ИИ может развить интуитивное понимание физических законов через самообучение
Такой вывод следует из исследования Meta*, демонстрирующего, как именно ИИ может развить интуитивное понимание физических законов мира.
🔥 Еще больше интересного в моем канале продуктовые штучки
Этот подход позволяет ИИ моделям самостоятельно выявлять и понимать физические закономерности, наблюдая за видеопоследовательностями.
Как обучалась модель?
ИИ модель обучалась распознавать и интерпретировать физические явления, такие как движение объектов, столкновения и изменения формы, исключительно на основе визуального контента.
Модели не получают заранее заданных физических правил; вместо этого они самостоятельно выявляют закономерности через анализ видеоматериалов.
Модель использует архитектуру V-JEPA (Video Joint Embedding Predictive Architecture), которая предсказывает будущее видео в абстрактном пространстве представлений, а не на уровне пикселей. Это позволяет системе фокусироваться на семантических аспектах, таких как движение объектов и их взаимодействия. Для обучения было достаточно 128 часов видео, что кране мало.
ИИ обучается предсказывать скрытые части видео, что напоминает теорию predictive coding в нейробиологии (постоянное предсказание и коррекция ошибок). Был также заимствован методиз детской психологии, в котором модель оценивает уровень "удивления" при столкновении с физически невозможными сценариями (например, мяч, проходящий сквозь стену)
Каковы результаты?
V-JEPA достигла 98% точности на синтетических данных IntPhys и 62% на реалистичных InfLevel, тогда как другие модели показывали результаты близкие к случайным .
Данный подход демонстрирует потенциал ИИ в самостоятельном освоении сложных концепций.
Какое это имеет значение?
Этот подход открывает перспективы для улучшения технологий компьютерного зрения, робототехники и других сфер, где важно понимание физического контекста.
Это открывает путь к созданию, например:
- Роботов, способных предвидеть последствия действий в динамической среде
- Систем видеонаблюдения с улучшенным анализом аномалий
- Более эффективных моделей для AR/VR, где физическая согласованность критически важна
Пожалуйста, поддержите меня, поставьте лайк! 🙏
Компания Anthropic (создатель нейро модели Claude) задалась этим нетривиальным вопросом и изучила, как именно думает нейромодель. Да-да, вы не ослышались. И пришла к любопытным выводам, которые полезно знать не только тем, кто работает с нейросетями. Например, чтобыо нейросети могу продумывать ответ на 2-3 шага вперед и ... обманывать! Как? Читайте…
Стартап Essential AI представил исследование, в котором утверждается, что одна из ключевых когнитивных способностей языковых моделей — рефлексия. Это открытие влияет не только на то, как будут обучать модели. Мы увидим это (и кажется, что достаточно быстро) в том, как мы взаимодействуем с нейросетями. Как именно? Читайте!