Homelander The Seven
I will laser every f****** one of you!
Mô hình mới này có thể giúp robot dự đoán chính xác hơn những thay đổi của môi trường và đưa ra những quyết định linh hoạt, phù hợp. Mô hình trí tuệ nhân tạo (AI) tạo sinh mới được Meta công bố trong tuần này có khả năng thay đổi căn bản cách máy móc hiểu về thế giới vật lý. Điều này được kỳ vọng sẽ mang lại những bước đột phá trong nhiều lĩnh vực, đặc biệt là sự ra đời của các robot thông minh hơn.
Mô hình mã nguồn mở mới được công bố này có tên là "Video Joint Embedding Predictive Architecture 2 (V-JEPA 2)". Mục tiêu của nó là giúp AI hiểu một cách trực giác các nguyên tắc cơ bản của thế giới vật lý, chẳng hạn như lực hấp dẫn hay tính bất biến của vật thể (object permanence) – tức là "vật thể vẫn tiếp tục tồn tại ngay cả khi khuất khỏi tầm nhìn".
Meta chia sẻ trên blog chính thức của mình: "Chúng tôi công khai kết quả nghiên cứu này nhằm hỗ trợ các nhà nghiên cứu và nhà phát triển trên toàn thế giới tiếp cận được những mô hình và tiêu chuẩn tốt nhất, từ đó thúc đẩy sự tiến bộ của nghiên cứu AI. Mục tiêu cuối cùng là hiện thực hóa các hệ thống AI mạnh mẽ và có năng lực hơn, làm phong phú cuộc sống con người."
Trước đây, để AI có thể tương tác với môi trường vật lý, chúng thường phải phụ thuộc vào một lượng lớn video và dữ liệu được gán nhãn. Tuy nhiên, mô hình mới này lại tập trung vào chính các quy luật vật lý về cách vật thể di chuyển và tương tác với nhau. Do đó, AI có khả năng nắm bắt được những khái niệm vật lý mà con người hiểu một cách trực giác, ví dụ như "một quả bóng lăn khỏi bàn sẽ rơi xuống sàn."
Theo Meta, mô hình này có thể mang lại những lợi ích to lớn cho các thiết bị như xe tự lái và robot. Thay vì phải huấn luyện riêng lẻ cho từng tình huống từ đầu, AI có thể đạt được khả năng thích ứng linh hoạt với các tình huống chưa từng gặp, tương tự như cách con người làm.
Một vấn đề cố hữu trong việc phát triển AI dựa trên vật lý là tốn kém thời gian và chi phí để chuẩn bị một lượng lớn dữ liệu huấn luyện. Tại sự kiện SXSW diễn ra trong năm nay, các chuyên gia đã trình bày các phương pháp sử dụng "dữ liệu tổng hợp" (synthetic data) do AI tạo ra để giải quyết những thách thức này, giúp các mô hình học máy truyền thống có thể chống chọi với những tình huống bất ngờ. (Ví dụ, AI được huấn luyện bằng dữ liệu thông thường sẽ không lường trước được việc một đàn dơi lớn bay ra từ gầm cầu trong thành phố. Do đó, cần phải cho AI "trải nghiệm" những tình huống như vậy thông qua dữ liệu tổng hợp).
Meta giải thích rằng mô hình mới này không phụ thuộc vào lượng dữ liệu khổng lồ như trước đây, giúp việc ứng dụng thực tế trong thế giới thực trở nên đơn giản và hiệu quả hơn nhiều.
Mô hình mã nguồn mở mới được công bố này có tên là "Video Joint Embedding Predictive Architecture 2 (V-JEPA 2)". Mục tiêu của nó là giúp AI hiểu một cách trực giác các nguyên tắc cơ bản của thế giới vật lý, chẳng hạn như lực hấp dẫn hay tính bất biến của vật thể (object permanence) – tức là "vật thể vẫn tiếp tục tồn tại ngay cả khi khuất khỏi tầm nhìn".
Meta chia sẻ trên blog chính thức của mình: "Chúng tôi công khai kết quả nghiên cứu này nhằm hỗ trợ các nhà nghiên cứu và nhà phát triển trên toàn thế giới tiếp cận được những mô hình và tiêu chuẩn tốt nhất, từ đó thúc đẩy sự tiến bộ của nghiên cứu AI. Mục tiêu cuối cùng là hiện thực hóa các hệ thống AI mạnh mẽ và có năng lực hơn, làm phong phú cuộc sống con người."
Trước đây, để AI có thể tương tác với môi trường vật lý, chúng thường phải phụ thuộc vào một lượng lớn video và dữ liệu được gán nhãn. Tuy nhiên, mô hình mới này lại tập trung vào chính các quy luật vật lý về cách vật thể di chuyển và tương tác với nhau. Do đó, AI có khả năng nắm bắt được những khái niệm vật lý mà con người hiểu một cách trực giác, ví dụ như "một quả bóng lăn khỏi bàn sẽ rơi xuống sàn."
Theo Meta, mô hình này có thể mang lại những lợi ích to lớn cho các thiết bị như xe tự lái và robot. Thay vì phải huấn luyện riêng lẻ cho từng tình huống từ đầu, AI có thể đạt được khả năng thích ứng linh hoạt với các tình huống chưa từng gặp, tương tự như cách con người làm.
Một vấn đề cố hữu trong việc phát triển AI dựa trên vật lý là tốn kém thời gian và chi phí để chuẩn bị một lượng lớn dữ liệu huấn luyện. Tại sự kiện SXSW diễn ra trong năm nay, các chuyên gia đã trình bày các phương pháp sử dụng "dữ liệu tổng hợp" (synthetic data) do AI tạo ra để giải quyết những thách thức này, giúp các mô hình học máy truyền thống có thể chống chọi với những tình huống bất ngờ. (Ví dụ, AI được huấn luyện bằng dữ liệu thông thường sẽ không lường trước được việc một đàn dơi lớn bay ra từ gầm cầu trong thành phố. Do đó, cần phải cho AI "trải nghiệm" những tình huống như vậy thông qua dữ liệu tổng hợp).
Meta giải thích rằng mô hình mới này không phụ thuộc vào lượng dữ liệu khổng lồ như trước đây, giúp việc ứng dụng thực tế trong thế giới thực trở nên đơn giản và hiệu quả hơn nhiều.