Distilling Physical Priors into Streaming World Models
تقدم الورقة البحثية إطار عمل PhyS، وهو إطار عمل ثلاثي المراحل يعمل على استخلاص الأولويات الفيزيائية من مجموعة بيانات منسقة من فيديوهات التفاعل في العالم الحقيقي إلى نموذج عالم تدفقي خفيف الوزن عبر الضبط الدقيق المدرك للفيزياء وتوجيه الائتمان الزمني، مما يحسن بشكل كبير من التماسك الفيزيائي لنتائج الفيديو المولدة مقارنة بالطرق الحالية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تعلم روبوتًا كيف يتنبأ بالمستقبل، ولكن بدلًا من النظر في كرة بلورية، أنت تعرض عليه فيلمًا. هذا هو عالم "توليد الفيديو"، حيث يحاول الذكاء الاصطناعي إنشاء إطارات جديدة للفيديو تبدو وتتحرك تمامًا مثل الحقيقة. لفترة طويلة، كانت نماذج الذكاء الاصطناعي هذه تشبه الفنانين العظماء الذين يمكنهم رسم لوحات جميلة، لكن ليس لديهم أدنى فكرة عن كيفية عمل الجاذبية أو الماء أو كرات القفز. كان بإمكانهم جعل الكرة تبدو جميلة، ولكن إذا حاولوا التنبؤ بما يحدث عندما تصطدم بالأرض، فقد يجعلونها تطفو بعيدًا أو تمر عبر الأرض. يطلق العلماء على هذه التنبؤات اسم "نماذج العالم" (world models)، والهدف هو جعلها "تدفقية" (streaming)، مما يعني أن الذك de الاصطناعي يمكنه الاستمرار في توليد القصة إطارًا تلو الآخر، إلى الأبد، دون الحاجة إلى إعادة تشغيل الفيلم بأكمله في كل مرة. السؤال الكبير هو: كيف نعلم الروبوت فهم القواعد غير المرئية للفيزياء حتى لا تكسر تنبؤاته المستقبلية قوانين الطبيعة؟
يقدم البحث الذي أوشكت على قراءته معسكر تدريب جديد وذكي يسمى PhyS (التدفق الفيزيائي - Physical Streaming) لحل هذه المشكلة تحديدًا. وجد الباحثون أن الطريقة المعتادة لتعليم هذه النماذج كانت معيبة. كان الأمر يشبه محاولة تعليم طالب قيادة سيارة من خلال عرضه أولًا فيلمًا لسيارة تقود للخلف، ثم الطلب منه أن يقود للأمام. تعلم الطالب (الذكاء الاصطناعي) التعرف على السيارة، لكنه نسي قواعد الطريق، مثل كيفية التوقف أو الانعطاف. يجادل المؤلفون بأن الطريقة القديمة تجعل الذكاء الاصطناعي ينسى "المقدمات الفيزيائية" (physics priors) — وهي القواعد الأساسية والمنطقية لكيفية حركة العالم — لأن عملية التدريب تمسحها تمامًا.
ولإصلاح ذلك، بنى الفريق مكتبة ضخمة تضم 120,804 فيديو من العالم الحقيقي تظهر أشياء تحدث بالفعل: ماء يتناثر، كرات ترتد، جليد يذوب، وأشياء لينة وطرية تتعرض للسحق. لم يقوموا فقط بحفظ الفيديوهات؛ بل استخدموا مساعد ذكاء اصطناعي فائق الذكاء لكتابة "قصة فيزيائية" مفصلة لكل مقطع، تصف بالضبط لماذا تحركت الأشياء بالطريقة التي تحركت بها. ثم استخدموا هذه المكتبة لتعليم ذكاء اصطناعي ضخم وبطيء التفكير (نموذج بـ 14 مليار معلمة) ليصبح "معلمًا للفيزياء". تعلم هذا المعلم القواعد العميقة للكون.
بعد ذلك، لعبوا لعبة "الهاتف المكسور" لتعليم ذكاء اصطناعي أصغر وأسرع بكثير (نموذج بـ 1.3 مليار معلمة) كيف يكون "سائقًا تدفقيًا". كان على الذكاء الاصطناዊ الصغير أن يتعلم التنبؤ بالإطار المستقبلي إطارًا تلو الآخر، تمامًا مثل لعبة فيديو في الوقت الفعلي، من خلال تقليد "معلم الفيزياء". ولكن كان هناك شرط: أحيانًا كان الذكاء الاصطناعي الصغير لا يزال يرتكب أخطاء، مثل جعل الكرة ترتد عاليًا جدًا. ولإصلاح ذلك، اخترع الفريق نظام تسجيل جديدًا يسمى توجيه الائتمان الزمني (TCR). فكر في الأمر كحكم في مباراة كرة قدم لا يكتفي فقط بقول "لعبة جيدة" في نهاية المباراة، بل يراقب كل ثانية من المباراة. إذا ركل اللاعب الكرة لتسجيل هدف في الدقيقة العاشرة، فإن الحكم يعطي الائتمان تحديدًا للركلة في الدقيقة العاشرة، وليس للمباراة بأكملها. يساعد هذا الذكاء الاصطناعي على معرفة متى وأين كسر قوانين الفيزياء بدقة، حتى يتمكن من إصلاح تلك اللحظة المحددة في المرة القادمة.
النتائج مبهرة. فعندما اختبروا ذكاءهم الاصطناعي الجديد في اختبار "ذكاء فيزيائي" (Physics IQ)، سجل نسبة أعلى بـ 18.2% من نموذج المعلم الضخم الذي استند إليه. والأكثر إثارة للدهشة، أنه تفوق على أفضل الأساليب الأخرى بفوارق كبيرة: أفضل بنسبة 23.7% في نوع واحد من الاختبارات، و14.8% في نوع آخر، ونسبة هائلة بلغت 31.4% في نوع ثالث. يشير البحث إلى أنه من خلال منح الذكاء الاصطناعي مكتبة من القصص الفيزيائية من العالم الحقيقي وحكمًا يراجع عمله ثانية بثانية، يمكننا أخيرًا بناء مولدات فيديو لا تبدو حقيقية فحسب، بل تتصرف كالحقيقة أيضًا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.