مدل جدید V-JEPA 2 متا: آموزش درک محیط فیزیکی به هوش مصنوعی

شرکت متا روز چهارشنبه از مدل جدید هوش مصنوعی خود به نام V-JEPA 2 رونمایی کرد. این مدل که یک «مدل جهانی» (world model) نامیده می‌شود، برای کمک به عوامل هوش مصنوعی طراحی شده تا بتوانند جهان اطراف خود را درک کنند.

V-JEPA 2 توسعه‌ای از مدل V-JEPA است که متا سال گذشته منتشر کرد و بر روی بیش از یک میلیون ساعت ویدئو آموزش دیده بود. هدف از داده‌های آموزشی، کمک به ربات‌ها یا سایر عوامل هوش مصنوعی برای فعالیت در دنیای فیزیکی، درک و پیش‌بینی چگونگی تأثیر مفاهیمی مانند گرانش بر اتفاقات بعدی در یک توالی است.

این نوع ارتباطات منطقی است که کودکان خردسال و حیوانات در حین رشد مغز خود برقرار می‌کنند. به عنوان مثال، هنگام بازی «بگیر بیار» با یک سگ، سگ (امیدوارم) درک خواهد کرد که چگونه پرتاب توپ روی زمین باعث جهش آن به سمت بالا می‌شود یا اینکه چگونه باید به سمتی بدود که فکر می‌کند توپ فرود می‌آید، نه به جایی که توپ در همان لحظه است.

متا مثال‌هایی را به تصویر می‌کشد که در آن‌ها یک ربات ممکن است با صحنه‌ای مواجه شود، مثلاً از دید فردی که بشقاب و کفگیر در دست دارد و به سمت اجاقی می‌رود که تخم‌مرغ‌های پخته‌شده روی آن است. هوش مصنوعی می‌تواند پیش‌بینی کند که اقدام بعدی بسیار محتمل، استفاده از کفگیر برای انتقال تخم‌مرغ‌ها به بشقاب خواهد بود.

بر اساس گفته‌های متا، V-JEPA 2 سی برابر سریع‌تر از مدل Cosmos انویدیا است که آن هم سعی در بهبود هوش مرتبط با دنیای فیزیکی دارد. با این حال، متا ممکن است مدل‌های خود را بر اساس معیارهای متفاوتی نسبت به انویدیا ارزیابی کند.

یان لوکان (Yann LeCun)، دانشمند ارشد هوش مصنوعی متا، در یک ویدئو توضیح داد: «ما معتقدیم مدل‌های جهانی دوران جدیدی را برای رباتیک آغاز خواهند کرد و به عوامل هوش مصنوعی در دنیای واقعی اجازه می‌دهند بدون نیاز به حجم نجومی از داده‌های آموزشی رباتیک، در انجام کارهای خانه و وظایف فیزیکی کمک کنند.»