Główny badacz AI w firmie Meta twierdzi, że “symulator świata” Sora firmy OpenAI to ślepa uliczka

Współczesne badania nad sztuczną inteligencją zmierzają ku stworzeniu modeli, które mogą naśladować lub nawet przewyższać ludzką zdolność do rozumienia i interakcji ze światem. Ostatnie wypowiedzi Yanna LeCuna, szefa działu AI w firmie Meta, rzucają nowe światło na podejście do tworzenia tak zwanych symulatorów świata, konkretnie krytykując projekt Sora od OpenAI.

Krytyka generatywnych metod w symulacji świata

Generatywne modele AI, które skupiają się na tworzeniu obrazów piksel po pikselu, mogą nie być najlepszą ścieżką do stworzenia efektywnego symulatora świata. Yann LeCun z Meta przedstawił swoje zastrzeżenia co do projektu Sora, rozwijanego przez OpenAI. Jego zdaniem, generowanie kompleksowego modelu świata poprzez tworzenie obrazów może być niewykonalne ze względu na ogromną ilość danych i zmiennych, które musiałyby być przetwarzane. Krytyka ta odnosi się do długotrwałej debaty w dziedzinie AI dotyczącej generatywnych metod klasyfikacji. Generatywne metody, choć potencjalnie bardziej wszechstronne, są uznawane za trudniejsze i mniej efektywne w zastosowaniach, gdzie precyzja i adaptacyjność są kluczowe.

V-JEPA

W odpowiedzi na te wyzwania, LeCun przedstawił nową architekturę – Video Joint Embedding Predictive Architecture (V-JEPA) – mającą na celu skuteczniejsze modelowanie świata. V-JEPA skupia się na przewidywaniu złożonych interakcji i interpretacji ukrytych aspektów wideo, co pozwala modelowi zrozumieć dynamikę obiektów i ich wzajemne oddziaływania bez konieczności generowania pikseli. To podejście, mające na celu przewidywanie w szerszej, konceptualnej przestrzeni, jest bliższe ludzkiemu przetwarzaniu obrazów i może oferować lepszą adaptację do różnych zadań przy mniejszym nakładzie na szkolenie modelu.

Wprowadzenie modelu V-JEPA przez zespół AI Meta jest obiecującym kierunkiem w badaniach nad tworzeniem kompleksowych modeli świata dla autonomicznych systemów AI. Poprzez odchodzenie od generatywnych metod i skupienie się na predykcji w różnych przestrzeniach konceptualnych, V-JEPA może lepiej radzić sobie z niepewnością i kompleksowością danych sensorycznych. Planowane rozszerzenie możliwości V-JEPA oraz poprawa predykcji długoterminowych otwiera drogę do budowania bardziej zaawansowanych i efektywnych systemów AI, które będą w stanie lepiej zrozumieć i podejmować interakcje z otaczającym je światem.

Podsumowując, krytyka Yanna LeCuna wobec projektu Sora od OpenAI i prezentacja modelu V-JEPA rzucają światło na istotne wyzwania i możliwe kierunki rozwoju w dziedzinie modelowania świata przez sztuczną inteligencję. Ostateczne odpowiedzi na pytania o najlepsze metody w tej dziedzinie pozostają otwarte, ale dyskusja na ten temat z pewnością przyczyni się do dalszych postępów w technologii AI.