hafızaya alınmış açıklamalara güvenecektir.

Bu önemlidir çünkü zeka, biyolojik dünyada deneyimlediğimiz gibi, temel olarak fiziksel gerçeğe köklenmiştir. Blok yığmayı öğrenen bir çocuk, dil öğrenmeden çok daha önce yer çekimi, dengeyi ve malzeme özelliklerini sezgisel olarak anlar. Bu somutlaştırılmış biliş, dünyanın nasıl çalıştığını bilen bu his, tam da mevcut yapay zeka sistemlerinde eksik olandır.

Dünya modelleri bu boşluğu doldurmayı amaçlamaktadır. Bir sonraki belirteci tahmin etmek yerine, sonraki çerçeveyi, sonraki fiziksel durumu, bir eylemin sonraki sonucunu tahmin ederler.

Dünya Anlayışının Üç Yaklaşımı

Dünyayı anlayan yapay zeka oluşturma yarışı üç farklı paradigmaya bölünmüştür ve her birinin farklı güçleri vardır.

Üçüncü yaklaşım, ve belki en umut verici olanı, her ikisini de birleştirir: videodan dünya dinamiklerini öğrenirken ortamla etkileşim kurma ve işleme yeteneğini korumalı. Burası oyunların önemli hale geldiği yerdir.

Oyunlar: Mükemmel Eğitim Alanı

Video oyunları benzersiz bir şey sağlar: tutarlı fizik kurallarına sahip etkileşimli ortamlar, sonsuz çeşitlilik ve açık başarı metrikleri. Pahalı donanım gerektiren ve güvenlik endişeleri taşıyan gerçek dünya robotiğinin aksine, oyunlar sonuçsuz sınırsız başarısızlık sunarlar.

DeepMind bu potansiyeli erken tanıdı. Onların Genie sistemi tek bir görüntüden tamamen yeni oynanabilir ortamlar üretebilir. Bir platformer seviyesinin taslağını verin ve tutarlı fiziğe sahip bir dünya yaratır, burada karakterler uygun şekilde zıplayabilir, düşebilir ve nesnelerle etkileşim kurabilir.

Genie'yi olağanüstü kılan şey sadece nesil değil anlayıştır. Sistem, farklı görsel stiller ve oyun türleri arasında aktarılabilen genelleştirilebilir fizik kavramlarını öğrenir. Mario tarzı platformlarda eğitilen bir model, yer çekimi ve çarpışma hakkında Mario tarzı platformlarda, el çizilmiş bağımsız oyunlarda ve gerçekçi 3D ortamlarda eşit olarak geçerli olan sezgiler geliştirir.

Oyunlardan Robotlara

Oyun temelli robotik dirseği teorik değildir. Şirketler zaten kullanıyor.

Bu geçişi yönlendiren içgörü basittir: fizik fiziğin fiziğidir. Bir video oyununda nesnelerin nasıl düştüğünü, kaydığını ve çarpıştığını gerçekten anlayan bir model, uygun uyarlama ile gerçek dünyada aynı ilkeleri anlayabilmelidir. Görsel görünüş değişir, ancak temel dinamikler sabit kalır.

Tesla, Optimus robotlarıyla bu stratejinin bir versiyonunu takip ettiler, simülasyonda eğittikten sonra kontrollü fabrika ortamlarına dağıtmadan önce. Sınırlayıcı faktör her zaman simüle ve gerçek fizik arasındaki fark olmuştur. Çeşitli video verilerinde eğitilen dünya modelleri, sonunda bu boşluğu kapatabilir.

AMI Labs Bahsi

Yann LeCun'ın yeni girişimi, AMI Labs, dünya modeli araştırmasında şimdiye kadarki en büyük tek yatırımı temsil ediyor. 500 milyon euro Avrupa finansmanı ve Meta, DeepMind ve akademik laboratuvarlardan işe alınan bir ekiple, LeCun'un "amaç odaklı yapay zeka" dediği şeyi takip ediyor.

Teknik temel, Joint Embedding Predictive Architecture (JEPA) üzerinde inşa edilmiştir; bu bir çerçeve LeCun yıllardan beri savunuyor. Büyük bilgi işlem kaynakları gerektiren pixel seviyesi tahminler üretmek yerine, JEPA fiziksel sistemlerin temel yapısını yakalayan soyut gösterimleri öğrenir.

