Algunos expertos consideran que la capacidad de simular el mundo (modelo mundial) es el siguiente gran paso para que la IA "perciba" y recree el mundo físico.
Varias empresas o laboratorios están impulsando capacidades de modelado mundial para la IA. Entre ellos, los World Labs del profesor Fei-Fei Li, uno de los pioneros de la IA, recaudaron 230 millones de dólares para construir un "gran modelo mundial". Google DeepMind también contrató a Tim Brooks, jefe del equipo de Sora, y a otro experto, William Peebles, para desarrollar un "simulador mundial".
"Las imágenes del mundo que nos rodea que tenemos en la cabeza son sólo modelos. Nadie en su cabeza puede imaginar un mundo entero, un gobierno o un país. La gente sólo elige conceptos y relaciones entre ellos, y los utiliza para representar el sistema real" , según la definición de modelo mental dada en el libro Counterintuitive Behavior of Social Systems de Jay Wright Forrester, ingeniero informático, teórico de la gestión y científico de sistemas. Americano, escrito en 1971.
Ilustración del "mundo de la IA". Foto de : Novita
World Model se considera el sucesor de Mental Model, ambos inspirados en el cerebro humano. El cerebro toma representaciones abstractas de los sentidos, formando así una comprensión concreta del mundo circundante. Las predicciones que hace el cerebro basándose en modelos influyen en cómo una persona percibe el mundo.
Dos investigadores, David Ha y Jürgen Schmidhuber, ponen como ejemplo el juego de los jugadores de béisbol. Estas personas sólo tienen un milisegundo para decidir cómo hacer swing con el palo y este parámetro es más corto que el tiempo necesario para enviar señales desde la visión al cerebro. Para ello, necesitan predecir cómo y dónde se lanzará la pelota antes de que llegue.
"Este es el aspecto para que la IA alcance el nivel humano si se aplica el Modelo Mundial", escribieron Ha y Schmidhuber en un informe conjunto publicado en Github.
Según los expertos, las IA que crean vídeos a partir de texto, como Sora, caen en el llamado "valle inquietante". Dicho esto, los vídeos generados por IA tienen muchos defectos, especialmente con movimientos rápidos, en parte porque el algoritmo no puede predecir el siguiente "patrón", como lo hace el cerebro humano.
Según TechCrunch, las herramientas de inteligencia artificial que generan videos ahora pueden predecir con precisión el rebote de una pelota de baloncesto, pero en realidad no saben por qué. Del mismo modo, los modelos de lenguaje tampoco comprenden realmente los conceptos detrás de las palabras y frases.
Sin embargo, World Model hace que la IA sea verdaderamente inteligente al "comprender" por qué rebota la pelota. Para obtener esa información, el modelo mundial debe entrenarse con una variedad de tipos de datos, como fotografías, audio, video y texto, con el objetivo de hacer inferencias internas sobre cómo funciona el mundo y qué es posible explicar los resultados de las acciones. .
"Los espectadores esperan que lo que ven se comporte como lo hace en la realidad", dijo a TechCrunch Alex Mashrabov, ex director de inteligencia artificial de Snap y director ejecutivo de la empresa mundial de modelos Higgsfield. "Un motor de modelo mundial suficientemente potente comprenderá cómo se mueve un objeto en lugar de tener que esperar a que el creador 'dibuje líneas' para que se mueva".
Pero crear mejores vídeos es sólo una parte de lo que hace World Model. Los principales investigadores de IA, como Yann LeCun, director de IA de Meta, predicen que algún día podrían usarse para pronósticos y planificación sofisticados tanto en el ámbito digital como en el físico.
A principios de este año, LeCun describió cómo World Model puede ayudar a un sistema de IA a lograr un objetivo deseado mediante la inferencia. Un modelo toma una historia inicial, por ejemplo un video de una habitación sucia, le asigna el objetivo de una habitación limpia y una secuencia de acciones para lograr ese objetivo, como desplegar una aspiradora para barrer, lavar los platos, sacar la basura. . Durante este proceso, la IA no sólo reconoce a través de cámaras y sensores, sino que también "sabe" a un nivel más profundo cómo pasar de lo sucio a lo limpio.
"Necesitamos máquinas que entiendan el mundo, puedan recordar cosas, tengan intuición, sentido común, algo que pueda razonar y planificar al mismo nivel humano", afirmó LeCun. "Los sistemas de IA actuales no son capaces de hacer ninguna de esas cosas. Puede pasar una década antes de que aparezcan".
OpenAI dice que Sora puede considerarse un modelo mundial primitivo cuando se trata de simular acciones, como un pintor que deja pinceladas sobre un lienzo. Sin embargo, la compañía también admitió que llevará mucho tiempo completar la función.
A pesar de su gran potencial, construir el Modelo Mundial es costoso, ya que requiere una enorme potencia informática en comparación con la actual. Se estima que una pequeña herramienta puede consumir miles de las GPU más potentes para entrenamiento.
Además, la cantidad de datos de entrada para World Model también es muchas veces mayor que la de los grandes modelos de lenguaje existentes. "Los datos de entrenamiento para el modelo deben ser lo suficientemente amplios como para cubrir un conjunto diverso de escenarios, pero deben ser muy específicos para que la IA comprenda profundamente los matices de ese escenario", comenta Mashrabov de Higgsfield. "La falta de datos está frenando el progreso".
Cristóbal Valenzuela, director ejecutivo de Runway AI, también cree que los datos son la mayor barrera en el camino hacia la construcción de World Model. "Los modelos requieren una gran cantidad de datos e ingeniería para crear un mapa consistente del entorno y la capacidad de navegar e interactuar dentro de ese entorno", escribió Valenzuela en una publicación de blog.
Sin embargo, Mashrabov cree que si se superan todas estas barreras, World Model será "más fuerte" a la hora de conectar la IA con el mundo real, especialmente cuando se combine con robots.
"Los robots de hoy tienen una capacidad limitada para realizar un trabajo porque no son conscientes de su entorno. World Model puede proporcionarles esa capacidad", dijo. "Con un modelo avanzado, la IA puede desarrollar una comprensión personal de cualquier escenario en el que se encuentre y comenzar a inferir posibles soluciones".
