世界模型如何從根本上重塑生成AI和LLM的未來

瞧，通過與合適的世界模型進行交互，可以實質上提高生成的AI和LLM。

讓我們談談。

對創新AI突破的分析是我正在進行的AI中正在進行的福布斯列覆蓋的一部分，包括識別和解釋各種有影響力的AI複雜性（請參閱此處的鏈接）。

人類使用世界模型

在我們躍入AI方面之前，考慮人類如何利用世界模型是有益的。

想像一下您正在學習有關棒球的知識。假設您從未打過棒球，只有模糊地知道它的意思。同時，您熟悉許多其他運動，例如足球，籃球和其他運動。

如果一個朋友想告訴您有關棒球的信息，他們可能會從概述棒球的關鍵規則和戒律開始。這可能包括在棒球比賽中可能看到的情況的情況。朋友會解釋說，擊球手試圖擊中棒球，然後試圖從基地到基地。 ETC。

從某種意義上說，所有這些信息都引起了您的腦海，並且您正在製定棒球比賽的心理模型。朋友描繪了一種世界模型，該模型指定了棒球的輪廓和細節。反過來，您或試圖在自己的腦海中建立世界模式，該模型變得特定於您的思維過程。

向您展示了一個世界模型，需要棒球，並在腦海中提出一個個性化的世界模型，代表棒球。

您和您的朋友，然後去參加實際的棒球比賽。當您坐在看台上觀看比賽時，您的棒球範圍內的世界模型正在完善。目睹現場採取的行動使您可以在知識中找到空白。觀察遊戲還加強了可能被解釋為抽象的內容，現在通過遊戲中發生的事情直接理解了遊戲。

在人類學習的背景下，這是世界模型的快速分解，我們準備繼續進行下一個考慮，即將AI添加到混合中。

關於AI和世界模型的經典論文

將齒輪轉移到AI領域。

有一份經典的研究論文，涵蓋了AI和世界模型的交織，題為“世界模型”，David Ha和Jurgen Schmidhuber，Arxiv，Arxiv，2018年5月9日，研究人員提出了這些顯著點（摘錄）：

• “人類基於他們能夠以有限的感官感知的東​​西發展世界的心理模型。我們做出的決定和行動是基於這種內部模型。”
• “我們已經證明了培訓AI代理商以完全在模擬的潛在太空夢想中執行任務的可能性。”
• “現實世界中的培訓代理人更加昂貴，因此經過逐步訓練以模擬現實的世界模型可能被證明對將政策轉移回現實世界很有用。”
• “通過通過其世界模型的鏡頭訓練代理商，我們表明它可以學習一項高度緊湊的政策來執行其任務。”

結果是這個。

假設您希望生成的AI精通棒球。可能的是，在最初的數據培訓中，嶄露頭角的LLM遇到了許多描述棒球運動的在線文本。基於該文本，通常可以與幾乎所有生成的AI討論棒球並得到合理明智的響應。

如果您想走得更遠，並讓生成AI對棒球有深刻的反應，則可以將AI連接到涉及打棒球的在線視頻遊戲。我確定您已經看過或使用了此類在線視頻遊戲。通常，您可以使用在線控件揮舞虛擬蝙蝠，運行基地，捕捉彈出式飛球，否則會沉浸在模擬的棒球比賽中。

如果我們有同樣的事情，該怎麼辦？

在玩在線棒球遊戲方面，AI會像人類一樣。通過這樣做，AI正在增強與有關棒球的文本相關的“書籍學習”，該文本在初步訓練中被掃描和圖案。這為AI提供了與打棒球有關的“體驗”類型。顯然，這與AI是在真正的棒球場上玩耍的機器人，但它為這種面向體驗的活動提供了方便而簡單的替代方案。

世界模型不完整

我們應該承認，儘管使用和製定世界模型肯定是有利的，但仍有一些陷阱和問題。

1970年代，其中一位名人在一個被稱為系統動力學的領域中的著名報價很好地說明了世界模型的巨大弱點或局限性：

• “我們腦海中攜帶的世界的世界形像只是一個模型。他的腦海中沒有人想像全世界，政府或國家。他只有選擇的概念以及它們之間的關係，並利用這些概念來代表真實的系統”（如傑伊·賴特·弗雷斯特（Jay Wright Forrester）所引用的“違反社會系統的違反直覺社交行為”，技術預測和社會變化，第3卷，第3卷，第3卷）。