Bunu şöyle düşünün: bir kayayı uçuruma doğru yuvarlanırken izleyen bir kişi topun yörüngesinin her pikselini simüle etmez. Bunun yerine, soyut durumu tanıyız - top, kenar, yer çekimi - ve sonucu tahmin ederiz - düşme. JEPA bu etkili, soyut muhakemeyi yakalamayı amaçlamaktadır.

Yapay Zeka Video Oluşturmaya Etkileri

Bu araştırma yörüngesi yaratıcı uygulamalar için derin öneme sahiptir. Mevcut yapay zeka video üreteçleri etkileyici sonuçlar üretir ancak zamansal tutarsızlıktan muzdariptir. Karakterler şekil değiştirir, fizik kırılır, ve nesneler görünür ve kaybolur.

Dünya modelleri olası bir çözüm sunar. Fiziği gerçekten anlayan bir üretici, nesnelerin tutarlı kuralları izlediği, düşen maddelerin öngörülebilir şekilde düştüğü, yansımaların doğru davrandığı videolar üretmelidir.

Bu geçişin erken belirtilerini zaten görüyoruz. Runway'in GWM-1, dünya modelleri hakkındaki bahislerini temsil ediyor ve Veo 3.1'in geliştirilmiş fizik simülasyonu Google'ın benzer ilkeleri dahil ettiğini gösteriyor.

AGI Bağlantısı

Bunun hepsi neden AGI için önemli? Çünkü gerçek zeka, dil manipülasyonundan fazlasını gerektirir. Sebep ve sonuç anlayışını, sonuçları tahmin etmeyi ve fiziksel dünyada eylemler planlamayı gerektirir.

Bu işi yönlendiren araştırmacılar, yapay genel zeka inşa ettiğini iddia etmekten dikkatli kalırlar. Ancak, ikna edici bir şekilde, dünya anlayışı olmadan, gerçekten sadece otomatik tamamlamak yerine düşünen sistemler kuramayacağımızı tartışırlar.

Sonra Ne Gelir

Sonraki iki yıl kritik olacaktır. Göz atılması gereken birkaç gelişme var:

• ○AMI Labs ilk halka açık gösterileri, 2026 ortasında bekleniyor
• ○Dünya modellerinin büyük video üreteçlere entegrasyonu
• ○Oyun motoru şirketleri - Unity, Unreal - dünya modeli API'leri ekliyor
• ○Oyunda eğitilen dünya modellerini kullanan ilk tüketici robotları

Oyun pazarı, 2030 yılına kadar 500 milyar doları aşması bekleniyor, dünya modeli dağıtımı için verimli bir yer temsil ediyor. Yatırımcılar dünya modellerini yalnızca araştırma merakları olarak değil, etkileşimli eğlence, simülasyon ve robotik için temel teknoloji olarak görmektedir.

Sessiz Devrim

ChatGPT'nin etrafındaki patlayıcı hype'ın aksine, dünya modelleri devrimleri araştırma laboratuvarlarında ve oyun stüdyolarında sessizce gerçekleşiyor. Viral demolar yok, en son atılım hakkında günlük haber döngüleri yok.

Ancak çıkarımlar daha derin olabilir. Dil modelleri metinle nasıl etkileşim kurduğumuzu değiştirdi. Dünya modelleri, yapay zekanın gerçeklikle etkileşim kurma şeklini değiştirebilir.

Yapay zeka video oluşturmada çalışanlarımız arasından bu araştırma, tehdit ve fırsatı temsil ediyor. Mevcut araçlarımız geriye dönük olarak ilkel görünebilir, modern görsel efektlere kıyasla erken CGI gibi. Ancak temel ilke, öğrenilmiş modeller aracılığıyla görsel içerik üretimi, bu modeller yaratıkları gerçekten anlamaya başladıkça gittikçe daha güçlü hale gelecektir.

Video oyunu fiziğinden AGI'ye giden yol kıvrımlı görünebilir. Ancak zeka, onu nerede buluşuz, kendi ortamını anlayan ve eylemlerinin sonuçlarını tahmin edebilen sistemlerden ortaya çıkıyor. Oyunlar bu tür sistemleri oluşturmak ve test etmek için güvenli bir alan sağlarlar. Robotlar, yaratıcı araçlar ve belki de gerçek makine anlayışı izleyecektir.