DI jau kuria pasaulius. Juose mokosi kitas DI

DI jau kuria naują virtualią tikrovę. Joje gali judėti, keisti įvykius ir stebėti, kaip pasaulis reaguoja. Dar keisčiau – tokiuose pasauliuose mokosi kitas DI, o jo įgytus įgūdžius bandoma perkelti į tikrą gyvenimą.

Neseniai užteko, kad DI sukurtų įtikinamą paveikslėlį. Dabar norime pasukti už jo kampo ir pažiūrėti, kas ten. „Odyssey-3“ leidžia pajusti šį pokytį – aplinka generuojama toliau, atsižvelgiant į veiksmus. Viršuje esantis klipas rodo vieną kūrėjų demonstraciją.

Bet didžiausia šios istorijos dalis gali vykti už ekrano. Ką reiškia, kai mašina mokosi iš simuliacijos, o paskui jos įgūdžius bandome kelyje ar roboto rankose? Nuo „GTA“ ir virtualaus arklio iki Indijos gatvių – pavyzdžių jau yra. Lieka išsiaiškinti, kur prasideda naujos galimybės, o kur kol kas matome tik gražiai atrodančius pažadus.

Pasaulis, kuris atsiranda tau judant

Įsivaizduok, kad parašai prašymą sukurti senamiesčio gatvę po lietaus. Pasuki už kampo. Nueini prie durų. Apsisuki pažiūrėti, ką palikai už nugaros. Sistema turi nuolat spręsti, ką dabar turėtum matyti. Tai paprastas paaiškinantis pavyzdys, ne mūsų atliktas bandymas.

„Odyssey-3“ vadinamas pasaulio modeliu. Jis mokosi prognozuoti aplinkos kaitą pagal ankstesnius vaizdus ir naujus veiksmus. Viešoje „Flash“ peržiūroje galima judėti pirmuoju arba trečiuoju asmeniu, keisti kameros padėtį ir įvesti įvykius generavimo metu. Kūrėjų pristatymas.

Žiūrėdamas įprastą filmą gali paspausti pauzę. Čia tavo veiksmas turi pakeisti tai, kas nutinka. Tačiau iš to dar nereikėtų suprasti, kad už kiekvienos matomos sienos jau laukia iki paskutinio varžtelio sutvarkytas virtualus pastatas. Kitas vaizdas gali atrodyti įtikinamai ir vis tiek prieštarauti tam, ką matei prieš kelias akimirkas.

Pabandymui yra oficiali „Odyssey“ aplinka. Ten galima pačiam patikrinti paprastą dalyką – ar pasaulis išlieka toks pats, kai nueini, apsisuki ir grįžti. Kartais toks bandymas pasako daugiau nei dešimt reklaminių epitetų.

Mokėsi iš GTA, o paskui sėdo ant arklio

Viena smagiausių „Odyssey“ aprašytų istorijų prasideda žaidime. Maždaug dviem valandomis „GTA“ medžiagos papildomai mokyta valdymo sistema sugebėjo valdyti jodinėjimą „Red Dead Redemption 2“. Bazinis modelis jau buvo išmokytas anksčiau. Taigi dvi valandos nėra viso intelekto mokymosi trukmė. Bandymo aprašymas.

Įdomu čia ne tai, kad kompiuteris pajudino žaidimo veikėją. Svarbesnis klausimas – kiek išmoktų dalykų galima nusinešti kitur. Pasikeitė aplinka, veikėjas ir judėjimo būdas. Bent dalis ankstesnės patirties vis tiek pravertė.

Žmogui tai gana įprasta. Išmokęs važiuoti vienu dviračiu, prie kito paprastai nepradedi mokytis nuo klausimo, kam reikalingas vairas. Mašinoms toks prisitaikymas nėra savaime suprantamas. Todėl net ribotas perkėlimo pavyzdys vertas dėmesio. Žinoma, iš jo dar negalime paskelbti, kad DI jau moka žaisti visus žaidimus. Arklys po tokios išvados turbūt pirmas paprieštarautų.

Iš simuliacijos į tikrą kelią

Kitas bandymas jau nebe žaidimas. „Odyssey“ praneša Indijos keliuose išbandžiusi vairavimo sistemą, kurios valdymo komponentas mokytas 20 valandų simuliacinių duomenų. Jis rėmėsi iš anksto parengtu modeliu, o bandymuose dalyvavo saugos vairuotojas. Pirminis šaltinis.

