مدل‌های جهان به زودی فراگیر می‌شوند؛ نسل جدید هوش مصنوعی چگونه قوانین فیزیک را به ربات‌ها می‌آموزد؟

سال ۲۰۱۶ است و در هنگام غروب در محله خود قدم می‌زنید؛ گوشی هوشمندتان را لمس می‌کنید تا کاراکتر کمیاب اسنورلاکس را در بازی Pokémon Go شکار کنید و کلکسیون خود را گسترش دهید. شما در کنار صدها میلیون بازیکن دیگر از یک بازی واقعیت ترکیبی با شخصیت‌های دوست‌داشتنی لذت می‌برید؛ اما شاید کمتر کسی تصور می‌کرد که اسکن‌های محیطی ثبت‌شده در این بازی، روزی به ربات‌ها در مسیریابی میان موانع و تعامل با اشیا کمک کنند.

شرکت Niantic، سازنده بازی Pokémon Go، سال گذشته این بازی را واگذار کرد و با تمام توان به سمت یکی از پربحث‌ترین موضوعات هوش مصنوعی در سیلیکون‌ولی رفت: مدل‌های جهان (World Models). برایان مک‌کلندون، مدیر ارشد فناوری در Niantic Spatial، می‌گوید هدف اصلی این مجموعه، بازسازی دنیای واقعی است. او امیدوار است با استفاده از گنجینه عظیم داده‌های محیطی، نمونه‌های مشابه دیجیتالی از دنیای فیزیکی بسازد. مدل‌های جهان برخلاف مدل‌های بزرگ زبانی که ماهیتی متنی دارند، از ورودی‌های تصویری بهره می‌برند و محیط‌های دیجیتالی پویایی خلق می‌کنند که قوانین فیزیک را شبیه‌سازی می‌نمایند.

این نرم‌افزارها حتی بدون آنکه متوجه تعامل مستقیم با آن‌ها شوید، به زندگی روزمره راه خواهند یافت. سال ۲۰۲۷ می‌تواند نقطه عطف بزرگی برای گسترش ربات‌های خانگی و خودروهای خودران باشد؛ دو حوزه‌ای که با پیشرفت‌های مدل‌های جهان شتاب گرفته‌اند. بنابراین اکنون زمان آن فرارسیده است تا نحوه تفکر و تحلیل این سامانه‌های هوشمند را بهتر بشناسیم.

الیور کامرون، مدیرعامل Odyssey که یک آزمایشگاه هوش مصنوعی متمرکز بر مدل‌های جهان است، تفاوت این فناوری را چنین توضیح می‌دهد: «در یک مدل زبانی، شما یک جمله را وارد می‌کنید و سیستم کلمه بعدی را پیش‌بینی می‌کند؛ اما در مدل جهان، وضعیت بصری دنیا یا یک تصویر را به آن می‌دهید و مدل وضعیت بصری بعدی دنیا را پیش‌بینی می‌کند.» این محتواهای سه‌بعدی می‌توانند به‌عنوان زمین‌های تمرین دیجیتالی به کار گرفته شوند. او تأکید می‌کند که این فضاها با وجود شبیه‌سازی بودن، کاملاً واقعی به نظر می‌رسند و حس واقعیت را منتقل می‌کنند.

مک‌کلندون بر این باور است که مدل‌های جهان به ربات‌ها امکان می‌دهند بدون جابه‌جایی فیزیکی یا حضور در محیط واقعی، به تمرین بپردازند. به گفته او، کافی است از محیطی که قرار است ربات در آن کار کند عکس‌برداری شود، یک مدل سه‌بعدی شکل بگیرد و سپس نرم‌افزار میلیون‌ها شبیه‌سازی را اجرا کند تا ربات با ویژگی‌ها و متغیرهای آن فضا سازگار شود.

تمرین در محیط شبیه‌سازی‌شده فقط به ربات‌های انسان‌نما محدود نمی‌شود و خودروهای خودران نیز با مدل‌های جهان پیشرفت چشمگیری تجربه می‌کنند. در شرایطی که راننده انسانی پشت فرمان نیست، واکنش‌های نرم‌افزاری در کسری از ثانیه اهمیتی حیاتی دارند.

