Το νέο project της xAI μπορεί να κάνει τα ρομπότ… να καταλαβαίνουν τη βαρύτητα
Η xAI του Έλον Μασκ επιταχύνει τις προσπάθειες ανάπτυξης των λεγόμενων «world models», εισερχόμενη στη μάχη με αντιπάλους όπως η Meta και η Google για τη δημιουργία τεχνητής νοημοσύνης που θα μπορεί να κατανοεί, να περιηγείται και να σχεδιάζει φυσικά περιβάλλοντα.
Η startup με έδρα το Σαν Φρανσίσκο προσέλαβε το καλοκαίρι ειδικούς από τη Nvidia για να εργαστούν πάνω σε αυτά τα επόμενης γενιάς μοντέλα AI, τα οποία εκπαιδεύονται με βίντεο και δεδομένα από ρομπότ, ώστε να αναπτύξουν αντίληψη του πραγματικού κόσμου.
Τα world models ενδέχεται να ξεπεράσουν τις δυνατότητες των large language models (LLMs) — όπως το ChatGPT και το Grok της xAI — καθώς βασίζονται σε πολυτροπικά δεδομένα και όχι αποκλειστικά σε κείμενο.
Δύο άτομα που γνωρίζουν τα σχέδια της εταιρείας δήλωσαν ότι η xAI αναπτύσσει world models με στόχο την εφαρμογή τους σε gaming, για τη δημιουργία διαδραστικών 3D περιβαλλόντων, ενώ ένας εξ αυτών πρόσθεσε πως θα μπορούσαν να αξιοποιηθούν και σε ρομποτικά συστήματα.
Η εταιρεία έχει ήδη προσλάβει τους Zeeshan Patel και Ethan He, δύο ερευνητές AI από τη Nvidia με εμπειρία στα world models. Η Nvidia, μέσω της πλατφόρμας Omniverse, έχει πρωτοστατήσει στην ανάπτυξη τεχνολογιών που προσομοιώνουν τον φυσικό κόσμο.
Πολλοί τεχνολογικοί κολοσσοί θεωρούν ότι τα world models μπορούν να ανοίξουν νέους ορίζοντες για την AI, επεκτείνοντας τις εφαρμογές της πέρα από το λογισμικό και τους υπολογιστές — προς φυσικά προϊόντα όπως τα ανθρωποειδή ρομπότ. Τον περασμένο μήνα, η Nvidia δήλωσε στους Financial Times ότι η αγορά των world models θα μπορούσε να φτάσει σχεδόν το μέγεθος της παγκόσμιας οικονομίας.
Ο Ίλον Μασκ ανέφερε σε ανάρτησή του στο X ότι η xAI θα κυκλοφορήσει «ένα εξαιρετικό παιχνίδι που θα έχει δημιουργηθεί εξ ολοκλήρου από AI» πριν από το τέλος του επόμενου έτους, επιβεβαιώνοντας στόχο που είχε ανακοινώσει ήδη από πέρυσι.
Την Τρίτη, η xAI παρουσίασε το νέο της μοντέλο παραγωγής εικόνας και βίντεο, το οποίο, όπως υποστήριξε, περιλαμβάνει «μαζικές αναβαθμίσεις» και είναι δωρεάν διαθέσιμο στους χρήστες.
Τα σημερινά μοντέλα βίντεο — όπως το Sora της OpenAI — παράγουν εικόνες προβλέποντας μοτίβα από δεδομένα εκπαίδευσης. Τα world models, ωστόσο, αποτελούν σημαντική εξέλιξη, καθώς διαθέτουν αιτιώδη κατανόηση της φυσικής και της αλληλεπίδρασης αντικειμένων σε πραγματικό χρόνο.
Η xAI αναζητά τεχνικό προσωπικό για την ομάδα “omni”, η οποία «δημιουργεί μαγικές εμπειρίες AI πέρα από το κείμενο, επιτρέποντας κατανόηση και δημιουργία περιεχομένου σε εικόνα, βίντεο και ήχο». Οι μισθοί για αυτές τις θέσεις κυμαίνονται από 180.000 έως 440.000 δολάρια τον χρόνο.
Η εταιρεία προσφέρει επίσης θέση “video games tutor”, με αποστολή να εκπαιδεύσει το Grok ώστε να παράγει βιντεοπαιχνίδια και να επιτρέπει στους χρήστες να πειραματίζονται με AI-assisted game design, με αμοιβή από 45 έως 100 δολάρια την ώρα.
Ο Μασκ ακολουθεί τα βήματα άλλων κορυφαίων εργαστηρίων AI, όπως της Google και της Meta, που επίσης εργάζονται πάνω στα world models. Ωστόσο, το εγχείρημα παραμένει τεράστια τεχνική πρόκληση, καθώς η εύρεση επαρκών δεδομένων για την προσομοίωση του πραγματικού κόσμου είναι δύσκολη και δαπανηρή.
Ο Michael Douse, επικεφαλής εκδόσεων της Larian Studios (δημιουργού του Baldur’s Gate 3), σχολίασε στο X ότι η τεχνητή νοημοσύνη δεν μπορεί να λύσει το «μεγάλο πρόβλημα της βιομηχανίας των games: την ηγεσία και το όραμα».
«Δεν χρειαζόμαστε περισσότερα μαθηματικά παραγόμενα gameplay loops», πρόσθεσε, «αλλά κόσμους που οι άνθρωποι θέλουν πραγματικά να ζήσουν μέσα τους».
Η xAI, όπως και οι Patel και He, δεν απάντησαν σε αιτήματα σχολιασμού.
