LIGJET E BIZNESIT
Gara për të ndërtuar modele të botës ka filluar, shkruan The Economist
Project Genie, një model eksperimental i Inteligjencës Artificiale (IA) i publikuar nga Google në janar, është një arritje teknike mbresëlënëse. Jepini këtij mjeti një kërkesë, për shembull një imazh ose një fragment të shkurtër teksti, dhe ai do të gjenerojë një botë interaktive që përdoruesi mund ta eksplorojë.
Nëse shkruani një kërkesë të thjeshtë, rezultati është një simulim realist. Nëse niseni, përkundrazi, nga një pikturë e Georges Seurat, mund të shëtisni në një të diel në park në stilin e përkryer të artistit.
Project Genie mund të duket si një videolojë, por krijuesit e tij pretendojnë se është diçka shumë më e thellë. Ata e quajnë atë një “model të botës”, pra modele që simulojnë botën reale (world models), një mjet thelbësor për të ndihmuar sistemet e IA të kuptojnë hapësirat fizike komplekse dhe të paparashikueshme ku shumë prej tyre do të vendosen për të punuar në të ardhmen.
Kompania argumenton se një e ardhme ku robotë humanoidë shkojnë në dyqan për të blerë përbërës përpara se të gatuajnë darkën, apo ku makinat autonome lëvizin në rrugë rurale, nuk do të ishte e mundur pa modele të botës.
🎙️ Podcast “Money Hour” | Fast News Economy
🏛️ LIGJET E BIZNESIT–Ligji në Kohë Reale për Biznesin Modern
Koncepti daton që nga një libër i vitit 1943 nga Kenneth Craik, një psikolog skocez, i cili sugjeroi se organizmat mbartin brenda mendjes një “model në shkallë të vogël” të botës, mbi të cilin testojnë hipoteza përpara se t’i zbatojnë në realitet.
Të kesh njëfarë kuptimi se si funksionon bota është një hap i domosdoshëm përpara se të bësh plane për ta ndryshuar atë. Pa një të tillë, çdo qenie e gjallë do të detyrohej të jetonte në mënyrë thjesht reaktive, duke u tërhequr nga dhimbja, duke kërkuar ushqim, dhe pak më shumë se kaq.
Dhënia e kësaj aftësie edhe sistemeve të IA ishte një fushë premtuese kërkimi që në vitet 1990, përpara se modelet e mëdha gjuhësore (LLM) të tërhiqnin vëmendjen e botës. Tani kjo vëmendje është rikthyer.
Ekzistojnë tre qasje kryesore që po eksplorohen për të ndërtuar modele të botës. Një pikënisje e natyrshme janë gjeneruesit e videove me IA. Gjenerimi i një videoje koherente varet nga simulimi i një bote koherente: nëse ligjet e realitetit ndryshojnë nga një kornizë në tjetrën, rezultati do të ishte i pakuptimtë.
Modele të tilla rudimentare të botës mund të plotësojnë detaje përtej asaj që u është dhënë: jepuni një fotografi të një labirinti dhe ata mund të vizatojnë një rrugë përmes tij; tregojuni një foto të duarve që mbajnë një kavanoz dhe ata do të modelojnë saktë lëvizjet e nevojshme për ta hapur.
Project Genie është kulmi i kësaj qasjeje. Dobishmëria e tij bëhet e qartë kur imagjinohet i kombinuar me një IA tjetër, për shembull një robot shitës, që po përpiqet të mësojë si të veprojë në botën fizike.
Miliarda orë të dhënash trajnimi, të domosdoshme për një detyrë të tillë, do të ishin shumë më të vështira për t’u mbledhur nga bota reale sesa nga një model që mund të simulojë mjedisin. Dhe nëse simulimet janë mjaftueshëm të sakta, sistemi mund t’i përdorë këto të dhëna për të trajnuar vetveten.
