آیکون خبر

خبر کامل

هوش مصنوعی و چالش درک فیزیک؛ چرا ربات‌ها هنوز نمی‌توانند یک فنجان چای را جابه‌جا کنند؟

هوش مصنوعی و چالش درک فیزیک؛ چرا ربات‌ها هنوز نمی‌توانند یک فنجان چای را جابه‌جا کنند؟

با وجود پیشرفت‌های خیره‌کننده در پردازش زبان، هوش مصنوعی همچنان در مواجهه با دنیای فیزیکی دچار بن‌بست است؛ فناوری‌ای که می‌تواند شعر بگوید اما در جابه‌جایی یک گلدان شکننده، شکست می‌خورد. این شکاف میان کلمات و عمل، اکنون به محرک اصلی رقابت میان گوگل، انویدیا و متا تبدیل شده است.

چرا چت‌بات‌ها از درک فیزیک عاجزند؟

مدل‌های زبانی بزرگ مانند ChatGPT، با تحلیل میلیاردها متن، در پیش‌بینی کلمه بعدی مهارت دارند، اما فاقد درکی از مفاهیمی چون جاذبه، اصطکاک یا شکنندگی هستند. برخلاف یک کودک که از طریق لمس و مشاهده، مدل ذهنی از جهان می‌سازد، هوش مصنوعی فعلی تنها با «توصیف» جهان سر و کار دارد.

«یان لکان»، از پیشگامان یادگیری عمیق، معتقد است که تنها با یادگیری از دنیای فیزیکی و پیش‌بینی اتفاقات محیطی است که می‌توان به هوش مصنوعی در سطح انسان دست یافت.

تقابل دو دیدگاه در توسعه مدل‌های جهانی

در مسیر رسیدن به هوش مصنوعی جامع، دو استراتژی متفاوت در جریان است که آینده این فناوری را رقم خواهد زد:

نام دانشمند استراتژی اصلی روش کار
یان لکان حذف جزئیات غیرضروری استفاده از معماری JEPA برای تمرکز بر ویژگی‌های مهم محیط
دمیس هاسابیس یادگیری از طریق ویدیو تحلیل میلیاردها ساعت ویدیو برای درک روابط علت و معلولی

پیشگامان رقابت در دنیای مدل‌های جهانی

غول‌های فناوری هر یک با رویکردی خاص در حال پی‌ریزی زیرساخت‌های هوش مصنوعی فیزیکی هستند:

  • پروژه Genie 4 (گوگل): ساخت محیط‌های تعاملی و شبیه‌سازی‌های زنده برای آموزش ربات‌ها.
  • پروژه Cosmos 3 (انویدیا): پلتفرمی جامع برای درک محیط و پیش‌بینی مسیرهای حرکتی.
  • پروژه V-JEPA 2 (متا): یادگیری قوانین فیزیک از طریق تماشای ویدیوهای عمومی بدون نیاز به برچسب‌گذاری انسانی.
  • پروژه Atlas (World Labs): ایجاد درک هندسی سه‌بعدی و «هوش فضایی» در ماشین‌ها.

چالش‌های ایمنی و خطر توهم در عمل

بزرگ‌ترین نگرانی متخصصان، پدیده «توهم همراه با عمل» است. اگر یک مدل هوش مصنوعی در مورد استحکام یک شیء دچار خطا شود، پیامدهای آن در دنیای واقعی می‌تواند فاجعه‌بار باشد. برخلاف خطاهای متنی که قابل اصلاح هستند، خطای فیزیکی می‌تواند منجر به تخریب اموال یا آسیب به انسان شود.

«برای ایمنی در محیط‌های حساس، هوش مصنوعی باید یاد بگیرد که در صورت عدم قطعیت، از انجام اقدامات پرریسک خودداری کند.»

در نهایت، آینده متعلق به ترکیب مدل‌های زبانی (برای برنامه‌ریزی) و مدل‌های جهانی (برای درک فیزیکی) خواهد بود تا ربات‌ها بتوانند در محیط‌های پیچیده انسانی، وظایف خود را با دقت و ایمنی انجام دهند.

شناسنامه خبر:

درباره هوش‌مصنوعی دست‌اول:

تمامی اخبار دست‌اول توسط دستیار هوش مصنوعی «هوشنگ» پردازش، صحت‌سنجی، خلاصه و بازنویسی شده است. هوشنگ هر روز با داده‌های جدید آموزش داده می‌شود و با نظارت دقیق انسانی و سردبیری دست‌اول در حال بهتر شدن است.
شما می‌توانید از چت‌بات و سایر ابزارهای هوشنگ به صورت رایگان استفاده کنید.

دسترسی رایگان به هوشنگ ↗