我們用來訓練生成AI應用程序的任何世界模型都將是有限的，並且不涵蓋有關所涵蓋的域或主題的所有知識。因此，它被解釋為不完整。 AI正在使用不完整的表示來弄清楚問題，可能結果也不完整。

另一個疑問是世界模型可能有錯誤或包含不正確的方面。 AI正在對世界模型展示的內容進行圖案。這可能會導致人工智學弄錯了。例如，假設描繪棒球的在線視頻遊戲具有一個小故障，可以使跑步者運行基地時的速度比光速快。這與棒球的現實世界不符。

AI可能只是接受基本跑步者可以以光速運行的真實情況。現在，AI的虛假性是從用於指導AI的世界模型中延續的。

AI本身設計的世界模型也可能存在缺陷。

也許在玩在線視頻棒球遊戲期間，AI確定棒球的好策略似乎是，如果您用蝙蝠擊中裁判，UMP將使您自動乘坐第一壘。 AI已經收集了一些與現實不符的棒球的信息。

虛擬環境允許實驗

使用世界模型來增強生成AI的培訓提供了對AI進行實驗的重要手段，並在大規模進行了實驗。

請允許我詳細說明這一點。

請記住，我之前提到的是，我們假裝您不熟悉棒球，而一個朋友試圖向您解釋這項運動。朋友帶您參加了棒球比賽，這樣您就可以用自己的眼睛看到了棒球的比賽。

您可以通過參加一場比賽來收集多少棒球？

我敢說您會觀察到很多基本原理，但是在這一場比賽中可能不會發生更多的奧秘方面。你會看到三局嗎？可能不是。你會看到本壘打嗎？或許。

使用計算世界模型（例如棒球視頻遊戲）可以通過AI進行多種運行。我們可以設置AI來玩電子遊戲，並一遍又一遍地繼續這樣做。 AI很容易播放數千個這樣的情況。如果我們確保世界模型不斷改變展示的場景，那麼AI可能會遇到幾乎所有觀看棒球時現實生活中可能發生的情況。

我在以前的專欄文章中討論了同樣的概念已用於為自動駕駛汽車開發AI，例如，請參見我在此處的鏈接上的討論。它是這樣的。在AI自動駕駛系統可以訪問真正的自動駕駛汽車之前，可以在描繪駕駛汽車的在線視頻遊戲中經過數千或數百萬個場景。

這為AI做準備，並且基本上沒有對任何人造成傷害的風險。當您將AI放入實際汽車中時，AI可能會犯錯或駕駛錯誤。計算世界模型方法的風險要小得多，而成本較小，而一旦將AI放在車道上。

模型，模型，模型

我有一個問題要您仔細考慮。

我們應該應用多少世界模型，以及我們應該應用哪些世界模型？

這樣想。到目前為止，我使用描繪棒球的世界模型進行了討論。我還提到了一個駕駛模擬器，該模擬器將是操作汽車的世界模型。這些是用於增強AI的世界模型的兩個快速示例。

潛在的世界模型列表似乎是無盡的。我們可能有一個世界模型來進行心臟手術，並使用它來訓練AI進行表演或有助於心臟手術。我們可以有一個關於如何計算您的稅收的世界模型。可能會發生。

建立世界模型並將AI附加到它確實需要一定的時間和精力。運行AI並使用世界模型會咀嚼計算資源。證明AI收集了正確的東西，並避免了對錯誤的東西進行圖案，這對整個套件和Kaboodle來說都是巨大的成本。

要點是，我們不太可能隨意選擇與AI一起使用世界模型。當目的是值得的時候，您會做的事情，而ROI則令人滿意。

這是一個至關重要的事情，開始引起廣泛的牽引力。您可以打賭您的最低美元，我們將看到更多此類努力。掃描大量數據以獲取AI的常規方法開始達到其邊界。

我們還能做什麼來推進AI？

我給你三個詞，即模型，模型，模型。

以上是世界模型如何從根本上重塑生成AI和LLM的未來的詳細內容。更多資訊請關注PHP中文網其他相關文章！