جیمی شاتن، دانشمند ارشد در شرکت Wayve که مدل‌های جهان مختص خودروها را توسعه می‌دهد، خاطرنشان می‌کند: «نکته اساسی این است که یک مدل جهان باید بتواند به کنش‌های ما در محیط واکنش نشان دهد؛ در نتیجه باید قوانین فیزیک، رابطه علت و معلولی و نحوه تغییر رفتار سایر اشیا و افراد را در پاسخ به اقدامات ما درک کند.»

مدل جهان مولد استارتاپ Wayve تا حدی از تصاویر ضبط‌شده با دوربین خودروها تغذیه می‌کند. این استارتاپ از داده‌های مذکور برای بازسازی جاده‌های خطرناک و سایر شرایط ناایمن بهره می‌برد؛ موقعیت‌هایی که آزمایش آن‌ها در دنیای واقعی خطرناک یا غیرممکن خواهد بود.

توسعه‌دهندگان فراتر از کاربردهای فیزیکی، تأثیر مدل‌های جهان را بر صنعت بازی‌های ویدیویی نیز بررسی می‌کنند. از آنجا که محاسبات فیزیک و رندر سه‌بعدی ارکان اصلی بازی‌ها هستند، غول‌های بزرگی نظیر شرکت تنسنت اقدام به سرمایه‌گذاری روی مدل‌های جهان اختصاصی خود کرده‌اند.

انتظار می‌رود شرکت‌های بزرگ هوش مصنوعی مانند گوگل به نمایش دستاوردهای تازه خود در زمینه مدل‌های جهان ادامه دهند. سرمایه‌گذاران نیز سرمایه‌های هنگفتی را به سوی دانشمندان برجسته علوم کامپیوتر که به این حوزه رو آورده‌اند، سرازیر می‌کنند. یان لکان، دانشمند ارشد پیشین هوش مصنوعی در متا، به‌تازگی بیش از یک میلیارد دلار سرمایه برای راه‌اندازی استارتاپ Advanced Machine Intelligence جذب کرد. علاوه بر این، فی-فی لی، دانشمند سرشناس دانشگاه استنفورد، در سال ۲۰۲۴ استارتاپ World Labs را پایه‌گذاری کرد که شرکت AMD امسال آن را با رقمی بیش از هشت میلیارد دلار تصاحب کرد.

حتی اگر برنامه‌ای برای استفاده از خودروهای خودران و ربات‌های خانگی نداشته باشید، مدل‌های جهان در پشت صحنه بازار کار را تحت تأثیر قرار داده‌اند. آزمایشگاه‌های هوش مصنوعی برای شبیه‌سازی دنیای فیزیکی به داده‌های ثبت‌شده توسط انسان‌های واقعی در محیط واقعی نیاز دارند. از همین رو، امروزه افرادی هستند که با نصب گوشی‌های هوشمند روی پیشانی خود، ساعت‌ها از فعالیت‌های روزمره آپارتمانی مانند تا کردن لباس‌ها، شستن ظروف یا ریختن نوشیدنی فیلم‌برداری می‌کنند و داده‌های ویدیویی را در ازای دستمزدی اندک از طریق اپلیکیشن‌ها به فروش می‌رسانند. با تلاش شرکت‌های متعدد برای ارتقای مدل‌های جهان، احتمالاً تقاضا برای این دست از کارهای پروژه‌ای و جمع‌آوری داده رشد قابل‌توجهی خواهد داشت.

فاصله میان شکار هیولاهای مجازی در سال ۲۰۱۶ تا ضبط و فروش ویدیو از کارهای روزمره خانه، نشان می‌دهد که این سامانه‌ها ابعاد فزاینده‌ای از زیست فیزیکی انسان را در بر می‌گیرند؛ جایی که بازسازی دیجیتالی یک ربات انسان‌نما درون شبیه‌سازی رایانه‌ای از یک اتاق، با پنجه‌های فلزی خود تا کردن لباس‌ها را بارها تکرار می‌کند و در هر مرحله اندکی ماهرتر می‌شود. این پدیده گواهی است بر اینکه نسل بعدی هوش مصنوعی با شتابی بی‌سابقه در حال تبدیل شدن به بخشی جدایی‌ناپذیر از واقعیت روزمره ماست.