Modelování světa? „Už nejde jen o text a obrázky, jde o schopnost chápat reálný svět,“ říká Koubský

World models je podle Koubského dokonce významnějším trendem než generativní umělá inteligence nebo velké jazykové modely. „Tam už nejde jenom o texty a obrázky, tam jde opravdu o schopnost chápat reálný svět, zasahovat do něj, působit na něj, vyhodnocovat, co se v něm děje,“ vysvětluje.

V praxi by modely mohly pomoci při vytváření virtuálních světů pro počítačové hry, filmy nebo by se mohly stát základnou pro trénování robotů. Vědecký redaktor uznává, že světy z počítačových her a world models mají mnohé společné, přesto se od sebe liší.

Čtěte také

Chatboti na sociálních sítích? „Můžou je obohatit a posunout k racionálnějšímu obsahu,“ věří Koubský

„Podstatný rozdíl je v tom, že tady jde o rozpoznávání skutečného světa. Ten herní je celý v počítači, je simulovaný. Sice se snaží řídit pravidly fyziky a techniky vidění a spousty dalších věcí, aby byl co nejvíce jako skutečný, ale pořád je to celé simulace. Kdežto tady překračujeme hranici obrazovky, vystupujeme z ní ven do skutečného světa, musíme ho umět snímat, načítat, vyhodnocovat, co se v něm děje,“ popisuje vědecký redaktor.

Trénování robotů

Tým Google, který se na world models zaměřuje, vede Tim Brooks, který se dříve ve společnosti OpenAI podílel na videogenerátoru Sora. Nvidia už před časem zveřejnila své jazykové modely, ale dosud vyráběla hlavně grafické akcelerátory.

„Nvidia je nejbohatší, nejhodnotnější firma světa, nebo druhá, třetí, podle toho, jak se zrovna akciové trhy zhoupnou. Tuhle svou obrovskou převahu se snaží zřejmě zhodnotit tím, že investuje intenzivně i do vývoje softwaru,“ hodnotí Koubský a dodává, že je možné, že se na world models v budoucnu zaměří.

„Peníze na to mají a laboratoře na trénování taky, takže mají příležitost stát se významným hráčem v téhle oblasti.“

Čtěte také

Tereza Zavadilová: Rok Elona Muska

Novinář vysvětluje, že důležitý také je význam modelů pro trénování robotů. „Roboti jsou přesně ten druh agentů, kteří se v reálném světě pohybují a potřebují mít nějaké vidění, potřebují vnímat, jak scéna okolo nich vypadá, co znamená to, na co se dívají, a jak s tím nakládat. Potřebují poznat, kde jsou dveře, kde mají kliku, že tu kliku je potřeba stisknout, když chceš dveře otevřít a projít jimi,“ říká.

Doplňuje, že dnešní roboti už s tímto také pracují, ale modely by vnímání světa mohly zjednodušit a postrčit robotiku na další úroveň.

Ví OpenAI už dnes jak vytvořit obecnou umělou inteligenci? Co odrazuje lidi od používání e-dokladů? Skončí po E15 a Lidových novinách i další tištěné noviny? Poslechněte si celý pořad Online Plus.