Способность моделировать мир (модель мира) рассматривается некоторыми экспертами как следующий большой шаг для ИИ в «восприятии» и воссоздании физического мира.
Несколько компаний или лабораторий продвигают возможности моделирования мира для ИИ. Среди них World Labs профессора Фей-Фей Ли, одного из пионеров искусственного интеллекта, собрала 230 миллионов долларов США на создание «модели большого мира». Google DeepMind также наняла Тима Брукса, главу команды Sora, и другого эксперта, Уильяма Пиблза, для разработки «симулятора мира».
«Образы окружающего мира, которые мы держим в голове, — это всего лишь модели. Никто в своей голове не может представить себе целый мир, правительство или страну. Люди лишь выбирают концепции и отношения между ними и используют их для представления реальной системы» , согласно определению ментальной модели, данному в книге Нелогичное поведение социальных систем Джея Райта Форрестера, инженера-компьютерщика, теоретика управления и системного ученого. Американец, написанный в 1971 году.
Иллюстрация «мира ИИ». Фото: Новита
Модель мира считается преемницей Ментальной модели, вдохновленной человеческим мозгом. Мозг берет от органов чувств абстрактные представления, тем самым формируя конкретное представление об окружающем мире. Прогнозы, которые мозг делает на основе моделей, влияют на то, как человек воспринимает мир.
Два исследователя Дэвид Ха и Юрген Шмидхубер приводят пример того, как играют бейсболисты. У этих людей есть всего лишь миллисекунда, чтобы решить, как размахивать клюшкой, и этот параметр короче, чем время, необходимое для отправки сигналов от зрения в мозг. Для этого им нужно предсказать, как и куда будет брошен мяч, прежде чем он прилетит.
«Это аспект того, что ИИ может достичь человеческого уровня, если применить модель мира», — написали Ха и Шмидхубер в совместном отчете, опубликованном на Github.
По мнению экспертов, ИИ, создающие видео из текста, такие как Сора, попадают в так называемую «зловещую долину». Тем не менее, видео, созданное ИИ, имеет множество недостатков, особенно в случае быстрого движения, отчасти потому, что алгоритм не может предсказать следующий «шаблон», как это делает человеческий мозг.
По данным TechCrunch, инструменты искусственного интеллекта, генерирующие видео, теперь могут точно предсказывать подпрыгивание баскетбольного мяча, но на самом деле они не знают, почему. Аналогичным образом, языковые модели также не совсем понимают концепции, лежащие в основе слов и фраз.
Однако модель мира делает ИИ по-настоящему разумным, «понимая», почему мяч отскакивает. Чтобы получить такое представление, модель мира должна быть обучена на различных типах данных, таких как фотографии, аудио, видео и текст, с целью сделать внутренние выводы о том, как устроен мир и что можно объяснить результаты действий. .
«Зрители ожидают, что то, что они видят, будет вести себя так же, как в реальности», — рассказал TechCrunch Алекс Машрабов, бывший руководитель отдела искусственного интеллекта Snap и генеральный директор всемирной моделирующей компании Higgsfield. «Достаточно мощный движок модели мира поймет, как движется объект, вместо того, чтобы ждать, пока создатель «нарисует линии», чтобы он мог двигаться».
Но создание более качественных видеороликов — это лишь часть того, чем занимается World Model. Ведущие исследователи искусственного интеллекта, такие как Ян ЛеКун, главный специалист по искусственному интеллекту компании Meta, предсказывают, что однажды их можно будет использовать для сложного прогнозирования и планирования как в цифровой, так и в физической сферах.
Ранее в этом году ЛеКун описал, как модель мира может помочь системе искусственного интеллекта достичь желаемой цели посредством вывода. Модель берет исходную историю, например, видео грязной комнаты, ставит цель сделать комнату чистой и последовательность действий для достижения этой цели, например, использовать пылесос для подметания, мытья посуды, выноса мусора. . В ходе этого процесса ИИ не только распознает с помощью камер и датчиков, но и «знает» на более глубоком уровне, как перейти от грязного к чистому.
«Нам нужны машины, которые понимают мир, могут запоминать вещи, обладают интуицией, здравым смыслом – что-то, что может рассуждать и планировать на том же человеческом уровне», – сказал ЛеКун. «Нынешние системы искусственного интеллекта не способны делать ничего из этого. Может пройти десятилетие, прежде чем они появятся».
OpenAI утверждает, что Сору можно считать примитивной моделью мира, когда дело доходит до моделирования действий, например, когда художник оставляет мазки кисти на холсте. Однако компания также признала, что реализация этой функции займет много времени.
Несмотря на большой потенциал, построение модели мира обходится дорого, поскольку требует огромных вычислительных мощностей по сравнению с нынешними. Подсчитано, что небольшой инструмент может потреблять тысячи самых мощных графических процессоров для обучения.
Кроме того, объем входных данных для World Model также во много раз больше, чем у существующих больших языковых моделей. «Данные обучения для модели должны быть достаточно широкими, чтобы охватить разнообразный набор сценариев, но должны быть очень конкретными, чтобы ИИ глубоко понимал нюансы этого сценария», — прокомментировал Машрабов из Higgsfield. «Недостаток данных замедляет прогресс».
Кристобаль Валенсуэла, генеральный директор Runway AI, также считает, что данные являются самым большим препятствием на пути к построению модели мира. «Модели требуют большого количества данных и инженерных разработок для создания согласованной карты окружающей среды и способности перемещаться и взаимодействовать в этой среде», — написала Валенсуэла в своем блоге.
Однако Машрабов считает, что если все эти барьеры будут преодолены, World Model станет «сильнее» в соединении ИИ с реальным миром, особенно в сочетании с роботами.
«Сегодняшние роботы ограничены в своих возможностях выполнять работу, потому что они не осознают свое окружение. World Model может предоставить им такую возможность», — сказал он. «Благодаря продвинутой модели ИИ может лично понять любой сценарий, в котором он находится, и начать находить возможные решения».