Megjithatë, edhe videoja më realiste e botës nuk mund të kapë çdo detaj që një njeri do të vërente. Për shembull, frigoriferi i prishur në pjesën e pasme të dyqanit që bën të kalbet peshku i freskët nuk kapet nga kamera, as aroma që e shoqëron.
Edhe objektet që nuk janë drejtpërdrejt të dukshme mbeten përtej saj. Nëse gjenerohet përmbajtja e një korridori në një dyqan, për shembull, korridoret ngjitur nuk ekzistojnë për modelin derisa përdoruesi të hyjë në to. Kjo e bën më të vështirë simulimin e mjediseve komplekse ose lejimin e disa përdoruesve të lëvizin në të njëjtin model.
Mjedis tredimensional
Një qasje tjetër për ndërtimin e modeleve të botës synon, për këtë arsye, krijimin e mjediseve të plota tredimensionale dhe jo simulimeve dydimensionale. Fei-Fei Li, një shkencëtare kompjuterike në Universitetin Stanford, po udhëheq një qasje që ajo e quan inteligjencë hapësinore.
Sipas saj, modelet e botës duhet të jenë interaktive, multimodale (të afta të interpretojnë kërkesa të ndryshme) dhe të qëndrueshme.
Sistemet e bazuara në video mund të kapërcejnë dy pengesat e para, por hasin vështirësi me të tretën. Project Genie, për shembull, funksionon për maksimumi 60 sekonda përpara se simulimet e tij të fillojnë të shpërbëhen.
Startup-i i Dr Li, World Labs, ka ndërtuar një model të botës të quajtur Marble, i cili mund të krijojë versione digjitale të botëve tredimensionale që janë të qëndrueshme dhe të plota nga brenda.
Kjo do të thotë se është e mundur, për shembull, që disa përdorues të jenë brenda së njëjtës botë në të njëjtën kohë. Për më tepër, hapësirat nuk krijohen nga e para sa herë që përdoruesi shikon përreth; përkundrazi, ato krijohen në tërësinë e tyre që në fillim.
World Labs po ua ofron produktin e saj arkitektëve, të cilët mund ta përdorin për të imagjinuar një hapësirë dhe për ta eksploruar atë virtualisht përpara se ta dërgojnë në një printer 3D.
Yann LeCun, ish-shkencëtari kryesor i IA në Meta, mendon se modelet e botës mund të ndërtohen në një mënyrë tjetër, më pak të drejtpërdrejtë. Për të, përqendrimi te hapësirat reale është një shpërqendrim.
Në fund të fundit, shumë IA do të duhet të lundrojnë në labirinte virtuale si sistemet e burimeve njerëzore apo dokumentet ligjore, dhe jo vetëm në hapësira fizike si dyqanet. Ai beson se pajisja e IA me mjete për të modeluar në mënyrë të qëndrueshme mjedise të të dyja llojeve është një hap i rëndësishëm drejt bërjes së tyre të dobishme.
Sipas tij, një IA mund të përdorë një model të madh gjuhësor për të ndërvepruar me një model të tillë të botës dhe për ta ndihmuar të kryejë detyra, qoftë në botën reale apo në një kompjuter.
Modelet
Kjo qasje, e quajtur Joint-Embedding Predictive Architecture (JEPA), do t’i lejonte një IA të simulonte veçori komplekse të botës reale. Modelet ekzistuese të botës përqendrohen në atë që do të ndodhë menjëherë, dhe jo në ngjarje që mund (ose mund të mos) ndodhin në një të ardhme më të largët.
Njerëzit mendojnë përpara gjatë gjithë kohës: duke vlerësuar motin përpara se të vendosin nëse do të dalin nga shtëpia me një çadër; duke marrë parasysh rrezikun e vonesës në një takim të rëndësishëm kur zgjedhin cilin tren të kapin; dhe kështu me radhë.
E rëndësishmja është se këto vendime mund të merren shpejt, pa qenë nevoja të vizualizohet çdo sekondë e ditës. Modelet aktuale të botës nuk kanë një mekanizëm të tillë parashikimi.
