世界模型如何从根本上重塑生成AI和LLM的未来

瞧，通过与合适的世界模型进行交互，可以实质上提高生成的AI和LLM。

让我们谈谈。

对创新AI突破的分析是我正在进行的AI中正在进行的福布斯列覆盖的一部分，包括识别和解释各种有影响力的AI复杂性（请参阅此处的链接）。

人类使用世界模型

在我们跃入AI方面之前，考虑人类如何利用世界模型是有益的。

想象一下您正在学习有关棒球的知识。假设您从未打过棒球，只有模糊地知道它的意思。同时，您熟悉许多其他运动，例如足球，篮球和其他运动。

如果一个朋友想告诉您有关棒球的信息，他们可能会从概述棒球的关键规则和戒律开始。这可能包括在棒球比赛中可能看到的情况的情况。朋友会解释说，击球手试图击中棒球，然后试图从基地到基地。 ETC。

从某种意义上说，所有这些信息都引起了您的脑海，并且您正在制定棒球比赛的心理模型。朋友描绘了一种世界模型，该模型指定了棒球的轮廓和细节。反过来，您或试图在自己的脑海中建立世界模式，该模型变得特定于您的思维过程。

向您展示了一个世界模型，需要棒球，并在脑海中提出一个个性化的世界模型，代表棒球。

您和您的朋友，然后去参加实际的棒球比赛。当您坐在看台上观看比赛时，您的棒球范围内的世界模型正在完善。目睹现场采取的行动使您可以在知识中找到空白。观察游戏还加强了可能被解释为抽象的内容，现在通过游戏中发生的事情直接理解了游戏。

在人类学习的背景下，这是世界模型的快速分解，我们准备继续进行下一个考虑，即将AI添加到混合中。

关于AI和世界模型的经典论文

将齿轮转移到AI领域。

有一份经典的研究论文，涵盖了AI和世界模型的交织，题为“世界模型”，David Ha和Jurgen Schmidhuber，Arxiv，Arxiv，2018年5月9日，研究人员提出了这些显着点（摘录）：

• “人类基于他们能够以有限的感官感知的东​​西发展世界的心理模型。我们做出的决定和行动是基于这种内部模型。”
• “我们已经证明了培训AI代理商以完全在模拟的潜在太空梦想中执行任务的可能性。”
• “现实世界中的培训代理人更加昂贵，因此经过逐步训练以模拟现实的世界模型可能被证明对将政策转移回现实世界很有用。”
• “通过通过其世界模型的镜头训练代理商，我们表明它可以学习一项高度紧凑的政策来执行其任务。”

结果是这个。

假设您希望生成的AI精通棒球。可能的是，在最初的数据培训中，崭露头角的LLM遇到了许多描述棒球运动的在线文本。基于该文本，通常可以与几乎所有生成的AI讨论棒球并得到合理明智的响应。

如果您想走得更远，并让生成AI对棒球有深刻的反应，则可以将AI连接到涉及打棒球的在线视频游戏。我确定您已经看过或使用了此类在线视频游戏。通常，您可以使用在线控件挥舞虚拟蝙蝠，运行基地，捕捉弹出式飞球，否则会沉浸在模拟的棒球比赛中。

如果我们有同样的事情，该怎么办？

在玩在线棒球游戏方面，AI会像人类一样。通过这样做，AI正在增强与有关棒球的文本相关的“书籍学习”，该文本在初步训练中被扫描和图案。这为AI提供了与打棒球有关的“体验”类型。显然，这与AI是在真正的棒球场上玩耍的机器人，但它为这种面向体验的活动提供了方便而简单的替代方案。

世界模型不完整

我们应该承认，尽管使用和制定世界模型肯定是有利的，但仍有一些陷阱和问题。

1970年代，其中一位名人在一个被称为系统动力学的领域中的著名报价很好地说明了世界模型的巨大弱点或局限性：

• “我们脑海中携带的世界的世界形象只是一个模型。他的脑海中没有人想象全世界，政府或国家。他只有选择的概念以及它们之间的关系，并利用这些概念来代表真实的系统”（如杰伊·赖特·弗雷斯特（Jay Wright Forrester）所引用的“违反社会系统的违反直觉社交行为”，技术预测和社会变化，第3卷，第3卷，第3卷）。

