«Модели мира», программное обеспечение, способное генерировать цифровые среды, имитирующие физику, занимают всё большее место в исследованиях Кремниевой долины. Вскоре они могут незаметно войти в повседневную жизнь, даже без прямого взаимодействия с пользователями, в частности, через робототехнику и беспилотные автомобили.
В 2016 году сотни миллионов игроков бродили по улицам со смартфонами, ловя покемонов в Pokémon Go, игре смешанной реальности. Они не подозревали, что собранные данные об окружающей среде однажды могут помочь роботам обходить препятствия и взаимодействовать с объектами. Niantic, создатель игры, продал её и обратился к одной из самых популярных тем в области искусственного интеллекта. «Мы много работаем над реконструкцией реального мира», — говорит Брайан Макклендон, технический директор Niantic Spatial. Он надеется использовать этот массив данных для создания реплик мира.
Изображения вместо слов
Большие языковые модели (LLM), обученные на тексте, отличаются от моделей мира, которые используют визуальные входные данные. Оливер Кэмерон, генеральный директор Odyssey, лаборатории ИИ, специализирующейся на таких моделях, сравнивает два подхода: «С языковой моделью у вас есть предложение, и она предсказывает следующее слово в предложении. С моделью мира вы даёте ей визуальное состояние мира, изображение, и она предсказывает следующее визуальное состояние мира».
Эти трёхмерные генерации могут служить цифровыми тренировочными площадками. «Это симуляции, но они выглядят и кажутся реальными», — утверждает он.
Обучение роботов и беспилотных автомобилей
По словам Брайана Макклендона, модели мира позволили бы роботам тренироваться без физического движения или присутствия в целевой среде. Достаточно сфотографировать место, где должен работать робот, сгенерировать 3D-модель, а затем позволить программному обеспечению выполнить «миллионы симуляций», чтобы изучить параметры пространства.
Не только гуманоидные роботы могут извлечь выгоду из такого симулированного обучения. Беспилотные автомобили также полагаются на модели мира в контексте, где программные реакции за доли секунды имеют решающее значение. Джейми Шоттон, главный научный сотрудник Wayve, разрабатывающей модели мира для автомобилей, подчёркивает важность задачи: «Крайне важно, чтобы модель мира могла реагировать на действия, которые мы предпринимаем в мире, и поэтому она должна понимать физику, причину и следствие, а также то, как другие объекты и люди меняют свои действия в ответ на наши».
Источник называет 2027 год возможным переломным моментом для развития бытовой робототехники и беспилотных автомобилей — двух областей, усиленных прогрессом в моделях мира.
