Kenneth Glad
När du riktar mobilkameran mot ditt vardagsrum förväntar du dig förmodligen bara ett snabbt foto. De flesta funderar aldrig på vad som händer med de visuella detaljerna efteråt. Men bakom kulisserna bidrar sådana vardagsbilder till utvecklingen av en helt ny teknik.
Under flera år har språkmodeller dominerat diskussionen om artificiell intelligens. Genom att förutsäga nästa ord i en text kan de skriva uppsatser eller besvara komplicerade frågor.
Nu går utvecklarna bortom texten. De skapar avancerade digitala kopior av fysiska miljöer, så kallade ”världsmodeller”.
Dessa verktyg använder visuella data för att simulera gravitation, rumsliga förhållanden och rörelse. Enligt WIRED använder företag allt från videor inspelade av frilansare till äldre data från spel som Pokémon Go för att bygga modellerna.
Brian McClendon, teknikchef på Niantic Spatial, ser stor potential i utvecklingen. ”Vårt arbete handlar till stor del om att rekonstruera den verkliga världen”, sade han till WIRED.
Att träna maskinerna
Det främsta målet är att ge robotar en säker miljö att öva i. I stället för att testa en maskin i ett verkligt kök kan ingenjörer genomföra miljontals tester i en digital kopia.
Oliver Cameron, vd för AI-labbet Odyssey, förklarade skillnaden för WIRED. Medan textmodeller förutsäger ord kan dessa nya system förutsäga vad som händer i den fysiska världen.
”Med en världsmodell ger du systemet en bild som visar världens tillstånd, och det förutsäger sedan nästa visuella tillstånd”, sade Cameron. ”De är simuleringar, men de ser ut och känns verkliga”, tillade han.
Bortom hemrobotar
Snart kan samma teknik också hjälpa självkörande bilar att hantera svåra väderförhållanden. Wayve är ett startupföretag som utvecklar sådana modeller särskilt för fordon och använder filmer från bilkameror för att återskapa farliga vägsituationer.
Jamie Shotton är forskningschef på Wayve. Han betonade att dessa digitala system måste förstå orsak och verkan innan de används i trafiken.
”En världsmodell måste framför allt kunna reagera på de handlingar vi utför i världen, och därför måste den förstå fysik, orsak och verkan samt hur andra föremål och människor ändrar sitt beteende som svar på våra handlingar”, sade Shotton till WIRED. Han framhöll därmed vikten av att modellerna kan förutsäga hur omgivningen reagerar på olika handlingar.
Stora investerare har också fått upp ögonen för den ekonomiska potentialen. Enligt WIRED köpte teknikjätten AMD nyligen startupföretaget World Labs för mer än åtta miljarder amerikanska dollar.
