گوگل دیپمایند از SIMA 2 رونمایی کرد: عامل هوش مصنوعی که قادر به بازی، استدلال و یادگیری در دنیاهای مجازی سهبعدی است
به طور خلاصه
گوگل دیپمایند (Google DeepMind) عامل هوش مصنوعی SIMA 2 را معرفی کرد که میتواند دستورالعملها را درک کند، استدلال کند و مهارتهای جدید را در محیطهای مجازی به خود آموزش دهد و به انجام وظایف در سطح انسان نزدیک شود.
بازوی هوش مصنوعی شرکت فناوری گوگل، Google DeepMind SIMA 2، آخرین نسخه از عامل چندجهانی مقیاسپذیر و قابل ساخت خود را معرفی کرد که نشاندهندهی حرکتی به سوی عاملهای هوش مصنوعی توانمندتر و همهمنظوره است.
این سیستم که بر اساس قابلیتهای استدلال پیشرفته مدلهای Gemini ساخته شده است، فراتر از دنبال کردن دستورالعملهای اولیه در محیطهای مجازی گسترش مییابد و اکنون به عنوان یک همراه تعاملی عمل میکند که میتواند اهداف را تفسیر کند، با کاربران گفتگو کند و عملکرد خود را در طول زمان بهبود بخشد.
اولین مدل SIMA صدها عمل مبتنی بر زبان را در بازیهای ویدیویی تجاری با مشاهده ورودی صفحه نمایش و کار با کنترلهای مجازی به جای مکانیکهای یکپارچه بازی یاد گرفت.
SIMA 2 با تعبیه Gemini به عنوان هسته خود، این رویکرد را ارتقا میدهد و عامل را قادر میسازد تا استدلال هدفمند انجام دهد، اقدامات مورد نظر خود را توضیح دهد و وظایف پیچیدهتری را در بازیها اجرا کند. این عامل که بر اساس ترکیبی از نمایشهای انسانی و حاشیهنویسیهای تولید شده توسط Gemini آموزش دیده است، از طریق همکاری با چندین توسعهدهنده، در مجموعهای گستردهتر از بازیها آزمایش شده است. این بهروزرسانی گامی مهم برای هوش مصنوعی تجسمیافته است که ادراک، استدلال و عمل را در محیطهای سهبعدی پویا ترکیب میکند.
ادغام Gemini توانایی SIMA 2 را برای تعمیم و عملکرد قابل اعتماد در زمینههای ناآشنا تقویت کرده است. اکنون عامل میتواند دستورالعملهای دقیقتر و ظریفتری را تفسیر کند و آنها را حتی در بازیهایی که قبلاً با آنها روبرو نشده است، مانند عنوان ASKA با تم وایکینگ یا MineDojo، نسخه تحقیقاتی Minecraft، با موفقیت اجرا کند.
ظرفیت آن برای بهکارگیری مفاهیم آموختهشده در محیطهای مختلف - برای مثال، گسترش ایده «استخراج» از یک بازی به «برداشت» در بازی دیگر - یک مؤلفه کلیدی از تعمیم گسترده را تشکیل میدهد و عملکرد آن را به عملکرد یک بازیکن انسانی نزدیکتر میکند.
به منظور ارزیابی این قابلیتها، SIMA 2 همچنین در جهانهای سهبعدی تولید شده به صورت رویهای که توسط Genie 3 ایجاد شده بودند، آزمایش شد. Genie 3 محیطهای جدیدی را از متن یا تصویر تولید میکند. در این محیطهای ناآشنا، عامل همچنان قادر به پیمایش مؤثر، تفسیر دستورالعملها و کار با کاربر بود.defiاهداف تعیینشده، سطحی از سازگاری را نشان میدهد که قبلاً در سیستمهای مشابه مشاهده نشده است.
SIMA 2 هوش مصنوعی خود-بهبودگر را با قابلیتهای جدید در تعمیم و یادگیری خودکار ارتقا میدهد.
با توجه به شرکتیکی از قابل توجهترین پیشرفتهای SIMA 2، توانایی نوظهور آن در بهبود عملکرد خود است. در طول آموزش، این عامل نشان داده است که میتواند وظایف پیچیدهتر را از طریق آزمون و خطای تکراری همراه با بازخورد از Gemini انجام دهد. پس از یادگیری اولیه از نمایشهای انسانی، SIMA 2 قادر است از طریق بازی خودکار به پیشرفت در بازیهای جدید ادامه دهد و بدون نیاز به دادههای انسانی اضافی، در محیطهای ناآشنا مهارت کسب کند. سپس میتوان از این تجربه برای آموزش نسخههای بعدی و توانمندتر این سیستم استفاده کرد. عامل هوش مصنوعیو همین فرآیند خودبهسازی با موفقیت در محیطهای تولید شده توسط Genie اعمال شده است، که نشاندهنده پیشرفت معناداری در جهت آموزش عاملهای عمومی در جهانهای متنوع و مصنوعی است. این چرخه اصلاح مداوم، از هدف بلندمدت توانمندسازی عاملها برای یادگیری با حداقل راهنمایی انسانی پشتیبانی میکند.
