세계 모델이 생성 AI 및 LLM의 미래를 근본적으로 재구성하는 방법

Voila는 적합한 세계 모델과 상호 작용하여 생성 AI 및 LLM을 실질적으로 향상시킬 수 있습니다.

그것에 대해 이야기합시다.

혁신적인 AI 혁신에 대한이 분석은 다양한 영향력 AI 복잡성을 식별하고 설명하는 것을 포함하여 AI의 최신 Forbes 열 범위의 일부입니다 (여기 링크 참조).

세계 모델의 인간 사용

우리가 AI 측면으로 뛰어 들기 전에, 인간이 세계 모델을 어떻게 사용하는지 고려하는 것은 유익 할 것입니다.

야구에 대해 배우고 있다고 상상해보십시오. 당신이 야구를 한 적이 없으며 그것이 무엇인지 모호하게 알고 있다고 가정하십시오. 한편, 당신은 축구, 농구 및 다른 사람들과 같은 다른 많은 스포츠에 익숙합니다.

친구가 야구에 대해 말하고 싶었다면 아마도 야구의 주요 규칙과 교훈을 활발하게 설명 할 것입니다. 여기에는 야구 경기에서 볼 수있는 상황 시나리오가 포함될 것입니다. 친구는 타자가 야구를 치고 기지에서 기본으로 달리려고 시도한다고 설명했다. 등.

어떤 의미에서,이 모든 정보는 당신의 마음에 먹이를주고 있으며, 당신은 야구 게임의 정신적 모델을 만들어 내고 있습니다. 친구는 야구의 윤곽과 세부 사항을 지정하는 세계 모델 유형을 묘사하고 있습니다. 당신은 결국 당신의 생각 과정에만 해당되는 자신의 마음에 세계 모델을 공식화하려고합니다.

당신은 야구를 수반하는 세계 모델을 선보이며 야구를 대표하는 개인화 된 세계 모델을 마음에 공식화합니다.

당신과 당신의 친구는 실제 야구 경기에갑니다. 당신이 게임을 보는 스탠드에 앉아있을 때, 당신의 야구 공급 세계 모델은 세련되고 있습니다. 현장에서 일어나는 행동을 목격하면 지식에 차이를 찾을 수 있습니다. 게임을 관찰하면 추상적으로 해석 된 것을 강화하고 이제는 게임 중에 발생하는 일을 통해 직접 이해됩니다.

그것은 인간 학습의 맥락에서 세계 모델의 빠른 요약이며, 우리는 다음 고려 사항, 즉 AI를 믹스에 추가 할 준비가되었습니다.

AI 및 세계 모델에 대한 클래식 논문

기어를 AI 영역으로 전환합니다.

2018 년 5 월 9 일 David Ha와 Jurgen Schmidhuber, Arxiv, Arxiv의 "World Models"라는 제목의 AI 및 World 모델의 얽힌 고전적인 연구 논문이 있으며, 연구원들은 이러한 중요한 점 (발췌)을 만들었습니다.

• "인간은 제한된 감각으로 인식 할 수있는 것에 기초하여 세상의 정신적 모델을 개발합니다. 우리가 내리는 결정과 행동은이 내부 모델을 기반으로합니다."
• "우리는 시뮬레이션 된 잠재 우주 꿈의 세계 내에서 전적으로 작업을 수행하기 위해 AI 요원을 훈련시킬 가능성을 보여주었습니다."
• "현실 세계의 훈련 에이전트는 훨씬 비싸기 때문에 현실을 시뮬레이션하기 위해 점진적으로 훈련 된 세계 모델은 정책을 실제 세계로 되돌려 놓는 데 유용 할 수 있습니다."
• "세계 모델의 렌즈를 통해 에이전트를 훈련시킴으로써, 우리는 그것이 업무를 수행하기 위해 고도로 컴팩트 한 정책을 배울 수 있음을 보여줍니다."

상승은 이것입니다.

생성 AI가 야구에 정통하기를 원한다고 가정 해 봅시다. 최초의 데이터 교육 중에 신진 LLM이 야구 스포츠를 묘사 한 많은 온라인 텍스트를 만났을 가능성이 있습니다. 이 텍스트를 바탕으로, 일반적으로 야구를 거의 모든 생성 AI로 논의하고 합리적으로 합리적인 반응을 얻을 수 있습니다.

