Mentionsy

LWM i taką nazwą skrótową będę się tutaj posługiwać, to modele, które próbują rozumieć świat tak jak człowiek.

Technicznie rzecz biorąc LWM łączą w sobie wiele podejść.

Dlatego LWM-y to nie są tylko generatywne AI,

I tu pojawia się różnica kluczowa dla LLM-ów i LWM-ów.

Z kolei LWM-y mają być tym krokiem naprzód, próbą zbudowania nie tylko mądrzejszego modelu, ale bardziej świadomego kontekstu.

A już tak naprawdę w dużym skrócie, jeśli LLM to ktoś, kto przeczytał milion książek i potrafi świetnie rozmawiać, to LWM to ktoś, kto te książki przeczytał, a potem wyszedł z domu i zaczął rozumieć jak działa świat.

Dlatego LWM-y uczą się patrzeć na świat jak my, na serie powiązanych ze sobą zdarzeń, a nie zbiór oderwanych ramek.

To LWM.

Ano zamiast po prostu analizować jeden obrazek po drugim, LWM buduje wewnętrzną symulację sytuacji.

Podobne testy robiono z LWM-ami w środowiskach takich jak Habitat AI.

Ale zamiast skanować wszystko jak szalona rumba, to LWM analizuje przestrzeń logicznie.

LWM-y uczą się przez coś, co przypomina no trochę granie w życie.

Ale tutaj wchodzi cały na biało czwarty filar funkcjonowania LWM-ów.

Jakie są najbardziej imponujące projekty LWM-ów na świecie?

W badaniach biologicznych LWM zaczynają być wykorzystywane do tworzenia hipotez.

Z kolei LWM od HLU to model, który potrafi przetworzyć milion tokenów naraz.

W materiałoznawstwie z kolei, chemii czy fizyce, LWM-y mogą przyspieszać proces odkrywania nowych związków chemicznych, projektowania materiałów, a nawet leków.

LWM-y dadzą robotom zdolność do przewidywania, do działania z wyprzedzeniem, do bycia mniej maszyną, a bardziej partnerem operacyjnym.

Tu z kolei LWM-y mogą działać jak inteligentni narratorzy.

Albo X-Langs, projekt skupiony na analizie obrazów medycznych, ale z podejściem, które można nazwać już proto-LWM-em.

Bo o ile łatwo zachwycić się możliwościami LWM-ów, ich umiejętnością przewidywania, łączenia faktów, tworzenia hipotez, to jedno pytanie cały czas wisi w powietrzu jak dymska dzidła filozofa.

Bo LWM-y mogą reprezentować świat na poziomie złożonym i wielowymiarowym, ale nadal opierają się na wewnętrznych reprezentacjach, które są tylko matematycznymi strukturami.

Czy LWM to krok do rozumiejącej AI?

Z tym filozoficznym pytaniem Was zostawię, ale warto wiedzieć, że LWM to nie jest już tylko eksperyment.

A LWM nie jest wyjątkiem.

LWM-y, choć mają pamięć jak słoń, to potrafią zmyślać jak rasowy bajkopisarz.

LWM-y mogą je wzmacniać w znacznie bardziej subtelny sposób niż LLM-y.

LWM'y mają potencjał, żeby tworzyć hiperrealistyczne scenariusze.

Nie tylko energetyczny, chociaż oczywiście trenowanie LWM-ów to wciąż sport dla największych i najbogatszych, ale też koszt społeczny.

No bo jeśli LWM potrafi rozumieć świat,

Inni, że to tylko kolejny etap sprytnego naśladownictwa, bo przecież LWM to wciąż ciągi tokenów, ramki wideo, algorytmy autoregresyjne.

Niektórzy twierdzą, że kolejnym kamieniem milowym będą systemy LWM osadzone w środowiskach symulowanych, np.