Tai nereiškia, kad galima ištrinti vairavimo mokyklas ir palikti kompiuteriui vieną ilgą savaitgalį. Šio bandymo esmė siauresnė – simuliacijoje gauta patirtis bent iš dalies pravertė tikrame kelyje. O kiek patikimai ji veikia lyjant, prieblandoje ar neįprastoje situacijoje, reikia matuoti atskirai.

Panašus klausimas kyla ir robotams. Bendrovė aprašo atvejus, kai robotas taisė nesėkmingą sugriebimą ar paėmė nepatogiai nukritusį daiktą, nors konkrečių tokių atsigavimo po klaidos veiksmų demonstracijose nebuvo. Tai kūrėjų pateikti rezultatai. Robotų bandymai.

Kasdienybėje gebėjimas pasitaisyti gali būti vertingesnis už idealiai atliktą vieną judesį. Daiktas nuslysta, dėžė būna kitoje vietoje, kažkas užstoja kelią. Robotas, kuriam tinka tik vakar paruoštas pasaulis, šiandien jau turi problemą.

Vienas DI gali tapti kito mokykla

Čia ir atsiranda didesnė šios technologijos perspektyva. Mokymuisi reikia situacijų, veiksmų ir jų pasekmių. Tikrovėje tokią patirtį rinkti gali būti brangu, lėta ar tiesiog pavojinga. Virtualioje aplinkoje galima bandyti daugiau, jei tik jos klaidos nesugadina paties mokymosi.

„Google DeepMind“ tyrėjai jau parodė „SIMA 2“ agentą, veikiantį „Genie 3“ sugeneruotose aplinkose. Jis vykdė užduotis, o jo bandymų patirtis buvo naudojama tolesniam mokymui. Tai tyrimas, kurio autoriai pripažįsta ir atminties, ilgų užduočių bei tikslaus valdymo sunkumus. „SIMA 2“ pristatymas.

„Odyssey“ ankstesniame PROWL-1 tyrime agentui davė dar kitokį darbą – ieškoti, kur pasaulio modelis sugenda. Aptikti sunkūs atvejai grįždavo į mokymą. Pavyzdžiui, neįprastas apsisukimas ir bėgimas padėdavo išryškinti problemas, kurių įprastuose žmogaus žaidimo įrašuose trūko. PROWL-1 tyrimas.

„Kalbos modeliai parodė, kokią vertę turi grįžtamojo ryšio ciklai, kuriuos galima plėsti. Laikas tą patį daryti pasaulio modeliams.“

„Odyssey“ PROWL-1 pristatymas. Vertimas iš anglų kalbos.

Man ši vieta atrodo svarbesnė už vaizdo grožį. Jeigu sistemai galime vis efektyviau parūpinti naudingos patirties, jos mokymasis gali spartėti. Bet čia ir slypi nepatogus klausimas. Jei dirbtinis pasaulis moko klaidingų taisyklių, ar mokinys tampa sumanesnis, ar tiesiog geriau prisitaiko prie neteisingos tikrovės?

Filmavimo aikštelę jau galima aprašyti žodžiais

Žmonėms naudingų pavyzdžių irgi yra. „World Labs“ savo „Marble“ pristatymo filmui generavo erdvines aplinkas. „Pixomondo“ komanda jas perkėlė į „Unreal Engine“, o aktorė filmavosi LED ekranų apsuptyje. Žmonės vis tiek režisavo, derino apšvietimą ir filmavo. Pasikeitė būdas paruošti aplinką. Filmavimo užkulisiai.

pasaulionaujoves.lt

„Vaikystėje įsivaizduojame ištisus pasaulius. Su „Marble“ iš tiesų gali į juos įžengti.“

Richard Nguyen, „a16z New Media“ komanda. Vertimas iš anglų kalbos, iš „World Labs“ filmavimo užkulisių.

„Marble“ leidžia eksportuoti 3D sceną. Tai skiriasi nuo „Odyssey“ veiksmų valdomo vaizdo generavimo. Žodis „pasaulio modelis“ apima skirtingus produktus, todėl prieš žadant stebuklus verta paklausti, ką iš tikrųjų gauni – erdvinį failą, interaktyvų vaizdą ar valdymui pritaikytą sistemą. „Marble“ galimybės.