더 나아가고 싶고 생성 AI가 야구에 대해 깊이 반응하도록한다면 AI를 야구 경기와 관련된 온라인 비디오 게임에 연결할 수 있습니다. 나는 당신이 그러한 온라인 비디오 게임을 보거나 사용했다고 확신합니다. 일반적으로 온라인 컨트롤을 사용하여 가상 박쥐를 스윙하고,베이스를 운영하고, 팝업 플라이 볼을 잡고, 그렇지 않으면 시뮬레이션 된 야구 게임에 몰입 할 수 있습니다.

우리가 AI가 똑같이한다면 어떻게해야합니까?

AI는 온라인 야구 게임을하는 측면에서 인간처럼 다소 행동 할 것입니다. 그렇게함으로써 AI는 초기 훈련에서 스캔하고 패턴 화 된 야구에 관한 텍스트와 관련된 "책 학습"을 확대하고 있습니다. 이것은 AI에게 야구 경기와 관련된 유형의“경험”을 제공합니다. AI가 진정한 야구장에서 연주하는 로봇 인 것처럼 분명히 동일하지는 않지만 이러한 경험 지향 활동에 편리하고 쉬운 대안을 제공합니다.

세계 모델은 불완전합니다

우리는 세계 모델을 사용하고 공식화하는 것이 확실히 유리하지만, 발생하는 일부 gotchas와 문제가 있음을 인정해야합니다.

1970 년대 시스템 역학으로 알려진 분야의 조명 중 하나가 1970 년대의 유명한 인용문은 세계 모델의 큰 약점 또는 한계를 잘 보여줍니다.

• “우리 주변의 세계의 이미지는 우리의 머리 속에있는 세계의 이미지 일뿐입니다. 그의 머리 속에 아무도 전 세계, 정부 또는 국가를 상상하지 못합니다. 그는 선택된 개념과 그들 사이의 관계를 가지고 있으며 실제 시스템을 대표하는 것”(Jay Wright Forrester의“사회 시스템의 반 직관적 행동”, 기술 예측 및 사회적 변화 , 1971)에서 인용했습니다.

우리가 생성 AI 앱을 훈련시키는 데 사용하는 모든 세계 모델은 부적절하게 제한 될 것이며, 다루는 도메인이나 주제에 대해 알아야 할 모든 것을 다루지 않습니다. 따라서 불완전한 것으로 해석됩니다. AI는 불완전한 표현을 사용하여 사물을 파악하고 있으며 결과도 불완전 할 것입니다.

또 다른 Qualm은 세계 모델에 오류가 있거나 잘못된 측면을 포함 할 수 있다는 것입니다. AI는 세계 모델이 선보이는 것을 패턴 화하고 있습니다. 그것은 AI가 잘못 될 수 있습니다. 예를 들어, 야구를 묘사 한 온라인 비디오 게임에 러너가 기지를 달릴 때 빛의 속도보다 더 빨리 달릴 수있는 결함이 있다고 가정합니다. 그것은 야구의 실제 세계와 일치하지 않습니다.

AI는 기본 러너가 빛의 속도로 달릴 수 있다는 사실을 단순히 받아 들일 수 있습니다. AI에는 이제 AI를 지시하는 데 사용되는 세계 모델에서 이월 된 허위가 있습니다.

AI 자체가 고안 한 세계 모델도 결함이있을 수 있습니다.

아마도 온라인 비디오 야구 게임을하는 동안 AI는 야구에서 좋은 전략이 박쥐로 심판을 치면 UMP가 자동으로 1 루를 차지할 수 있다고 생각합니다. AI는 현실과 일치하지 않는 야구에 대해 무언가를 얻었습니다.

가상 환경은 실험을 허용합니다

생성 AI의 훈련을 보강하기 위해 세계 모델을 사용하면 AI가 실험을 수행하는 중요한 수단을 제공하며 규모로 수행합니다.

그 시점에서 자세히 설명해주십시오.

