هوش مصنوعی، انسانی، خیلی انسانی

فراتر از متن: چرا هوش مصنوعی برای درک جهان به «مدل‌های فیزیکی» نیاز دارد؟

فین‌تک و استارتاپ۱۷ مرداد ۱۴۰۵ دنیای اقتصاد

هوش مصنوعی برای رسیدن به سطح انسان باید از «پیش‌بینی کلمات» به «شبیه‌سازی فیزیکی جهان» تغییر مسیر دهد.

اگر هوش مصنوعی هرگز لیوانی را نشکسته باشد، چطور می‌تواند بفهمد شکستن چیست؟

پاسخ را از دستیار بپرس

نکات کلیدی خبر

۱
مدل‌های زبانی بزرگ (LLM) به دلیل فقدان تجربه مستقیم فیزیکی، در درک پدیده‌های دنیای واقعی با محدودیت‌های اساسی مواجه‌اند.
۲
محققان به سمت «مدل‌های جهانی» حرکت می‌کنند که به سیستم‌ها اجازه می‌دهد قوانین فیزیک را مشاهده و پیامدهای اعمال خود را شبیه‌سازی کنند.
۳
سرمایه‌گذاری‌های میلیاردی در استارتاپ‌هایی مانند AMI Labs و World Labs نشان‌دهنده اهمیت این حوزه برای آینده رباتیک و هوش عمومی مصنوعی است.

چرا این خبر مهم است؟

درک اینکه چرا هوش مصنوعی فعلی در کارهای ساده فیزیکی شکست می‌خورد و آینده رباتیک چگونه با مدل‌های جهانی تغییر خواهد کرد.

نکات پنهان خبر

هوش مصنوعی فعلی «توصیف‌گر» است، نه «تجربه‌گر»؛ مدل‌های جهانی تلاش می‌کنند این شکاف تجربه را با شبیه‌سازی پر کنند تا هوش مصنوعی از سطح متن به سطح عمل برسد.

منتظر چه باید بود؟

پیگیری پیشرفت‌های عملیاتی در رباتیک خودمختار و سیستم‌های مدل جهانی مانند Dreamer 4 برای مشاهده کاربردهای واقعی.

پژواک تاریخی

تکامل از مدل‌های زبانی به مدل‌های چندوجهی و فیزیک‌محور مشابه مسیر تکامل هوش انسانی است.

این خبر چگونه به شما اثر می‌گذارد؟

بیشترین تاثیر این خبر بر چیست؟

شرکت‌های رباتیک
بهبود قابلیت‌های خودمختار و درک محیطی
توسعه‌دهندگان هوش مصنوعی
نیاز به تغییر رویکرد از LLM به مدل‌های جهانی

مفاهیم اقتصادی این خبر

معنای هر مفهوم را در دانشنامه بخوانید
۱

مدل‌های زبانی فعلی فاقد تجربه فیزیکی هستند و نیاز به مدل‌های جهانی دارند.

۲

مدل‌های جهانی مرز بعدی هوش مصنوعی و کلید رسیدن به هوش عمومی مصنوعی هستند.

۳

اصطلاح مدل جهانی در حال حاضر به شکلی مبهم و گیج‌کننده استفاده می‌شود.

۴

مشخص نیست چه بازنمایی‌هایی برای درک تعمیم‌پذیر واقعیت فیزیکی کافی است.

۵

ریشه‌های مدل‌های جهانی به علوم شناختی سال ۱۹۴۳ و ذهن انسان برمی‌گردد.

۶

هوش شامل ساخت مدل‌های ذهنی برای شبیه‌سازی نتایج و جلوگیری از اشتباه است.

۷

زبان توصیف واقعیت است، نه خود واقعیت؛ لذا LLMها در درک فیزیک ضعیف‌اند.

۸

LLMها در استدلال‌های مکانی و سناریوهای دنیای واقعی عملکرد ضعیفی دارند.

۹

فقدان نقشه ذهنی باعث ناتوانی LLMها در شبیه‌سازی دنیای فیزیکی می‌شود.

۱۰

یان لکان معتقد است برای استدلال و برنامه‌ریزی، مدل‌های جهانی ضروری هستند.

۱۱

سیستم‌های هوشمند باید پیامدهای اعمال خود را پیش‌بینی کنند.

۱۲

سرمایه‌گذاری‌های کلان در استارتاپ‌های مدل جهانی در حال افزایش است.

۱۳

بسیاری از مدل‌های فعلی در واقع شبیه‌سازهای بازی یا تولیدکننده ویدیو هستند.

۱۴

مدل جهانی واقعی به عامل اجازه می‌دهد آینده را تصور و برنامه‌ریزی کند.

آمار کلیدی

۱ میلیارد دلار
سرمایه‌گذاری جمع‌آوری شده برای AMI Labs
۲۳۰ میلیون دلار
سرمایه‌گذاری برای World Labs

نهادهای کلیدی خبر

دستیار هوشمند