AI-szimulációk milliárdos lehetőségei a világmodellekben

Az elmúlt években az AI-t leginkább nagyméretű nyelvi modellek (LLM) kapcsán ismertük meg. Azonban egyre inkább előtérbe kerülnek az úgynevezett „világmodellek”, amelyek a fizikai világ szimulációjára törekszenek, vagy legalábbis annak hasznos közelítésére. Ez a terület hatalmas kutatási és termékfejlesztési potenciált ígér.

Szakértők, mint Vincent Sitzmann (MIT), Anastasis Germanidis (Runway) és Ben Mildenhall (World Labs) szerint az LLM-ekkel ellentétben, amelyek először felületet (chat), majd használati esetet kerestek, a világmodellek specifikus alkalmazásokkal indulnak, mint a robotika, kutatás vagy tartalomgenerálás. Azonban az új rendszerek és eszközök végső formája még nem tisztázott.

Kapcsolódó: AI-ügynökök fejlődése

Az LLM-ek korlátainak meghaladása

Yann LeCun, a Meta korábbi AI-kutatója szerint az LLM-ek emberi szintű intelligenciát meghaladó képességeinek kiterjesztése „teljes képtelenség”. Hasonló véleményt fogalmazott meg Fei-Fei Li, a World Labs társalapítója is, aki szerint az LLM-ek „szavak mesterei a sötétben”, míg a térbeli intelligencia forradalmasíthatja a valós és virtuális világok létrehozását és interakcióját.

Kapcsolódó: Hamilton-modell megbízhatósága

Clem Delangue, a Hugging Face vezérigazgatója is úgy véli, hogy az LLM-piac „buboréka jövőre kipukkanhat”, de az AI ennél sokkal szélesebb körben alkalmazható, különösen a biológia, kémia, kép-, hang- és videófeldolgozás terén.

Kapcsolódó: XAI és szimulációk kapcsolata

Milliárdos befektetések a világmodellekbe

Az elmúlt hónapokban a világmodellek kutatási témából új kereskedelmi projektek és jelentős finanszírozási körök alapjává váltak. A Google DeepMind augusztusban mutatta be a Genie 3 modellt, amely videógenerálási alapokon építkezve valós idejű interaktivitást kínál. Novemberben a World Labs a Marble eszközkészletet jelentette be, amely szöveges, képi vagy videós bemenet alapján generál immerszív környezeteket.

Decemberben a Runway bemutatta GWM-1 modellcsaládját, melyet videómodelljeikre építettek. Yann LeCun pedig elindította az Advanced Machine Intelligence (AMI) céget, amely a fizikai világgal interakcióba lépő modellekre fogad. A World Labs és az AMI állítólag közel egymilliárd dollárt, a Runway pedig 315 millió dollárt gyűjtött februárban.

Kapcsolódó: AGWM robotviselkedés-jóslat

Mi is pontosan egy világmodell?

Vincent Sitzmann, a MIT professzora szerint a világmodell „bármely olyan modell, amely egy interakciót vesz igénybe, és ebből képes szimulálni, mi fog történni a következő lépésben egy adott környezetben.” A Runway definíciója szerint a világmodell „egy olyan AI-rendszer, amely belső reprezentációt épít egy környezetről, és azt használja a jövőbeli események szimulálására.”

Kapcsolódó: MetaWorld AI-szinkronizáció

Ben Mildenhall, a World Labs társalapítója kiemelte, hogy a világmodelleket az LLM-ektől a térbeli és „folyamatos” megértés különbözteti meg. Míg az LLM-ek lépésről lépésre, szöveges párbeszédben működnek, a világmodellek szinkron, valós idejű rendszerekként funkcionálnak.