AI groups bet on world models in race for ‘superintelligence’

The world’s top artificial intelligence groups are stepping up their focus on so-called world models that can better understand human environments, in the search for new ways to achieve machine “superintelligence ”.

Гугъл DeepMind, Meta and Nvidia are among the companies attempting to gain ground in the AI ​​race by developing systems that aim to navigate the physical world by learning От видеоклипове и роботизирани данни, а освен на езика.

Този подтик идва, когато се появяват въпроси за това дали огромни езикови модели - технологията, която зарежда известните чатботи като Chatgpt на Openai - доближават таван в своя прогрес.

скокът в осъществяването сред LLMS, освободени от компании в бранша, подобен, като Openai, Гугъл и Elon Musk's X. вложени в тяхното развиване. 

Потенциалният пазар на международните модели може да бъде голям, съвсем размерът на международната стопанска система, съгласно Rev Lebaredian, вицепрезидент по Omniverse и симулационни технологии в Nvidia, защото той внася технологията във физическия домейн, като да вземем за пример индустриалните и здравните браншове.

„ Какво е опцията за модели на международна фондация? работи във физическия свят “, сподели той.

Световните модели се образоват, като се употребяват потоци от данни от действителни или симулирани среди. Те се преглеждат като значима стъпка в прокарването на прогрес в самоуправляващите се коли, роботика и т. Нар. АИ сътрудници, само че изискват голямо количество данни и изчислителна мощ за трениране и се смятат за неразрешено техническо предизвикателство.

Този фокус върху различен метод към LLMS стана забележим, защото няколко групи AI са разкрили серия от задатъци в международните модели през последните месеци.

Миналия месец Гугъл DeepMind пусна Genie 3, който генерира видео рамка по Frame и взема поради предишните взаимоотношения. Преди това моделите за генериране на видео нормално са създавали цялото видео едновременно, а не малко по малко.

„ Ai. Остава доста лимитирана до цифровия домейн “, споделя Shlomi Fruchter, взаимно обаяние на Genie 3 в Гугъл DeepMind. „ Изграждайки среди, които наподобяват или се държат като действителния свят, можем да имаме доста по-мащабируеми способи да упражняваме AI. Без действителните последствия от допускането на неточност в действителния свят. “

Meta се пробва да повтори по какъв начин децата се учат пасивно, като следят света към тях, обучавайки модели на V-Jepa на Raw Video. Ян Лекун и се концентрира върху дълготрайните AI планове, пусна втората си версия на модела през юни, която тества на роботи.

Lecun, считан за един от „ кръстниците “ на актуалния AI, е един от най -гласовите последователи на новата архитектура, предупреждавайки, че LLM в никакъв случай няма да реализират способността да разсъждават и да възнамеряват като хората.

Въпреки това, началникът на Meta, Марк Зукърбърг, неотдавна усили вложенията в най -добрите AI гении, като първокласен екип в този момент упорства да направи пробиви при идващите си модели LLAMA LLM. Това включва наемането на Александър Уанг, създателят на AI на Group за етикетиране на данни, с цел да управлява цялата работа на AI на Meta, като Lecun в този момент рапортува на Wang.

Едно краткосрочно приложение на международните модели е в развлекателната промишленост, където те могат да основат интерактивни и реалистични подиуми. World Labs, започващ, учреден от AI Pioneer Fei-Fei Li, създава модел, който генерира 3D среди, сходни на видеоигри от едно изображение.

Runway, пускане на видео потомство, което се занимава с холивудски студия, в това число Lionsgate, започва артикул предишния месец, който употребява международни модели за основаване на игрови настройки, с персонализирани истории и герои, генерирани в действително време.

„ Традиционните видео способи [са] метод на разсъдъка, с цел да не се покорни в недобросъвестното придвижване, където в действителност не знаете или не се представяте за недобросъвестното придвижване, където в действителност не знаете ли не нататък, където не се налагате на модели, където в действителност не знаете, че не се представяте или не се показват за недобросъвестното придвижване. За това, което се случва на тази сцена “, сподели Кристобал Валенсуела, основен изпълнителен шеф на Runway.

Предишните модели на видео генериране имаха физика, които бяха за разлика от действителния свят, добави той, кои международни моделни системи с общо предопределение оказват помощ за справяне.

За построяването на тези модели, фирмите би трябвало да събират голямо количество физически данни за света.

Базираната в Сан Франциско Niantic е картографирала 10mn места, като събира информация посредством игри, в това число Pokémon GO, който има 30 млн. Месечни играчи, взаимодействащи с световна карта.

Niantic Ran Pokémon Go за девет години и даже откакто играта беше продадена на основана в Съединени американски щати Scopely през юни, неговите играчи към момента способстват за анонимирани данни посредством сканиране на обществени забележителности, с цел да оказват помощ за построяването на своя международен модел. ; Omniverse платформата на Nvidia основава и извършва сходни симулации, подпомагайки натиска на Tech Giant от Щатски долар 4,3Tn към роботиката и надграждането на дългата му история на преструване на среди в действителния свят във видеоигрите.

Nvidia изпълнителен шеф Jensen Huang твърди, че идната съществена фаза на напредък за компанията ще пристигна с „ Piclys AI “, с новите модели, революционизирайки полето на компанията. 

Някои като Lecun на Meta споделиха, че тази визия за ново потомство на AI системи захранващи машини с просветеност на равнище човешко равнище може да отнеме 10 години.

Но евентуалният обсег на авангардната технология е просторен, съгласно специалистите на AI. Световните модели „ отварят опцията за обслужване на всички тези други промишлености и увеличаване на едно и също нещо, което компютрите направиха за работата на знанието “, съобщи лебаредерът на Nvidia.

Допълнително отчитане от Мелиса Хейкилка в Лондон и Майкъл Актън в Сан Франциско