عملکرد SIMA 2 در طیف وسیعی از محیطهای بازی، زمینهی آزمایش مهمی برای هوش عمومی فراهم میکند و به آن اجازه میدهد تا مهارتها را کسب کند، استدلال را تمرین کند و از طریق عمل خودگردان به طور مداوم یاد بگیرد. اگرچه این سیستم گامی اساسی به سوی هوش عمومی، تعاملی و تجسمیافته است، اما محدودیتهای واضحی در مرحلهی تحقیق دارد. عامل همچنان با وظایف پیچیده و بلندمدت که نیاز به استدلال گسترده یا تأیید مکرر هدف دارند، دست و پنجه نرم میکند و حافظهی آن به دلیل نیاز به تعامل با تأخیر کم در یک پنجرهی زمینهی محدود، همچنان کوتاه است. دقت در اقدامات ریزدانه و درک بصری از صحنههای سهبعدی پیچیده نیز همچنان یک چالش گستردهتر در این زمینه است.
این پروژه پتانسیل یک رویکرد هوش مصنوعی عملگرا را نشان میدهد که در آن شایستگیهای گسترده توسط دادههای آموزشی متنوع و قابلیتهای استدلال قوی پشتیبانی میشود. SIMA 2 نشان میدهد که این عناصر میتوانند به جای جداسازی در سیستمهای تخصصی جداگانه، در یک عامل عمومی واحد متحد شوند و مسیری امیدوارکننده به سوی کاربردهای آینده در رباتیک فراهم میکند، زیرا بسیاری از مهارتهای آموخته شده در محیطهای مجازی - مانند ناوبری، استفاده از ابزار و انجام وظایف مشارکتی - به اجزای اساسی برای هوش مصنوعی تجسمیافته تبدیل میشوند.
SIMA 2 به عنوان یک عامل تحقیقاتی تعاملی و انسانمحور طراحی شده است و توسعه آن شامل تمرکز واضح بر شیوههای مسئولانه، به ویژه در مورد مکانیسمهای خودبهبودی آن است. این تیم در طول پروژه با متخصصان نوآوری مسئول همکاری کرده و SIMA 2 را در یک پیشنمایش تحقیقاتی محدود منتشر میکند و دسترسی زودهنگام را برای دانشگاهیان و توسعهدهندگان بازی منتخب فراهم میکند. این رویکرد مرحلهای امکان بررسی دقیق، بازخورد و ارزیابی بین رشتهای مداوم را فراهم میکند، زیرا این فناوری و پیامدهای بالقوه آن بیشتر بررسی میشوند.
رفع مسئولیت
در خط با دستورالعمل های پروژه اعتماد، لطفاً توجه داشته باشید که اطلاعات ارائه شده در این صفحه به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا هر شکل دیگری در نظر گرفته نشده است و نباید تفسیر شود. مهم است که فقط در موردی سرمایه گذاری کنید که توانایی از دست دادن آن را دارید و در صورت شک و تردید به دنبال مشاوره مالی مستقل باشید. برای کسب اطلاعات بیشتر، پیشنهاد می کنیم به شرایط و ضوابط و همچنین صفحات راهنمایی و پشتیبانی ارائه شده توسط صادرکننده یا تبلیغ کننده مراجعه کنید. MetaversePost متعهد به گزارش دقیق و بی طرفانه است، اما شرایط بازار بدون اطلاع قبلی ممکن است تغییر کند.
درباره نویسنده
آلیسا، یک روزنامه نگار اختصاصی در MPostمتخصص در ارزهای دیجیتال، اثبات دانش صفر، سرمایه گذاری و حوزه گسترده Web3. او با نگاهی دقیق به روندها و فناوریهای نوظهور، پوشش جامعی را برای اطلاعرسانی و مشارکت خوانندگان در چشمانداز همیشه در حال تحول مالی دیجیتال ارائه میکند.
مقالات بیشتر
آلیسا، یک روزنامه نگار اختصاصی در MPostمتخصص در ارزهای دیجیتال، اثبات دانش صفر، سرمایه گذاری و حوزه گسترده Web3. او با نگاهی دقیق به روندها و فناوریهای نوظهور، پوشش جامعی را برای اطلاعرسانی و مشارکت خوانندگان در چشمانداز همیشه در حال تحول مالی دیجیتال ارائه میکند.
