Genie 3 دیپ مایند: غول چراغ جادویی که دنیا های مجازی می سازد و راه را برای هوش مصنوعی عمومی هموار می کند

به گزارش بخش اخبار فناوری زوم تک از تک کرانچ، آزمایشگاه هوش مصنوعی گوگل دیپ مایند از جدید ترین مدل پایه جهانی خود به نام Genie 3 رونمایی کرد. این مدل پیشرفته می تواند برای آموزش ماموران هوش مصنوعی با کاربرد های عمومی مورد استفاده قرار گیرد؛ قابلیتی که به گفته این آزمایشگاه، یک پله حیاتی و بسیار مهم در مسیر دستیابی به “هوش مصنوعی عمومی” یا AGI محسوب می شود.

Genie 3 چیست و چه توانایی هایی دارد؟

شلومی فروکتر، مدیر تحقیقات در دیپ مایند، در یک نشست خبری اظهار داشت: “Genie 3 اولین مدل جهانی تعاملی و همه منظوره است که به صورت آنی کار می کند. این مدل فراتر از مدل های جهانی محدودی است که پیش از این وجود داشتند. Genie 3 به هیچ محیط خاصی محدود نیست و می تواند هم دنیا های واقع گرایانه و هم دنیا های خیالی و هر چیزی بین این دو را تولید کند.”

این مدل که هنوز در مرحله پیش نمایش تحقیقاتی قرار دارد و به صورت عمومی در دسترس نیست، بر پایه دو مدل قبلی یعنی Genie 2 (که می تواند محیط های جدیدی برای ماموران هوشمند ایجاد کند) و آخرین مدل تولید ویدیوی دیپ مایند یعنی Veo 3 (که گفته می شود درک عمیقی از فیزیک دارد) ساخته شده است.

Genie 3 می تواند با یک فرمان متنی ساده، چندین دقیقه محیط سه بعدی تعاملی با وضوح 720p و نرخ 24 فریم بر ثانیه تولید کند که یک جهش قابل توجه نسبت به 10 تا 20 ثانیه ای است که Genie 2 قادر به تولید آن بود. این مدل همچنین از ویژگی “رویداد های جهانی قابل فرمان” برخوردار است، یعنی می توان با استفاده از یک فرمان متنی جدید، دنیای تولید شده را تغییر داد.

راز قدرت Genie 3: یادگیری خودکار فیزیک و حافظه پایدار

شاید مهم ترین ویژگی Genie 3 این باشد که شبیه سازی های آن در طول زمان از نظر فیزیکی پایدار و سازگار باقی می مانند، زیرا مدل می تواند آنچه را که قبلا تولید کرده به خاطر بسپارد. این قابلیتی است که به گفته محققان دیپ مایند، به طور صریح در مدل برنامه ریزی نشده و به صورت خودکار پدیدار شده است. فروکتر در مصاحبه ای با تک کرانچ گفت: “این مدل خود رگرسیو است، به این معنی که هر فریم را در یک زمان تولید می کند. برای تصمیم گیری در مورد اتفاق بعدی، باید به آنچه قبلا تولید شده نگاه کند. این بخش کلیدی معماری آن است.”

این حافظه، به گفته شرکت، به سازگاری و پایداری در دنیا های شبیه سازی شده Genie 3 کمک می کند، که به نوبه خود به آن اجازه می دهد تا درک درستی از فیزیک پیدا کند؛ شبیه به اینکه چگونه انسان ها می فهمند لیوانی که در لبه میز قرار دارد در شرف افتادن است یا برای جلوگیری از برخورد با یک جسم در حال سقوط باید سر خود را بدزدند.

کاربرد اصلی Genie 3: یک زمین بازی بی پایان برای آموزش هوش مصنوعی

جک پارکر هولدر، دانشمند محقق در تیم دیپ مایند، در این نشست گفت: “ما فکر می کنیم مدل های جهانی کلید مسیر رسیدن به AGI هستند، به ویژه برای ماموران هوشمند تجسم یافته (embodied agents)، جایی که شبیه سازی سناریو های دنیای واقعی بسیار چالش برانگیز است.”

Genie 3 برای حل این مشکل طراحی شده است. این مدل مانند Veo، به یک موتور فیزیک از پیش برنامه ریزی شده متکی نیست؛ در عوض، دیپ مایند می گوید که مدل با به خاطر سپردن آنچه تولید کرده و استدلال در بازه های زمانی طولانی، به خود می آموزد که جهان چگونه کار می کند، اشیا چگونه حرکت می کنند، می افتند و با یکدیگر تعامل دارند.

به عنوان مثال، دیپ مایند آزمایشی از Genie 3 را با نسخه اخیر مامور هوشمند عمومی خود (SIMA) به اشتراک گذاشت و از آن خواست تا مجموعه ای از اهداف را دنبال کند. در یک محیط انبار، آنها از مامور خواستند وظایفی مانند “به کمپکتور زباله سبز روشن نزدیک شو” یا “به سمت لیفتراک قرمز بسته بندی شده برو” را انجام دهد. پارکر هولدر گفت: “در هر سه مورد، مامور SIMA قادر به دستیابی به هدف بود. این موفقیت به این دلیل است که Genie 3 پایدار باقی می ماند و دنیای اطراف را به درستی شبیه سازی می کند.”

با وجود پیشرفت های چشمگیر، Genie 3 هنوز با محدودیت هایی روبرو است

با تمام این ها، Genie 3 محدودیت های خود را نیز دارد. به عنوان مثال، در حالی که محققان ادعا می کنند این مدل می تواند فیزیک را درک کند، دموی نمایش داده شده از یک اسکی باز که از کوه پایین می آید، نحوه حرکت برف را در ارتباط با اسکی باز به درستی منعکس نمی کرد. علاوه بر این، دامنه اقداماتی که یک مامور می تواند انجام دهد محدود است و هنوز مدل سازی تعاملات پیچیده بین چندین مامور مستقل در یک محیط مشترک دشوار است. همچنین، Genie 3 تنها می تواند چند دقیقه تعامل مداوم را پشتیبانی کند، در حالی که برای آموزش مناسب به ساعت ها زمان نیاز است.

آینده ای روشن: آیا Genie 3 می تواند لحظه تاریخی AlphaGo را تکرار کند؟

با این وجود، این مدل گامی قانع کننده به جلو در آموزش ماموران هوشمند برای فراتر رفتن از واکنش به ورودی ها است و به طور بالقوه به آن ها اجازه می دهد تا برنامه ریزی کنند، کاوش کنند و از طریق آزمون و خطا پیشرفت کنند. این نوع یادگیری خودران، کلید حرکت به سوی هوش عمومی محسوب می شود.

پارکر هولدر با اشاره به لحظه افسانه ای در بازی Go در سال 2016 بین AlphaGo و قهرمان جهان لی سدول گفت: “ما هنوز لحظه ‘حرکت 37’ را برای ماموران هوشمند تجسم یافته نداشته ایم، جایی که آن ها بتوانند اقدامات نوآورانه ای در دنیای واقعی انجام دهند. اما اکنون، ما به طور بالقوه می توانیم عصر جدیدی را آغاز کنیم.”