PHYSICAL WORLD MODEL BY META

Meta hat V-JEPA 2 angekündigt, ein neues visuelles Weltmodell, das das physische Denken für KI-Agenten verbessert. Das Unternehmen stellte zudem drei Benchmarks vor, um die Modellleistung bei realen, videobasierten Denkaufgaben zu bewerten.

Einführung in V-JEPA 2

Heute freuen wir uns, V-JEPA 2, unser hochmodernes Weltmodell, vorzustellen, das auf Video trainiert wurde und es Robotern und anderen KI-Agenten ermöglicht, die physische Welt zu verstehen und vorherzusagen, wie sie auf ihre Handlungen reagieren wird. Diese Fähigkeiten sind entscheidend für den Aufbau von KI-Agenten, die denken können, bevor sie handeln, und V-JEPA 2 stellt einen bedeutenden Fortschritt auf dem Weg zu unserem ultimativen Ziel dar, fortschrittliche Maschinenintelligenz (AMI) zu entwickeln.

Die Bedeutung physischer Intuition

Als Menschen haben wir die Fähigkeit, vorherzusagen, wie sich die physische Welt als Reaktion auf unsere Handlungen oder die Handlungen anderer entwickeln wird. Zum Beispiel wissen Sie, dass, wenn Sie einen Tennisball in die Luft werfen, die Schwerkraft ihn wieder nach unten ziehen wird. Wenn Sie durch ein unbekanntes, überfülltes Gebiet gehen, bewegen Sie sich in Richtung Ihres Ziels, während Sie gleichzeitig versuchen, nicht mit Menschen oder Hindernissen auf dem Weg zusammenzustoßen. Diese physische Intuition erreichen wir, indem wir die Welt um uns herum beobachten und ein internes Modell davon entwickeln, das wir nutzen können, um die Ergebnisse hypothetischer Handlungen vorherzusagen.

Die Funktionen von V-JEPA 2

V-JEPA 2 hilft KI-Agenten, diese Intelligenz nachzuahmen, wodurch sie klüger im Umgang mit der physischen Welt werden. Die Modelle, die wir verwenden, um diese Art von Intelligenz in Maschinen zu entwickeln, werden als Weltmodelle bezeichnet und ermöglichen drei wesentliche Fähigkeiten: Verständnis, Vorhersage und Planung.

Verbesserungen gegenüber dem Vorgängermodell

Aufbauend auf V-JEPA, unserem ersten Modell, das im letzten Jahr veröffentlicht wurde und auf Video trainiert wurde, verbessert V-JEPA 2 das Verständnis und die Vorhersage, sodass Roboter mit unbekannten Objekten und Umgebungen interagieren können, um eine Aufgabe zu erfüllen. Wir haben V-JEPA 2 mit Video trainiert, was dem Modell geholfen hat, wichtige Muster in der physischen Welt zu lernen, einschließlich der Interaktion von Menschen mit Objekten, wie Objekte sich in der physischen Welt bewegen und wie Objekte miteinander interagieren.

Anwendungsbeispiele und Benchmarks

Wenn V-JEPA 2 in Robotern in unseren Laboren eingesetzt wird, haben wir festgestellt, dass Roboter V-JEPA 2 nutzen können, um Aufgaben wie das Erreichen, Aufheben eines Objekts und das Platzieren eines Objekts an einem neuen Ort auszuführen. Neben der Veröffentlichung von V-JEPA 2 teilen wir auch drei neue Benchmarks, um der Forschungsgemeinschaft zu helfen, zu bewerten, wie gut ihre bestehenden Modelle lernen und über die Welt anhand von Videos nachdenken können. Durch die Veröffentlichung dieser Arbeit möchten wir Forschern und Entwicklern Zugang zu den besten Modellen und Benchmarks geben, um die Forschung und den Fortschritt zu beschleunigen – letztendlich zu besseren und fähigeren KI-Systemen, die das Leben der Menschen verbessern werden.

Fazit

Mit V-JEPA 2 setzt Meta einen weiteren Schritt in Richtung einer intelligenteren und anpassungsfähigeren KI, die nicht nur die physische Welt versteht, sondern auch in der Lage ist, vorausschauend zu handeln. Dies könnte weitreichende Auswirkungen auf verschiedene Branchen haben, in denen KI-Agenten eingesetzt werden, um komplexe Aufgaben zu bewältigen.

Quellenliste:

• Quelle: Our New Model Helps AI Think Before It Acts
• V-JEPA: Yann LeCun AI Model Video Joint Embedding Predictive Architecture
• Releasing New AI Research Models to Accelerate Innovation at Scale