نماذج العالم تنتقل من البحث إلى الروبوتات والأساطيل الذاتية القيادة

تختلف نماذج العالم جوهريًا عن نماذج اللغة الكبيرة: فبدلاً من التنبؤ بالرمز التالي في جملة، تستوعب إطارًا بصريًا وتتنبأ بالإطار التالي المعقول، مكتملًا بالفيزياء، والحجب، وتفاعلات الوكلاء. تحوّل هذه القدرة مجموعات البيانات الثابتة إلى محاكيات ديناميكية حيث يمكن للروبوتات والمركبات ذاتية القيادة التدرب على الحالات الحدية — الطرق الزلقة، والأرصفة المزدحمة، والعقبات غير المتوقعة — دون مخاطر مادية أو تكاليف لوجستية.

من مسحات بوكيمون إلى بروفة الروبوت

تستفيد Niantic Spatial من مليارات المسحات ثلاثية الأبعاد التي تم جمعها عبر الحشود في الأصل لـ Pokémon Go لبناء توائم رقمية عالية الدقة للأحياء الحقيقية. يصف المدير التقني براين ماكليندون سير عمل حيث تولد بضع صور لمساحة مستهدفة نسخة ثلاثية الأبعاد، وبعد ذلك تشغل نموذج العالم ملايين الحلقات المحاكاة لتعليم الروبوت سياسات التنقل المصممة لتلك البيئة بالضبط.

تطبق Wayve حلقة مماثلة على القيادة الذاتية. نموذجها التوليدي للعالم، المدرب على لقطات كاميرات لوحة القيادة، يعيد بناء السيناريوهات الخطرة — الاقتحامات المفاجئة، والمشاة المخفيون، وسوء الطقس — التي يصعب أو نادرًا التقاطها بشكل متكرر على الطرق العامة. يؤكد كبير العلماء جيمي شوتون أن النموذج يجب أن يستوعب فيزياء السبب والنتيجة، وليس مجرد الارتباط البصري، ليتفاعل بشكل صحيح مع إجراءات المركبة الخاصة.

تستثمر استوديوهات الألعاب مثل Tencent أيضًا، مدركة أن التوليد ثلاثي الأبعاد الدقيق فيزيائيًا يمكن أن يسرع تصميم المستويات والمحتوى الإجرائي. وفي الوقت نفسه، تواصل Google وموجة من الشركات الناشئة الممولة جيدًا دفع نطاق النموذج وتماسكه الزمني.

لماذا هذا مهم لبنية GPU / الذكاء الاصطناعي التحتية: يتطلب تدريب نماذج العالم وخدمة الاستدلال فيها حوسبة تينسور عالية الإنتاجية مستمرة، وذاكرة VRAM كبيرة للرموز المرئية طويلة السياق، واستدلال منخفض الكمون لمحاكاة الحلقة المغلقة. مع انتقال مشغلي الأساطيل ومصنعي الروبوتات من النموذج الأولي إلى الإنتاج، سيحتاجون إلى عناقيد GPU مرنة يمكنها التوسع لحملات محاكاة ضخمة ثم التقلص للاستدلال الفوري على متن المركبة — وهو بالضبط ملف الحمل الذي صُممت سحابة AiGpu لدعمه.