Chatboteista maailmojen simulointiin
Kielimallit ennustavat seuraavan sanan lauseessa. Maailmamallit ennustavat, mitä tapahtuu seuraavaksi fyysisessä maailmassa. Esine putoaa: minne se osuu? Auto kääntyy: mitä näkyy seuraavaksi? Nämä mallit rakentavat sisäisen ymmärryksen fysiikasta, tilasta ja syy-seuraussuhteista.
Googlen Project Genie luo interaktiivisia, pelattavia maailmoja yhdestä kuvasta. Runway investoi 315 miljoonaa dollaria maailmamallitutkimukseen. Meta:n Yann LeCun on pitänyt maailmamalleja tekoälyn tulevaisuutena jo vuosia.
Osa tutkijoista uskoo, ettei yleistä tekoälyä (AGI) voi saavuttaa pelkillä kielimalleilla. Todellinen älykkyys vaatii maailman ymmärtämistä — ei vain sanojen.
Miksi tämä muuttaa kaiken
Nykyiset videomallit tuottavat pikseleitä, jotka näyttävät oikealta. Maailmamallit ymmärtävät mitä kuvassa tapahtuu. Tämä mahdollistaa koherentin jatkon mihin tahansa tilanteeseen, koska malli tietää fysiikan säännöt ja esineiden ominaisuudet.
Sovellukset ulottuvat huomattavasti pidemmälle kuin pelit ja videot. Autonomiset ajoneuvot, robotiikka, lääketieteelliset simulaatiot ja arkkitehtuuri hyötyisivät kaikki malleista, jotka todella ymmärtävät fyysistä maailmaa.
Olemme mahdollisesti todistamassa samanlaista paradigman muutosta kuin siirtymä hakukoneista kielimalleihin. Seuraava askel ei ole parempi chatbot — vaan tekoäly, joka ymmärtää todellisuuden.