앞에서 우리는 당신이 야구에 익숙하지 않다고 척하고 친구가 스포츠를 당신에게 설명하려고했다고 언급했음을 기억하십시오. 친구는 야구 경기로 데려 가서 야구가 어떻게 연주되는지 자신의 눈으로 볼 수있었습니다.

한 경기에 참석하여 야구에 대해 얼마나 많은 것을 얻을 수 있습니까?

나는 당신이 많은 기본 사항을 관찰 할 것이라고 감히 말하지만, 그 게임에서 더 많은 비전 측면이 끊임없는 일이 발생하지 않을 수도 있습니다. 트리플 플레이를 보시겠습니까? 아마. 홈런을 볼 수 있습니까? 아마도.

야구 비디오 게임과 같은 계산 세계 모델을 사용하면 AI가 수많은 달리기를 수행 할 수 있습니다. 우리는 비디오 게임을 플레이하고 계속해서 계속해서 AI를 설정할 수있었습니다. AI는 수천 개의 인스턴스를 쉽게 재생할 것입니다. 만약 우리가 세계 모델이 끊임없이 선보일 시나리오를 변화시키고 있는지 확인했다면, AI는 야구를 볼 때 실제로 일어날 수있는 거의 모든 상황에 직면 할 것입니다.

이전 칼럼 게시물에서 동일한 개념이 자율 주행 자동차를위한 AI를 개발하는 데 사용되었다고 논의했습니다. 예를 들어 여기 링크에서 내 토론을 참조하십시오. 이렇게됩니다. AI 자동 운전 시스템에 실제 자율 자동차에 액세스하기 전에 AI는 자동차 운전을 묘사하는 온라인 비디오 게임에서 수천 또는 수백만의 시나리오를 실행할 수 있습니다.

이것은 AI를 준비하고 본질적으로 누구에게도 해를 끼칠 위험이 없습니다. AI를 실제 자동차에 넣는 순간 AI가 잘못되거나 잘못 운전할 수 있습니다. 계산 세계 모델 방식은 AI를 도로에 올려 놓으면 훨씬 덜 위험하고 비용이 많이 들며 비용이 많이 들지 않습니다.

모델, 모델, 모델

나는 당신이 괴롭히는 질문이 있습니다.

AI에 얼마나 많은 세계 모델과 어떤 종류의 세계 모델을 적용해야합니까?

이런 식으로 생각하십시오. 나는 지금까지 야구를 묘사 한 세계 모델을 사용하여 논의했다. 또한 자동차 운영을위한 세계 모델이 될 운전 시뮬레이터도 언급했습니다. 이것들은 AI를 향상시키는 데 사용되는 세계 모델의 두 가지 빠른 예입니다.

잠재적 인 세계 모델의 목록은 끝이 없습니다. 우리는 심장 수술을하는 세계 모델이있을 수 있으며 심장 수술을 수행하거나 돕는 데 AI를 훈련시키는 데 사용할 수 있습니다. 세금을 계산하는 방법에 대한 세계 모델을 가질 수 있습니다. 켜고 이것으로 갈 수 있습니다.

세계 모델을 설정하고 AI를 첨부하려면 일정량의 시간과 노력이 필요합니다. AI를 실행하고 세계 모델을 사용하도록하는 것은 계산 자원을 씹습니다. AI가 올바른 물건을 모으고 잘못된 것들을 패턴 화하는 것을 피하면서 전체 키트와 Kaboodle의 비용이 많이 듭니다.

요점은 우리가 우연히 AI와 함께 세계 모델을 사용하기로 선택하지 않는다는 것입니다. 이것은 목적이 합당 할 때 당신이하는 일이며, ROI는 그렇게 만족 스럽습니다.

광범위한 견인력을 얻기 시작하는 것은 중요한 문제입니다. 당신은 우리가 더 많은 노력을 볼 것이라고 당신의 최하위 달러를 베팅 할 수 있습니다. AI를 최신으로 얻기 위해 많은 데이터를 스캔하는 기존의 방법이 경계에 도달하기 시작했습니다.

AI를 발전시키기 위해 또 무엇을 할 수 있습니까?

모델, 모델, 모델과 같은 세 단어를 알려 드리겠습니다.

위 내용은 세계 모델이 생성 AI 및 LLM의 미래를 근본적으로 재구성하는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!