Autor on selle säutsu kustutanud.
Aga me salvestasime kõik 🙂.
Tehisintellekt liigub tekstist ja piltidest kaugemale - ta õpib järk-järgult looma virtuaalseid keskkondi ja tegutsema neis. Sellist lähenemist nimetatakse maailmamudeliteks: süsteemid, mis loovad uuesti ruumi, objektid ja suhtlusreeglid, kus igal tegevusel on tagajärg. See paradigma võib saada robootika, autonoomse transpordi ja keeruliste tehisintellektiagentide võtmeks, kuid on üks konks, mis praegu edusamme aeglustab.
See artikkel on tõlgitud originaalist. Lugege meie korrespondendi algset versiooni siit.
Enamik tänapäevaseid mudeleid on suurepärased andmete analüüsimisel ja vastuste genereerimisel, kuid neil puudub "intuitsioon" ruumi ja põhjus-tagajärg seoste kohta. Nad suudavad kirjeldada, mida tuleks teha, kuid sageli ei mõista, mis juhtub pärast tegevust: kuhu täpselt objekt satub, mis põrkab kokku või kuidas muutub keskkond.
Maailmamudelid sulgevad selle lünga. Need annavad tehisintellektile harjutusvälja, kus saab turvaliselt testida otsuseid, planeerida marsruute, vältida vigu ja ennustada tulemusi. Robootika, autonoomsete sõidukite ja tehisintellekti agentide jaoks ei ole see boonus - see on vundament, alus, millele rajatakse usaldusväärne käitumine reaalses maailmas.
Praktikas kasutatakse tänapäeval kahte peamist lähenemisviisi. Esimene on reaalajas dünaamiline simulatsioon. Sel juhul ei salvestata keskkonda ette. See luuakse kaaderhaaval, kui kasutaja või agent liigub ruumis, muudab vaatepunkti või suhtleb objektidega. Mudel ennustab pidevalt, kuidas keskkonna seisund peaks muutuma, võttes arvesse füüsikat ja objektide käitumist.
Selline lähenemisviis pakub suurt paindlikkust ja võimaldab luua keskkondi ilma jäikade, eelnevalt määratletud stsenaariumideta. Samas nõuab see märkimisväärseid arvutuslikke ressursse, mistõttu selliste simulatsioonide stabiilsus on praegu piiratud vaid mõne minutiga.
Just seda teed läheb Google oma teadusplatvormiga Genie 3, mis loob lühiajalisi, kuid loogiliselt järjepidevaid 3D-keskkondi. Sarnast lähenemist kasutab Meta oma platvormi Habitat 3 puhul, mis on mõeldud füüsiliste tehisintellektiagentide ja robotite treenimiseks.
Teine lähenemine keskendub püsivatele, salvestatud keskkondadele. Siin teisendab mudel teksti, pilte või videot täisväärtuslikuks kolmemõõtmeliseks stseeniks koos geomeetria, digitaalsete objektide ja füüsikalisi protsesse kirjeldavate metaandmetega. Sellist maailma saab salvestada, importida teistesse tarkvarakeskkondadesse ja taaskasutada.
Seda suunda arendab World Labs Fei-Fei Li juhtimisel. Nende Marble'i mudeli eesmärk on luua kaasaskantavad 3D-keskkonnad, mis sobivad inseneri-, teadus- ja projekteerimisülesanneteks, kus stabiilsus ja tulemuste reprodutseeritavus on kriitilise tähtsusega.
Kõigi nende mudelite väljatöötamine nõuab märkimisväärseid kapitalikulusid ja see kajastub juba suurte tehnoloogiaettevõtete strateegiates.
Meta Platforms kavatseb suurendada kapitaliinvesteeringuid 135 miljardi dollarini, tehes panuse tehisintellekti kui oma tulevaste toodete põhiinfrastruktuuri. Pärast oma AI-divisjoni ümberkorraldamist valmistab ettevõte ette uusi mudeleid ja platvorme, samal ajal kui tugev finantstulemus oma reklaamitegevuses võimaldab neid investeeringuid rahastada. Turg on sellele strateegiale positiivselt reageerinud.
Tesla ja Elon Muski xAI on valinud teistsuguse lähenemise. Ettevõte plaanib kulutada umbes 20 miljardit dollarit tehisintellekti, autonoomse sõidu ja robootika arendamiseks, kusjuures xAI-sse investeeritakse täiendavalt. Musk on avalikult rõhutanud vajadust patenteeritud pooljuhtide infrastruktuuri järele, rõhutades oma panust täielikku kontrolli kogu virna üle - alates mudelitest kuni arvutusteni.
Mõlema strateegia jaoks ei ole maailmamudelid lõpptoode, vaid treeningkeskkond, ilma milleta edasine areng autonoomsete süsteemide vallas aeglustub või muutub liiga riskantseks.
Turu jaoks ei ole maailmamudelid ei eraldiseisev toode ega uus tarbijatele mõeldud tehisintellekti segment. Investorid näevad neid infrastruktuurikihina, mis määrab ettevõtete konkurentsivõime tööstuse järgmises arengutsüklis.
See on pikaajaline panus. Ettevõtted, kes suudavad esimesena õpetada tehisintellekti töötama ruumi, liikumise ja põhjus-tagajärg suhetega, saavad eelise kõigis autonoomiaga seotud valdkondades - alates robootikast kuni tööstuslike rakenduste ja transpordini. Seepärast on turg täna valmis taluma kapitalikulude järsku suurenemist ja kiire tulu puudumist.
Investorite reaktsioon Meta plaanidele on kõnekas. Vaatamata massiivsetele tehisintellekti investeeringutele tõusid ettevõtte aktsiad pärast tulemuste avaldamist - turud uskusid, et põhitegevus suudab neid kulusid rahastada ilma stabiilsust kaotamata. Sellisel juhul peetakse maailmamudeleid pigem olemasoleva platvormi laienduseks kui riskantseks eksperimendiks.
Muski panus kannab teistsugust riskiprofiili. Tesla investorid rahastavad sisuliselt mitte ainult tehisintellekti arendamist, vaid ka katset vertikaalseks integratsiooniks - mudelitest kiipideni. See strateegia on kallim ja keerulisem, kuid edu korral annab see ettevõttele täieliku kontrolli autonoomsete süsteemide põhikomponentide üle.
Lõppkokkuvõttes ei panusta turg mitte konkreetsele tehnoloogiale, vaid lähenemisviisile. Investorid hindavad, kas ettevõte suudab taluda pikka investeerimistsüklit ja kas tal on äri, mis suudab rahastada maailmamudelite arendamist, ilma et see survestaks lühiajalist kasumlikkust.