Δημιουργοί κόσμων: Πού επενδύουν δισεκατομμύρια οι τεχνολογικοί γίγαντες

Η τεχνητή νοημοσύνη προχωρά πέρα από το κείμενο και τις εικόνες - μαθαίνει σταδιακά να δημιουργεί εικονικά περιβάλλοντα και να δρα μέσα σε αυτά. Αυτή η προσέγγιση είναι γνωστή ως μοντέλα κόσμου: συστήματα που αναδημιουργούν το χώρο, τα αντικείμενα και τους κανόνες αλληλεπίδρασης, όπου κάθε ενέργεια έχει μια συνέπεια. Αυτό το παράδειγμα θα μπορούσε να γίνει το κλειδί για τη ρομποτική, τις αυτόνομες μεταφορές και τους σύνθετους πράκτορες τεχνητής νοημοσύνης - αλλά υπάρχει μια παγίδα που επί του παρόντος επιβραδύνει την πρόοδο.

Τα περισσότερα σύγχρονα μοντέλα είναι εξαιρετικά στην ανάλυση δεδομένων και στη δημιουργία αντιδράσεων, αλλά τους λείπει η "διαίσθηση" για τον χώρο και τις σχέσεις αιτίου-αποτελέσματος. Μπορούν να περιγράψουν τι πρέπει να γίνει, αλλά συχνά δεν κατανοούν τι θα συμβεί μετά από μια ενέργεια: πού ακριβώς θα καταλήξει ένα αντικείμενο, τι θα συγκρουστεί ή πώς θα αλλάξει το περιβάλλον.

Τα παγκόσμια μοντέλα καλύπτουν αυτό το κενό. Παρέχουν στην ΤΝ ένα πεδίο εξάσκησης όπου οι αποφάσεις μπορούν να δοκιμαστούν με ασφάλεια, οι διαδρομές μπορούν να σχεδιαστούν, τα λάθη μπορούν να αποφευχθούν και τα αποτελέσματα μπορούν να προβλεφθούν. Για τη ρομποτική, τα αυτόνομα οχήματα και τους πράκτορες ΤΝ, αυτό δεν είναι ένα μπόνους - είναι ένα θεμέλιο, η βάση πάνω στην οποία οικοδομείται η αξιόπιστη συμπεριφορά στον πραγματικό κόσμο.

Πώς δημιουργούνται τέτοιοι κόσμοι

Στην πράξη, σήμερα χρησιμοποιούνται δύο κύριες προσεγγίσεις. Η πρώτη είναι η δυναμική προσομοίωση σε πραγματικό χρόνο. Στην περίπτωση αυτή, το περιβάλλον δεν αποθηκεύεται εκ των προτέρων. Δημιουργείται καρέ-καρέ καθώς ένας χρήστης ή πράκτορας κινείται στο χώρο, αλλάζει οπτική γωνία ή αλληλεπιδρά με αντικείμενα. Το μοντέλο προβλέπει συνεχώς πώς θα πρέπει να αλλάξει η κατάσταση του περιβάλλοντος, λαμβάνοντας υπόψη τη φυσική και τη συμπεριφορά των αντικειμένων.

Αυτή η προσέγγιση προσφέρει υψηλή ευελιξία και επιτρέπει τη δημιουργία περιβαλλόντων χωρίς άκαμπτα, προκαθορισμένα σενάρια. Ταυτόχρονα, απαιτεί σημαντικούς υπολογιστικούς πόρους, γι' αυτό και η σταθερότητα τέτοιων προσομοιώσεων περιορίζεται επί του παρόντος σε λίγα λεπτά.

Αυτόν τον δρόμο ακολουθεί η Google με την ερευνητική της πλατφόρμα Genie 3, η οποία δημιουργεί τρισδιάστατα περιβάλλοντα μικρής διάρκειας αλλά με λογική συνέπεια. Μια παρόμοια προσέγγιση χρησιμοποιείται από τη Meta στην πλατφόρμα Habitat 3, η οποία έχει σχεδιαστεί για την εκπαίδευση φυσικών πρακτόρων και ρομπότ τεχνητής νοημοσύνης.

Loading...

Το tweet διαγράφηκε από τον συγγραφέα.

Αλλά αποθηκεύσαμε τα πάντα 🙂.

Η δεύτερη προσέγγιση επικεντρώνεται σε μόνιμα, αποθηκευμένα περιβάλλοντα. Εδώ, το μοντέλο μετατρέπει κείμενο, εικόνες ή βίντεο σε μια ολοκληρωμένη τρισδιάστατη σκηνή με γεωμετρία, ψηφιακά αντικείμενα και μεταδεδομένα που περιγράφουν φυσικές διεργασίες. Ένας τέτοιος κόσμος μπορεί να αποθηκευτεί, να εισαχθεί σε άλλα περιβάλλοντα λογισμικού και να επαναχρησιμοποιηθεί.

Η κατεύθυνση αυτή αναπτύσσεται από την World Labs υπό την ηγεσία του Fei-Fei Li. Το μαρμάρινο μοντέλο τους αποσκοπεί στη δημιουργία φορητών τρισδιάστατων περιβαλλόντων κατάλληλων για μηχανικές, επιστημονικές και σχεδιαστικές εργασίες, όπου η σταθερότητα και η αναπαραγωγιμότητα των αποτελεσμάτων είναι κρίσιμες.

