Что такое ИИ-модели мира и почему они важны?

Эксперты называют модели мира, также известные как симуляторы мира, следующим крупным прорывом в области искусственного интеллекта. Лаборатория World Labs, основанная пионером в области ИИ Фей-Фей Ли, привлекла 230 миллионов долларов на разработку «больших моделей мира», а DeepMind наняла одного из создателей генератора видео Sora от OpenAI для работы над симуляторами мира.

Цифровые модели мира черпают вдохновение в ментальных моделях мира, которые люди развивают естественным образом. Наш мозг берет абстрактные сигналы от наших органов чувств и формирует их в более конкретное понимание окружающего мира, создавая то, что мы называли «моделями» задолго до того, как этот термин был принят в ИИ. Предположения и прогнозы, которые делает наш мозг на основе этих моделей, влияют на наше мировосприятие.

В статье исследователей искусственного интеллекта Дэвида Ха и Юргена Шмидхубера приводится пример бейсболиста. У бьющего есть миллисекунды, чтобы решить, как управлять битой — этот отрезок короче времени, необходимого для того, чтобы зрительные сигналы достигли мозга. Но все-таки игроки могут отбить мяч, летящий со скоростью 100 миль в час, благодаря способности инстинктивно предсказывать, куда он полетит, говорят Ха и Шмидхубер.

Хотя концепция существует уже несколько десятилетий, модели мира недавно приобрели популярность отчасти благодаря своим многообещающим применениям в области генеративного видео. Большинство, если не все, видео, сгенерированные ИИ, попадают в так называемую «зловещую долину» (явление, основанное на гипотезе, что робот или другой объект, выглядящий или действующий как человек вызывает неприязнь и отвращение у людей-наблюдателей). Просматривая такие видео на протяжение определенного времени, зритель заметит некие странности, например, скрученные или сливающиеся друг с другом конечности.

Хотя генеративная модель, обученная на многолетнем видеоматериале, может точно предсказывать, как отскочит баскетбольный мяч, она не понимает причину — так же, как языковые модели не совсем понимают концепции, стоящие за словами и фразами. Но модель мира, даже с базовым пониманием того, почему баскетбольный мяч отскакивает именно так, будет лучше отображать этот процесс. Для реализации такого понимания модели мира обучаются на разнообразных данных, включая фотографии, аудио, видео и текст, с целью создания у машины внутренних представлений о том, как работает мир, и способности рассуждать о последствиях действий.

Но улучшение генерации видео — это лишь верхушка айсберга для применения моделей мира. Исследователи, включая главного специалиста по ИИ в Meta Янна ЛеКуна, говорят, что модели могут когда-нибудь использоваться для сложного прогнозирования и планирования как в цифровом, так и в физическом мире.

В своем выступлении в этом году ЛеКун описал, как модель мира может помочь достичь желаемой цели путем рассуждения. Модель с базовым представлением мира — например, видео грязной комнаты, получив задачу сделать комнату чистой, могла бы придумать последовательность действий для достижения этой цели: использовать пылесос, вымыть посуду, вынести мусор, но не потому, что это образец, который она наблюдала, а потому что она знает на более глубоком уровне, как перейти от грязи к чистоте.

OpenAI отмечает в своем блоге, что Sora, которую они считают моделью мира, может имитировать действия, такие как нанесение мазков кистью на холст художником. Модели, подобные Sora — и сама Sora — также могут эффективно симулировать видеоигры. Например, Sora может отобразить пользовательский интерфейс и игровой мир в стиле Minecraft.

По словам соучредителя World Labs Джастина Джонсона в эпизоде подкаста a16z будущие модели мира могут создавать 3D-миры по запросу для игр, виртуальной фотографии и многого другого. «У нас уже есть возможность создавать виртуальные интерактивные миры, но это стоит сотни миллионов долларов и требует огромного времени на разработку, — сказал Джонсон. — Модели мира позволят вам получить не просто изображение или клип, а полностью смоделированный, яркий и интерактивный 3D-мир».

Хотя концепция заманчива, на пути стоит множество технических проблем. Обучение и запуск моделей мира требуют намного больших вычислительных мощностей даже по сравнению с объемами, используемыми в настоящее время для генеративных моделей. В то время как некоторые из последних языковых моделей могут работать на современном смартфоне, для обучения и запуска Sora — если рассматривать ее в качестве одной из ранних моделей мира, потребуются тысячи графических процессоров, особенно если использование подобных моделей станет обычным явлением.

Модели мира, как и все модели ИИ, также подвержены галлюцинациям — и в том числе усваивают предубеждения из своих обучающих данных. Например, модель мира, в основном обученная на видео солнечной погоды в европейских городах, может испытывать трудности с пониманием или изображением заснеженных корейских городов или просто делать это некорректно.

В недавнем посте генеральный директор ИИ-стартапа Runway Кристобаль Валенсуэла говорит, что проблемы с данными и проектированием мешают современным моделям точно отражать поведение обитателей мира: людей и животных. «Модели должны будут генерировать согласованные карты окружающей среды, — сказал он, — и быть способными перемещаться и взаимодействовать в этих средах».

Однако если все основные препятствия будут преодолены, Машрабов считает, что модели мира смогут более надежно связать ИИ с реальным миром, а это приведет к прорывам не только в генерации виртуальных миров, но и в робототехнике, и принятии решений на основе искусственного интеллекта. Они также могут породить более способных роботов.

Сегодняшние роботы ограничены в своих возможностях, потому что у них нет понимания окружающего мира или собственного тела. Модели мира могли бы дать им это понимание, сказал Машрабов — по крайней мере, до определенной степени. «С помощью продвинутой модели мира ИИ мог бы развить личное понимание любой ситуации, в которой он находится, — сказал он, — и начать рассуждать о возможных решениях».

Комментарий

Для нас в Шерпа Роботикс, как вендора платформ для создания умных роботов, очень важно, чтобы ИИ развивался и был приближен к реальности. Особенно той искусственно созданной реальности которая сформировалась и развивается в бизнес-среде.

Если ИИ будет обучаться на грамотно построенных моделях бизнес-реальности, то возможности наших роботов кратно возрастут. На данный момент роботов можно обучить на уникальном контенте корпораций. Но что, если робот сможет не только обучаться на предоставленном контенте, но и автоматически предлагать улучшения для него, опираясь на собственные встроенные знания о конкретных ситуациях на основе заложенных моделей?