A capacidade de simular o mundo (Modelo Mundial) é considerada por alguns especialistas como o próximo grande passo para a IA “perceber” e recriar o mundo físico.
Várias empresas ou laboratórios estão promovendo recursos de modelagem mundial para IA. Entre eles, o World Labs do professor Fei-Fei Li, um dos pioneiros da IA, arrecadou 230 milhões de dólares para construir um “grande modelo mundial”. O Google DeepMind também contratou Tim Brooks, chefe da equipe Sora, e outro especialista, William Peebles, para desenvolver um "simulador mundial".
"As imagens do mundo ao nosso redor que temos em nossas cabeças são apenas modelos. Ninguém em sua cabeça pode imaginar um mundo inteiro, um governo ou um país. As pessoas apenas escolhem conceitos e relações entre eles, e os usam para representar o sistema real" , de acordo com a definição de Modelo Mental dada no livro Comportamento Contraintuitivo de Sistemas Sociais de Jay Wright Forrester, engenheiro de computação, cientista da computação, teórico de gestão e cientista de sistemas Americano, escrito em 1971.
Ilustração do "mundo da IA". Foto: Novita
O World Model é considerado o sucessor do Mental Model, ambos inspirados no cérebro humano. O cérebro obtém representações abstratas dos sentidos, formando assim uma compreensão concreta do mundo circundante. As previsões que o cérebro faz com base em modelos influenciam a forma como uma pessoa percebe o mundo.
Dois pesquisadores David Ha e Jürgen Schmidhuber usam o exemplo de como os jogadores de beisebol jogam. Essas pessoas têm apenas um milissegundo para decidir como balançar o taco e esse parâmetro é menor que o tempo necessário para enviar sinais da visão ao cérebro. Para fazer isso, eles precisam prever como e onde a bola será lançada antes de chegar.
“Este é o aspecto para a IA atingir o nível humano se aplicar o Modelo Mundial”, escreveram Ha e Schmidhuber em um relatório conjunto publicado no Github.
Segundo especialistas, IAs que criam vídeos a partir de texto, como Sora, caem no chamado “vale misterioso”. Dito isso, os vídeos gerados por IA têm muitas falhas, especialmente com movimento rápido, em parte porque o algoritmo não consegue prever o próximo “padrão”, como o cérebro humano faz.
De acordo com o TechCrunch, as ferramentas de IA de geração de vídeo agora podem prever com precisão o salto de uma bola de basquete, mas na verdade não sabem por quê. Da mesma forma, os modelos de linguagem também não entendem realmente os conceitos por trás das palavras e frases.
No entanto, o Modelo Mundial torna a IA verdadeiramente inteligente ao “compreender” por que a bola quica. Para obter essa percepção, o Modelo Mundial precisa ser treinado em uma variedade de tipos de dados, como fotos, áudio, vídeo e texto, com o objetivo de fazer inferências internas sobre como o mundo funciona e o que é possível explicar os resultados das ações. .
"Os espectadores esperam que o que veem se comporte como na realidade", disse Alex Mashrabov, ex-chefe de IA da Snap e CEO da empresa mundial de modelagem Higgsfield, ao TechCrunch. "Um mecanismo de Modelo Mundial suficientemente poderoso entenderá como um objeto se move, em vez de ter que esperar que o criador 'desenhe linhas' para que ele se mova."
Mas criar vídeos melhores é apenas parte do que o World Model faz. Os principais pesquisadores de IA, como Yann LeCun, diretor de IA da Meta, prevêem que um dia eles poderão ser usados para previsões e planejamento sofisticado tanto no domínio digital quanto no físico.
No início deste ano, LeCun descreveu como o Modelo Mundial pode ajudar um sistema de IA a atingir um objetivo desejado por meio de inferência. Um modelo pega uma história inicial, por exemplo, um vídeo de uma sala suja, dá a ela o objetivo de uma sala limpa e uma sequência de ações para atingir esse objetivo, como usar um aspirador de pó para varrer, lavar a louça, tirar o lixo. . Durante esse processo, a IA não apenas reconhece por meio de câmeras e sensores, mas também “sabe” em um nível mais profundo como passar do sujo ao limpo.
“Precisamos de máquinas que entendam o mundo, possam lembrar-se de coisas, tenham intuição, tenham bom senso – algo que possa raciocinar e planejar no mesmo nível humano”, disse LeCun. “Os sistemas atuais de IA não são capazes de fazer nenhuma dessas coisas. Pode levar uma década até que eles apareçam.”
OpenAI diz que Sora pode ser considerado um modelo de mundo primitivo quando se trata de simular ações, como um pintor deixando pinceladas na tela. No entanto, a empresa também admitiu que demorará muito para concluir o recurso.
Apesar do seu grande potencial, a construção do Modelo Mundial é dispendiosa, pois requer um enorme poder computacional em comparação com o presente. Estima-se que uma pequena ferramenta possa consumir milhares das GPUs mais poderosas para treinamento.
Além disso, a quantidade de dados de entrada para o Modelo Mundial também é muitas vezes maior do que os grandes modelos de linguagem existentes. “Os dados de treinamento do modelo devem ser amplos o suficiente para cobrir um conjunto diversificado de cenários, mas devem ser muito específicos para que a IA compreenda profundamente as nuances desse cenário”, comenta Mashrabov, de Higgsfield. “A falta de dados está retardando o progresso”.
Cristóbal Valenzuela, CEO da Runway AI, também acredita que os dados são a maior barreira no caminho para a construção do Modelo Mundial. “Os modelos exigem muitos dados e engenharia para criar um mapa consistente do ambiente e a capacidade de navegar e interagir dentro desse ambiente”, escreveu Valenzuela em um blog.
No entanto, Mashrabov acredita que se todas estas barreiras forem ultrapassadas, o Modelo Mundial será “mais forte” na ligação da IA com o mundo real, especialmente quando combinado com robôs.
“Os robôs de hoje são limitados em sua capacidade de realizar trabalho porque não estão conscientes do que os rodeia. O Modelo Mundial pode fornecer-lhes essa capacidade”, disse ele. "Com um modelo avançado, a IA pode desenvolver uma compreensão pessoal de qualquer cenário em que se encontra e começar a inferir possíveis soluções."