Ποιος επενδύει και γιατί

Η ανάπτυξη όλων αυτών των μοντέλων απαιτεί σημαντικές κεφαλαιουχικές δαπάνες και αυτό αντικατοπτρίζεται ήδη στις στρατηγικές των μεγάλων τεχνολογικών εταιρειών.

Η Meta Platforms σχεδιάζει να αυξήσει τις κεφαλαιακές επενδύσεις στα 135 δισεκατομμύρια δολάρια, ποντάροντας στην τεχνητή νοημοσύνη ως βασική υποδομή των μελλοντικών προϊόντων της. Μετά την αναδιάρθρωση του τμήματος Τεχνητής Νοημοσύνης, η εταιρεία προετοιμάζει νέα μοντέλα και πλατφόρμες, ενώ οι ισχυρές οικονομικές επιδόσεις στη διαφημιστική της δραστηριότητα της επιτρέπουν τη χρηματοδότηση αυτών των επενδύσεων. Η αγορά έχει ανταποκριθεί θετικά σε αυτή τη στρατηγική.

Loading...

Το tweet διαγράφηκε από τον συγγραφέα.

Αλλά αποθηκεύσαμε τα πάντα 🙂.

Η Tesla και η xAI του Elon Musk έχουν επιλέξει μια διαφορετική προσέγγιση. Η εταιρεία σχεδιάζει να δαπανήσει περίπου 20 δισεκατομμύρια δολάρια για την τεχνητή νοημοσύνη, την αυτόνομη οδήγηση και τη ρομποτική, με πρόσθετες επενδύσεις στο xAI. Ο Musk έχει τονίσει δημοσίως την ανάγκη για ιδιόκτητη υποδομή ημιαγωγών, υπογραμμίζοντας το στοίχημά του για πλήρη έλεγχο ολόκληρης της στοίβας - από τα μοντέλα έως τους υπολογισμούς.

Και για τις δύο στρατηγικές, τα παγκόσμια μοντέλα δεν είναι ένα τελικό προϊόν, αλλά ένα περιβάλλον εκπαίδευσης, χωρίς το οποίο η περαιτέρω πρόοδος στα αυτόνομα συστήματα επιβραδύνεται ή γίνεται πολύ επικίνδυνη.

Πώς το βλέπουν οι επενδυτές

Για την αγορά, τα παγκόσμια μοντέλα δεν αποτελούν ούτε ένα αυτόνομο προϊόν ούτε ένα νέο τμήμα της καταναλωτικής τεχνητής νοημοσύνης. Οι επενδυτές τα βλέπουν ως ένα επίπεδο υποδομής που θα καθορίσει την ανταγωνιστικότητα των εταιρειών στον επόμενο κύκλο ανάπτυξης του κλάδου.

Πρόκειται για ένα μακροπρόθεσμο στοίχημα. Οι εταιρείες που θα διδάξουν πρώτες την ΤΝ να εργάζεται με τον χώρο, την κίνηση και τις σχέσεις αιτίου-αποτελέσματος θα αποκτήσουν πλεονέκτημα σε όλους τους τομείς που σχετίζονται με την αυτονομία - από τη ρομποτική μέχρι τις βιομηχανικές εφαρμογές και τις μεταφορές. Αυτός είναι ο λόγος για τον οποίο η αγορά σήμερα είναι πρόθυμη να ανεχθεί τις απότομες αυξήσεις των κεφαλαιουχικών δαπανών και την απουσία γρήγορων αποδόσεων.

Η αντίδραση των επενδυτών στα σχέδια της Meta είναι αποκαλυπτική. Παρά τις τεράστιες επενδύσεις σε τεχνητή νοημοσύνη, οι μετοχές της εταιρείας σημείωσαν άνοδο μετά τα κέρδη - οι αγορές πίστεψαν ότι η βασική επιχείρηση θα μπορούσε να χρηματοδοτήσει αυτές τις δαπάνες χωρίς να χάσει τη σταθερότητά της. Σε αυτή την περίπτωση, τα παγκόσμια μοντέλα θεωρούνται επέκταση μιας υπάρχουσας πλατφόρμας και όχι ένα ριψοκίνδυνο πείραμα.

Το στοίχημα του Μασκ φέρει διαφορετικό προφίλ κινδύνου. Οι επενδυτές της Tesla χρηματοδοτούν ουσιαστικά όχι μόνο την ανάπτυξη της τεχνητής νοημοσύνης αλλά και μια προσπάθεια κάθετης ολοκλήρωσης - από τα μοντέλα στα τσιπ. Αυτή η στρατηγική είναι ακριβότερη και πιο περίπλοκη, αλλά αν επιτύχει, δίνει στην εταιρεία πλήρη έλεγχο στα βασικά συστατικά των αυτόνομων συστημάτων.

Τελικά, η αγορά δεν ποντάρει σε μια συγκεκριμένη τεχνολογία αλλά σε μια προσέγγιση. Οι επενδυτές αξιολογούν αν μια εταιρεία μπορεί να αντέξει έναν μακρύ επενδυτικό κύκλο και αν διαθέτει μια επιχείρηση ικανή να χρηματοδοτήσει την ανάπτυξη παγκόσμιων μοντέλων χωρίς να ασκεί πίεση στη βραχυπρόθεσμη κερδοφορία.