我们用来训练生成AI应用程序的任何世界模型都将是有限的，并且不涵盖有关所涵盖的域或主题的所有知识。因此，它被解释为不完整。 AI正在使用不完整的表示来弄清楚问题，可能结果也不完整。

另一个疑问是世界模型可能有错误或包含不正确的方面。 AI正在对世界模型展示的内容进行图案。这可能会导致人工智学弄错了。例如，假设描绘棒球的在线视频游戏具有一个小故障，可以使跑步者运行基地时的速度比光速快。这与棒球的现实世界不符。

AI可能只是接受基本跑步者可以以光速运行的真实情况。现在，AI的虚假性是从用于指导AI的世界模型中延续的。

AI本身设计的世界模型也可能存在缺陷。

也许在玩在线视频棒球游戏期间，AI确定棒球的好策略似乎是，如果您用蝙蝠击中裁判，UMP将使您自动乘坐第一垒。 AI已经收集了一些与现实不符的棒球的信息。

虚拟环境允许实验

使用世界模型来增强生成AI的培训提供了对AI进行实验的重要手段，并在大规模进行了实验。

请允许我详细说明这一点。

请记住，我之前提到的是，我们假装您不熟悉棒球，而一个朋友试图向您解释这项运动。朋友带您参加了棒球比赛，这样您就可以用自己的眼睛看到了棒球的比赛。

您可以通过参加一场比赛来收集多少棒球？

我敢说您会观察到很多基本原理，但是在这一场比赛中可能不会发生更多的奥秘方面。你会看到三局吗？可能不是。你会看到本垒打吗？或许。

使用计算世界模型（例如棒球视频游戏）可以通过AI进行多种运行。我们可以设置AI来玩电子游戏，并一遍又一遍地继续这样做。 AI很容易播放数千个这样的情况。如果我们确保世界模型不断改变展示的场景，那么AI可能会遇到几乎所有观看棒球时现实生活中可能发生的情况。

我在以前的专栏文章中讨论了同样的概念已用于为自动驾驶汽车开发AI，例如，请参见我在此处的链接上的讨论。它是这样的。在AI自动驾驶系统可以访问真正的自动驾驶汽车之前，可以在描绘驾驶汽车的在线视频游戏中经过数千或数百万个场景。

这为AI做准备，并且基本上没有对任何人造成伤害的风险。当您将AI放入实际汽车中时，AI可能会犯错或驾驶错误。计算世界模型方法的风险要小得多，而成本较小，而一旦将AI放在车道上。

模型，模型，模型

我有一个问题要您仔细考虑。

我们应该应用多少世界模型，以及我们应该应用哪些世界模型？

这样想。到目前为止，我使用描绘棒球的世界模型进行了讨论。我还提到了一个驾驶模拟器，该模拟器将是操作汽车的世界模型。这些是用于增强AI的世界模型的两个快速示例。

潜在的世界模型列表似乎是无尽的。我们可能有一个世界模型来进行心脏手术，并使用它来训练AI进行表演或有助于心脏手术。我们可以有一个关于如何计算您的税收的世界模型。可能会发生。

建立世界模型并将AI附加到它确实需要一定的时间和精力。运行AI并使用世界模型会咀嚼计算资源。证明AI收集了正确的东西，并避免了对错误的东西进行图案，这对整个套件和Kaboodle来说都是巨大的成本。

要点是，我们不太可能随意选择与AI一起使用世界模型。当目的是值得的时候，您会做的事情，而ROI则令人满意。

这是一个至关重要的事情，开始引起广泛的牵引力。您可以打赌您的最低美元，我们将看到更多此类努力。扫描大量数据以获取AI的常规方法开始达到其边界。

我们还能做什么来推进AI？

我给你三个词，即模型，模型，模型。

以上是世界模型如何从根本上重塑生成AI和LLM的未来的详细内容。更多信息请关注PHP中文网其他相关文章！