Сучасні моделі штучного інтелекту здебільшого опановують знання з текстів, зображень та відео. Однак для розвитку наступного покоління технологій вони потребують “моделей світу” — симульованих середовищ, які дозволяють навчатись через взаємодію, планування та експерименти. Саме такі віртуальні майданчики, за словами експертів, можуть стати ключем до створення “фізичного штучного інтелекту” й навіть майбутнього загального ШІ, пише The Wall Street Journal.
Концепція моделей світу передбачає, що алгоритми повинні вчитися з досвіду, а не лише з великих масивів даних. Як пояснює партнер венчурної компанії Lightspeed Моріц Байєр-Ленц, від безпілотних автомобілів до нових типів роботів — усі ці технології виграють від такого підходу. Генеральний директор Nvidia Дженсен Хуанг додає, що симульовані середовища здатні розблокувати “фізичний ШІ”, необхідний для автономного керування складними системами.
Фей-Фей Лі, професорка Стенфордського університету та одна з провідних дослідниць у галузі ШІ, залучила 230 мільйонів доларів для запуску стартапу World Labs, який спеціалізується на моделюванні світу. Своєю чергою, Google DeepMind розробляє проєкти, здатні генерувати симуляції реального середовища з високою точністю.
Яскравий приклад — система Genie 3, що перебуває на етапі дослідження. Вона може створювати фотореалістичні віртуальні ландшафти з відкритим світом лише на основі текстової підказки. У такому середовищі ШІ може тренуватися, робити помилки та вчитися шляхом підкріплення — подібно до того, як це роблять люди чи тварини. За словами керівника проєкту Джека Паркера-Голдера, саме ці середовища допоможуть навчати алгоритми, які в майбутньому керуватимуть роботами та автономним транспортом.
Науковці наголошують, що нинішні генеративні моделі, зокрема чат-боти, не мають справжнього розуміння світу, а лише прогнозують ймовірності на основі даних, які отримали. Це обмеження висвітлює Atari 2600 з програмою 1979 року, що здатен обіграти сучасні моделі у шахи завдяки простій внутрішній “моделі світу” — базі даних. Проте система MuZero від Google, створена у 2019 році, змогла перевершити його завдяки здатності будувати точне відображення гри.
Компанії вже застосовують ці підходи у практичних завданнях. Так, Waabi створила симуляційне середовище Waabi World, де штучний інтелект тренується керувати вантажівками. За словами генеральної директорки Ракель Уртасун, це дозволяє алгоритмам проїжджати мільйони віртуальних миль і вчитися безпечно долати аварійні ситуації. Вона очікує, що до кінця року програмне забезпечення зможе управляти вантажівкою на реальній дорозі.
Водночас виникають питання щодо наслідків для ринку праці. Якщо нині штучний інтелект поступово бере на себе частину онлайн-завдань, то системи, що опановують моделі світу, потенційно зможуть претендувати й на роботу у сферах фізичної праці. Це означає, що роботи можуть невдовзі з’явитися не лише в офісах, а й серед водіїв, техніків чи доглядальників.
Поки що невідомо, чи призведе розвиток моделей світу до створення справжнього “суперінтелекту”. Але науковці погоджуються, що у найближчій перспективі вони здатні зробити штучний інтелект більш надійним у просторовому мисленні та критично важливим для його застосування в реальному житті.
Хоча у США вже спостерігається тенденція витіснення штучним інтелектом молодих працівників у вразливих до автоматизації сферах, у Європі подібний масштабний вплив поки що не фіксується. За словами експертів, у ЄС дефіцит робочих місць у традиційних галузях, таких як будівництво та виробництво, випереджає вплив ШІ на десятиліття.