Vis dėlto bendra kryptis aiški. Tarp minties ir pirmos išbandomos aplinkos gali likti mažiau rankinio darbo. Kūrėjui atsiranda daugiau galimybių patikrinti idėją, kol į ją dar nesudėtas visas biudžetas.

O ką iš to gaus paprastas žmogus

Įsivaizduok kalbos pamoką, kurioje turi apsipirkti virtualiame turguje. Pardavėjas nesupranta, ko prašai, tu bandai paaiškinti kitaip. Arba mokomąją situaciją, kurioje galima kartoti veiksmus ir išbandyti skirtingus sprendimus. Tai galimos ateities kryptys, o ne patvirtintas dabartinių „Odyssey-3“ funkcijų sąrašas.

„Google“ jau rodo mažesnį, bet vaizdingą žingsnį šia kryptimi. „Project Genie“ gali pasitelkti „Street View“ vaizdą kaip pradžią išgalvotai aplinkai. Viename pavyzdyje „Golden Gate“ tiltas atsiduria po vandeniu. Tai vaizduotės scenarijus, ne tilto užtvindymo prognozė. Oficialus pavyzdys.

Mano prognozė būtų gana žemiška. Pirmiausia daugės prototipų, trumpų interaktyvių patirčių ir konkrečių mokymo scenarijų. Vėliau, jei gerės patikimumas ir mažės kaina, galėsime vis daugiau patirties užsisakyti pagal save. Paprašyti aplinkos, užduoties, sunkumo ir iškart bandyti.

Neskubėčiau iš to daryti išvados, kad nebereikės žaidimų kūrėjų ar mokytojų. Sukurti vietą dar nereiškia sukurti įdomų žaidimą. O pamoka, kurioje gali vaikščioti, nebūtinai yra pamoka, iš kurios kažką išmoksti.

Gražus pasaulis dar gali būti neteisingas

Lengva susižavėti tuo, ką matai. Sunkiau patikrinti, ar aplinka laikosi savo taisyklių. Ar daiktas išlieka ten, kur jį palikai? Ar sistema vykdo tavo veiksmą? Ar praeitas kelias nepasikeičia vien todėl, kad į jį kurį laiką nežiūrėjai?

„WorldMark“ tyrėjai lygino vaizdo kokybę, valdymą ir pasaulio atmintį. Gražiau atrodantis modelis nebūtinai geriau vykdė judėjimo komandas. Šis tyrimas nėra konkretaus „Odyssey-3“ testas, bet gerai parodo, kodėl reklaminio klipo neužtenka. Tyrimas.

Net skambus „Odyssey-3 Pro“ 66,1 balo „Physics-IQ“ rezultatas turi sąlygų. Jis pasiektas atrenkant iš aštuonių sugeneruotų variantų. Vertinti trumpi fizinių eksperimentų tęsiniai, o ne valandų valandas veikiantis pasaulis. Be to, „Pro“ bandymo negalima laikyti viešos „Flash“ peržiūros įvertinimu. Rezultato pateikimas ir metodika.

Tai nenuvertina pažangos. Tiesiog padeda suprasti, ką ji reiškia. Kino dekoracijai viena klaida gali būti menkniekis. Robotui, kuris pagal neteisingai išmoktą taisyklę paleidžia daiktą žmogui ant kojos, ji jau visai kitokia.

Man „Odyssey-3“ įdomus kaip ženklas, kur juda DI. Jau kalbame apie sistemas, kurios kuria sąlygas kitoms sistemoms mokytis. Tai gali suteikti daug naudos. Kartu nelabai ramina mintis, kokiu tempu visa ši grandinė gali pradėti tobulėti.

Šiandien žiūrime, kaip DI joja virtualiu arkliu. Rytoj vertinsime, kiek jo ten išmokta patirtis verta mūsų pasaulyje. Ir tada reikės gerokai daugiau nei gražios demonstracijos.

Parengta pagal 2026 m. spalio 15 d. patikrintus pirminius šaltinius. Įterpti klipai yra jų kūrėjų demonstracijos, ne mūsų nepriklausomi bandymai. Fotorealistinės DI iliustracijos pažymėtos atskirai. Prognozės tekste yra autoriaus svarstymai.