Dr LeCun ka eksploruar potencialin e një sistemi JEPA që nga viti 2022 dhe në nëntor 2025 ai u largua nga Meta për t’u marrë me këtë problem me kohë të plotë. Startup-i i tij, Advanced Machine Intelligence, planifikon t’i kthejë idetë e tij në realitet, duke filluar me një partneritet me Nabla, një startup në teknologjinë e shëndetit. Ai thotë se synimi është një sistem që përdor modelin e vet të botës për të përcaktuar “se cili rend veprimesh do të realizojë në mënyrë optimale një detyrë që unë i caktoj”.
Por çfarë nëse këto qasje të ndërlikuara janë të tepërta? Nëse sistemet ekzistuese të IA gjeneruese tashmë mund të bëjnë gjëra të dobishme në botën reale, ndoshta ato tashmë përmbajnë një lloj modeli të botës brenda tyre.
Kjo është pikëpamja e Ilya Sutskever, bashkëthemelues i OpenAI, dhe e shumë prej ish-kolegëve të tij që ende punojnë në laborator. Trajnimi i një modeli të madh gjuhësor, tha ai në vitin 2023, nuk është gjë tjetër veçse “të mësosh një model të botës”.
Kompresimi i gjithë informacionit të përmbajtur në internet në disa qindra gigabajt numrash është i mundur vetëm nëse një sistem “mëson” parimet themelore që qëndrojnë pas atij informacioni.
Një këndvështrim i ri fantastik
Ka disa tregues që ai mund të ketë të drejtë. Në vitin 2023, një model gjuhësor i trajnuar me një listë lëvizjesh në lojën Othello u tregua se pasqyronte gjendjen e tabelës brenda rrjetit të vet nervor, edhe pse nuk kishte parë kurrë një tabelë Othello dhe nuk i ishin mësuar rregullat e lojës.
Ishte një përfaqësim aq i detajuar sa studiuesit mundën të identifikonin pjesë specifike të rrjetit nervor që ruanin ngjyrën e gurëve individualë. Kjo do të thoshte se ata mund të bënin ndërhyrje të veçanta për të ndryshuar perceptimin e modelit për lojën, një nivel kontrolli i paprecedentë mbi llogaritjet e një modeli të madh gjuhësor.
Modelet më të mëdha gjuhësore ka të ngjarë të kenë modele edhe më komplekse të botës brenda tyre, nëse studiuesit do të arrinin t’i gjenin ato. Anthropic, një laborator IA, ka udhëhequr kërkime mbi “interpretimin” e modeleve të saj Claude, duke gjetur grupe neuronesh artificiale që korrespondojnë me gjithçka, nga ndjenjat e fajit deri tek ura Golden Gate.
Dhe ndërhyrja në këto struktura, si në shembullin e Othello-s, shkakton ndryshime përkatëse në sjelljen e mëvonshme të këtyre modeleve.
Kjo sugjeron se sistemet nuk po bashkojnë thjesht fjalë njëra pas tjetrës: ato kanë një kuptim të qëndrueshëm të tipareve fizike të botës reale, të cilin e përdorin për t’iu përgjigjur pyetjeve. Kjo tingëllon shumë si ajo që do të pritej nga një model i brendshëm i botës.
Jo të gjithë janë dakord. Modelet e mëdha gjuhësore, argumenton Dr Li, janë thjesht “mjeshtër të fjalëve në errësirë”. Aftësia për të përdorur gjuhën për të përshkruar botën, thotë ajo, nuk do të thotë se ato kanë një kuptim të bazuar në realitet të saj.
Ashtu si një student që ka lexuar vetëm për një vend të huaj, ekziston një pjesë e njohurisë që mungon e që nuk mund të plotësohet vetëm me libra, thotë ajo. Cilado qoftë qasja që do të rezultojë më efektive, një gjë është e qartë: Inteligjenca Artificiale është gati të vizitojë botën reale.
