دادههای بازی؛ کلید عبور از محدودیت مدلهای زبانی برای رسیدن به AGI
استارتاپ نیویورکی General Intuition که از حمایت جف بزوس برخوردار است، با بستهشدن دور تأمین مالی ۳۲۰ میلیون دلاری و ثبت ارزشگذاری ۲٫۳ میلیارد دلار توجه جامعه هوش مصنوعی را به خود جلب کرده است. این سرمایهگذاری که از سوی صندوقهایی مانند Coatue و همچنین سرمایهگذاران برجستهای چون اریک اشمیت و پژوهشگرانی از MIT و Google DeepMind همراهی شد، بر رویکردی تاکید دارد که ممکن است گامی مهم به سوی هوش مصنوعی عمومی (AGI) باشد: آموزش «world models» با استفاده از دادههای بازیهای ویدیویی و شبیهسازیهای تعاملی.
چرا مدلهای زبانی بزرگ کافی نیستند؟
مدلهای زبانی بزرگ مانند ChatGPT و Claude در پردازش و تولید متن عملکرد بسیار خوبی دارند، اما در درک دینامیکهای فضا و زمان—یعنی نحوه حرکت و تعامل اشیاء و عوامل در جهان فیزیکی—محدودیتهایی نشان دادهاند. این نوع درک بلندمدت و مبتنی بر علت و معلول برای توسعه هوش عمومی که بتواند دانش را در موقعیتهای جدید تعمیم دهد حیاتی است. به عبارت دیگر، توانایی «پیشبینی و برنامهریزی در جهان فیزیکی» چیزی است که صرفاً از پردازش متن حاصل نمیشود.
مزیت دادههای بازی و مدلهای جهان (world models)
بازیهای ویدیویی و محیطهای شبیهسازی شده منبعی غنی از دادههای تعاملی فراهم میکنند:
– شبیهسازی فیزیک و دینامیکهای پیچیده در زمان واقعی؛
– تعاملات عاملی چندگانه و بلندمدت که نیازمند برنامهریزی و منطق علّی هستند؛
– تنوع محیطها و سناریوها که امکان تعمیم بهتر مدلها را افزایش میدهد؛
– امکان تولید دادههای ساختاریافته و با کنترل دقیق شرایط برای آموزش و آزمون مدلها.
تمرکز روی world models یعنی یادگیری نمایشی از نحوه تغییر جهان در پاسخ به اقدامات عوامل و قوانین فیزیک—چیزی که میتواند به رباتها، سیستمهای خودران و سایر کاربردهای فیزیکی هوش مصنوعی کمک کند تا تصمیمهای بهتر و قابل اعتمادتری بگیرند.
General Intuition؛ از Medal TV تا جذب سرمایه میلیاردی
General Intuition که از دل پلتفرم بازی Medal TV بیرون آمده، بر پایه همین ایده شکل گرفته است. بنیانگذاران شرکت معتقدند که ترکیب دادههای غنی بازیها با معماریهای نوین یادگیری میتواند شکاف بین تواناییهای زبانی و نیازهای یک AGI واقعی را پر کند. جذب ۳۲۰ میلیون دلار با حضور سرمایهگذارانی مانند Coatue، اریک اشمیت و پژوهشگرانی از MIT و Google DeepMind نشاندهنده اعتماد بازار به این رویکرد و همچنین چشمانداز تجاری و فناورانه آن است.
ملاحظات اخلاقی و خطرات احتمالی
هرچند استفاده از دادههای بازی برای ساخت مدلهای فیزیکی نویدبخش است، اما سوالات مهمی درباره کاربردهای این فناوری مطرح میشود:
– کاربردهای دفاعی: مدلهایی که میتوانند رفتار فیزیکی را به دقت شبیهسازی کنند، بالقوه میتوانند برای کاربردهای نظامی یا طراحی سلاح مورد استفاده قرار گیرند. تعیین خطوط قرمز اخلاقی و سیاستگذاری شفاف ضروری است.
– شفافیت و مسئولیتپذیری: توسعهدهندگان و سرمایهگذاران باید شفافیت در روشهای آموزش، دادههای مورد استفاده و ارزیابی ریسک را رعایت کنند.
– مقررات و نظارت: ترکیب دانش دانشگاهی (پژوهشگران MIT و DeepMind) با سرمایهگذاریهای بزرگ لزوم ایجاد چارچوبهای نظارتی برای کنترل دسترسی و کاربردهای بالقوه را پررنگتر میکند.
گفتگو و چشمانداز پیش رو
در مصاحبه مدیرعامل General Intuition، Pim de Witte، با پادکست فناوری TechCrunch (Equity)، به دلایل انتخاب دادههای بازی برای آموزش world models، فرایند جداسازی از Medal TV و نگرانیهای اخلاقی اشاره شد. رویکرد این شرکت میتواند مسیر جدیدی برای رسیدن به سامانههای هوشمند فیزیکی با قابلیت تعمیمپذیری بالا فراهم آورد؛ اما موفقیت نهایی آن مستلزم حل چالشهای فنی، اخلاقی و نظارتی است.
جمعبندی
حرکت به سمت آموزش مدلهای جهان با استفاده از دادههای بازی یک جهتگیری فناورانه مهم در مسیر رسیدن به AGI محسوب میشود. سرمایهگذاریهای قابل توجه و مشارکت پژوهشگران برجسته نشان میدهد که بازار و جامعه علمی جدیترین پتانسیل این رویکرد را میبینند؛ با این حال تضمین استفاده مسئولانه و نظارت مناسب برای جلوگیری از پیامدهای ناخواسته، همزمان با پیشرفت فناورانه ضروری است.