گوگل از مدل Genie 3 رونمایی کرد؛ ساخت دنیاهای تعاملی در لحظه + ویدیو_اصفهانیا

گوگل دیپ‌مایند از نسل تازه مدل هوش مصنوعی خود با نام «Genie 3» پرده برداشت؛ این مدل می‌تواند دنیاهای سه‌بعدی تعاملی را به‌صورت آنی خلق کند و حتی آنها را با دستورات متنی در لحظه تحول دهد. این مدل قرار است به بستری برای آموزش نسل بعدی عامل‌های هوشمند، از ربات‌های انسان‌نما گرفته تا خودروهای خودران، تبدیل شود.

به حرف های دیپ‌مایند، Genie 3 نوعی «مدل جهانی» (World Model) است؛ این مدل‌های هوش مصنوعی می‌توانند محیط‌های مجازی را برای اهداف مختلفی همانند سرگرمی، ویدیوگیم یا مهم‌تر از همه، آموزش و برسی دیگر سیستم‌های هوشمند همانند‌سازی کنند. Genie 3، تازه ترین دستاورد گوگل دیپ‌مایند در این حوزه، یک جهش بزرگ نسبت به نسل قبلی خود، Genie 2، محسوب می‌شود.

این مدل می‌تواند دنیاهای مجازی را با رزولوشن 720p (در روبه رو 360p در نسل قبل) و با پایداری و ارامش برای چندین دقیقه (در روبه رو حداکثر یک دقیقه در نسل قبل) همانند‌سازی کند. برخلاف مدل‌های قبلی که برای تشکیل هر فریم به چند لحظه زمان نیاز می بود، Genie 3 به طور آنی (Real-time) به دستورات حرکتی کاربر یا عامل هوشمند جواب می‌دهد.

با اهمیت ترین پیشرفت این مدل، توانایی آن در به‌یادآوردن اشیا و نگه داری ارامش فیزیکی محیط است. این قابلیت به Genie 3 اجازه می‌دهد تا فهمیدن پایه‌ای از قوانین فیزیک (همانند نحوه حرکت و تعامل اشیا) داشته باشد.

معارفه هوش مصنوعی Genie 3

احتمالا با اهمیت ترین ویژگی Genie 3 قابلیتی باشد که دیپ‌مایند آن را Promptable World Events می‌نامد. این ویژگی به محققان امکان می‌دهد تا با منفعت گیری از دستورات متنی ساده، دنیای همانند‌سازی‌شده را در لحظه تحول دهند. به گفتن مثال، در ویدیوی معارفه این مدل، محققان در میانه همانند‌سازی اسکی‌کردن یک فرد در کوهستان، با یک دستور متنی،  گله‌ای گوزن را به صحنه اضافه می‌کنند.

این ویژگی Genie 3 را به یک زمین بازی نامحدود برای آموزش عامل‌های هوشمند تبدیل می‌کند. محققان می‌توانند با تشکیل سناریوهای «چه می‌شد اگر» (What if) که در دنیای واقعی نادر، خطرناک یا پرهزینه می باشند، عامل‌های هوشمند را برای روبه رو با شرایط غیرمنتظره آماده کنند. مدیر تحقیقات دیپ‌مایند به یک مثال دلنشین اشاره می‌کند: «می‌توان از Genie 3 برای آموزش یک خودروی خودران جهت جلوگیری از برخورد با عابری که یک دفعه به خیابان می‌پرد، منفعت گیری کرد.»

تیم دیپ‌مایند Genie 3 را نه فقط یک ابزار بلکه «قدمی در مسیر رسیدن به AGI» می‌داند. آنها اعتقاد دارند که مدل‌های جهانی، کلید مهم برای آموزش عامل‌های تجسم‌یافته (Embodied Agents) می باشند؛ سیستم‌هایی که باید در دنیای واقعی عمل کنند. آنها با آزمایش عامل هوشمند خود SIMA در یک انبار مجازی ساخته‌شده توسط Genie 3، نشان دادند که چطور این عامل می‌تواند با فهمیدن محیط، وظایفی مختلفی را با پیروزی انجام دهد.

با وجود همه این پیشرفت‌ها، Genie 3 تا این مدت در مرحله های اولیه قرار دارد. این مدل در رندرکردن متن با مشکل روبه رو است، همانند‌سازی فیزیک آن تا این مدت بی‌نقص نیست و زمان زمان تعامل چند دقیقه‌ای برای آموزش‌های پیچیده کافی نیست.