PAN 2 néven új, nyílt világmodellt mutatott be a Mohamed bin Zayed Mesterséges Intelligencia Egyetem kutatóintézete. A generatív mesterséges intelligencia egy kiinduló jelenet és egy szöveges utasítás alapján videón képes szimulálni, hogyan változhat meg a fizikai környezet egy adott cselekvés hatására. A fejlesztés a robotok tanításában és az önállóan tervező intelligens rendszerek működésében is fontos szerepet kaphat.
A Mohamed bin Zayed University of Artificial Intelligence keretében működő Institute of Foundation Models november 11-én jelentette be PAN 2 nevű világmodelljének kiadását. A rendszer a hagyományos szöveg- és képgeneráló modellektől eltérően arra törekszik, hogy egy adott helyzet lehetséges folytatását is megjelenítse. Ha például a felhasználó megad egy jelenetet, majd leírja, milyen cselekvés történjen benne, a modell megpróbálja videó formájában előállítani az esemény következményét. A kutatók ezt a megközelítést szimuláción alapuló következtetésnek nevezik.
A PAN 2 működése két eltérő mesterséges intelligencia képességet kapcsol össze. Egy nagy nyelvi modell először megtervezi az események logikai és időbeli sorrendjét, majd egy diffúziós videómodell előállítja a hozzájuk tartozó mozgóképet. A rendszer így nem kizárólag egymást követő képkockákat próbál létrehozni, hanem a mozgások, tárgyak és események közötti kapcsolatokat is modellezi. A technológia a kutatóintézet Generative Latent Prediction nevű architektúrájára épül, amely a környezet változását belső reprezentációban jósolja meg, mielőtt annak látható eredményét rekonstruálná.
A fejlesztők a PAN 2 teljesítményét több fizikai és tervezési feladatban is megvizsgálták. A kutatóintézet közlése szerint a modell a Physics-IQ Verified összehasonlításban összesítésben a harmadik helyen végzett, a nyílt súlyú rendszerek között pedig az első lett. A több lépésből álló tervezési feladatokban szintén erős eredményeket jelentettek. A nyilvánosságra hozott megoldás legfeljebb húsz másodperces szimulált videókat készíthet, a modell saját kódját és súlyait pedig Apache 2.0 licenc alatt tették hozzáférhetővé. A rangsorok és a teljesítményadatok ugyanakkor a közölt tesztfeltételekre vonatkoznak.
Olvasd el: A fizikai világ felé fordul a generatív mesterséges intelligencia
Mi történhet a robotika fejlődésével, ha egy intelligens rendszer már a cselekvés előtt képes kipróbálni annak lehetséges következményeit egy digitális környezetben?
A világmodellek egyik legfontosabb felhasználási területe a robotika lehet. Egy fizikai robot tanítása költséges és időigényes, ráadásul bizonyos hibák sérüléshez vagy anyagi kárhoz vezethetnek. Egy megfelelően működő szimulációs rendszer viszont lehetővé teheti, hogy a robot különböző mozdulatokat, útvonalakat vagy feladatmegoldásokat először virtuális környezetben próbáljon ki. Hasonló megközelítés használható az ipari automatizálásban, a gépi tervezésben és az oktatásban is, ahol az események lehetséges következményeinek vizsgálata önmagában is értékes lehet.
A PAN 2-t ugyanakkor nem szabad hibátlan fizikai szimulátorként kezelni. A kutatók maguk is elismerik, hogy a hosszabb eseménysorok következetes modellezése továbbra is megoldatlan feladat. Egy látványos és hihető videó nem feltétlenül bizonyítja, hogy az ábrázolt esemény minden részlete megfelel a fizika törvényeinek. A valós robotikai alkalmazásokhoz ezért további mérésekre, ellenőrzésre és tényleges környezetben végzett tesztekre van szükség. A nyílt kiadás éppen abban segíthet, hogy más kutatócsoportok is vizsgálhassák a rendszer képességeit és korlátait.
A fejlesztés jelentősége abban rejlik, hogy a generatív mesterséges intelligencia egyre inkább túllép a szövegek és látványos videók létrehozásán. A következő fejlődési szakaszban az lehet a meghatározó kérdés, képesek-e a modellek olyan következményeket előre jelezni, amelyekre egy önállóan működő rendszer biztonságosan alapozhatja a döntéseit. Ha a világmodellek pontossága tovább javul, a mesterséges intelligencia nemcsak leírhatja a fizikai környezetet, hanem egyre összetettebb helyzetekben segíthet megtervezni a benne végrehajtott cselekvéseket is.
Olvasd el ezt is: Gyógyszerkutatási célpontokkal dolgozik a generatív mesterséges intelligencia új modellje
Források: MBZUAI, Institute of Foundation Models, Emirates News Agency
CS.SZ.
