Η επόμενη φάση της τεχνητής νοημοσύνης φαίνεται να αφορά μια ανατροπή στην κατανόηση και προσομοίωση του πραγματικού κόσμου, μετατοπίζοντας την προσοχή μας από τα κλασικά chatbots και τα γλωσσικά μοντέλα προς νέα, πιο προηγμένα συστήματα που «κατανοούν» την πραγματικότητα. Αυτή η μετάβαση έχει ήδη προσελκύσει δισεκατομμύρια σε επενδύσεις, προορίζοντας το μέλλον της τεχνολογίας.
Η Alibaba, μέσω της Alibaba Cloud, πρωτοστατεί σε αυτό το εγχείρημα με μια σημαντική επένδυση ύψους 2 δισ. γουάν (περίπου 290 εκατ. δολάρια) στη startup ShengShu, που έχει αναπτύξει το εργαλείο παραγωγής βίντεο Vidu.
Αυτή η κίνηση υποδηλώνει μια στρατηγική στροφή: από τα παραδοσιακά γλωσσικά μοντέλα (LLMs), που εστιάζουν κυρίως στο κείμενο, προς τα λεγόμενα “world models”, συστήματα που εκπαιδεύονται σε πολυτροπικά δεδομένα: εικόνα, ήχο και φυσική αλληλεπίδραση.
Ο κύριος στόχος είναι η δημιουργία τεχνητής νοημοσύνης που δεν αντιλαμβάνεται απλώς τη γλώσσα, αλλά μπορεί και να προβλέπει και να αναπαριστά τη συμπεριφορά του πραγματικού κόσμου.
Γέφυρα μεταξύ ψηφιακού και φυσικού κόσμου
Η ShengShu έχει προγραμματίσει να αξιοποιήσει αυτή τη χρηματοδότηση για να αναπτύξει ένα «γενικό world model» που μπορεί να συνδέσει δύο μέχρι σήμερα απομονωμένους κόσμους:
- Ψηφιακός κόσμος: εργαλεία παραγωγής βίντεο και gaming.
- Φυσικός κόσμος: αυτόνομη οδήγηση, ρομποτική και φυσική αλληλεπίδραση.
Ο ιδρυτής της ShengShu, Zhu Jun, θέτει ως στόχο τη σύνδεση «αντίληψης και δράσης» , επιτρέποντας έτσι στα συστήματα AI να κατανοούν και να προβλέπουν με συνέπεια την πραγματική συμπεριφορά.
Το μοντέλο Vidu Q3 Pro της εταιρείας συγκαταλέγεται ήδη στα κορυφαία εργαλεία για τη δημιουργία βίντεο από κείμενο και εικόνες, προβάλλοντας σοβαρό ανταγωνισμό απέναντι σε λύσεις από την ByteDance και την Kuaishou, ενώ προηγείται χρονικά της διάθεσης εργαλείων όπως το Sora της OpenAI.
Αγώνας δρόμου για την επόμενη AI πλατφόρμα
Η Alibaba εντείνει τις στρατηγικές της κινήσεις στον τομέα της τεχνητής νοημοσύνης, συμμετέχοντας σε επενδύσεις όπως:
- Tripo AI: ανάπτυξη 3D μοντέλων από φωτογραφίες.
- PixVerse: δημιουργία διαδραστικών AI βίντεο με στοιχεία world modeling.
Επιπλέον, η Alibaba εργάζεται στην ανάπτυξη δικών της ανοιχτών μοντέλων για τη δημιουργία βίντεο και, πιο πρόσφατα, για την ρομποτική.
Η σημασία των world models για το μέλλον της AI είναι στρατηγική. Οι ειδικοί υποδεικνύουν ότι για να αναπαρασταθεί η ανθρώπινη νοημοσύνη απαιτούνται τρία στοιχεία: λογική σκέψη, κατανόηση του φυσικού κόσμου και συνεχή μάθηση. Παρόλο που οι μηχανές δεν μπορούν να βιώσουν αυθεντικό συναίσθημα ή να έχουν συνείδηση, υπάρχουν σπουδαίες προσπάθειες για την επίτευξη της πιο κοντινής δυνατής κατάστασης.
Τα LLM έχουν καλύψει κυρίως το πρώτο σκέλος, δημιουργώντας ένα τεχνολογικό κενό που φιλοδοξούν να καλύψουν τα world models. Η επένδυση στην ShengShu εντάσσεται στην ευρύτερη μετατόπιση του κλάδου από την «ευφυΐα της γλώσσας» στην «ευφυΐα της πραγματικότητας».
Σε αυτή τη νέα φάση, το ζητούμενο δεν είναι απλώς να υποστηρίζει η AI με απαντήσεις αλλά να μπορεί να κατανοεί, να προβλέπει και τελικά να δρα τον κόσμο.
Για περισσότερες πληροφορίες σχετικά με τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη και τις επενδύσεις στον τομέα, μπορείτε να επισκεφθείτε τον ιστότοπο της TechCrunch ή της Forbes.
!function(f,b,e,v,n,t,s)
{if(f.fbq)return;n=f.fbq=function(){n.callMethod?
n.callMethod.apply(n,arguments):n.queue.push(arguments)};
if(!f._fbq)f._fbq=n;n.push=n;n.loaded=!0;n.version=’2.0′;
n.queue=[];t=b.createElement(e);t.async=!0;
t.src=v;s=b.getElementsByTagName(e)[0];
s.parentNode.insertBefore(t,s)}(window, document,’script’,
‘https://connect.facebook.net/en_US/fbevents.js’);
fbq(‘init’, ‘1187084581334921’);
fbq(‘track’, ‘PageView’);
(function(d, s, id) {
var js, fjs = d.getElementsByTagName(s)[0];
if (d.getElementById(id)) return;
js = d.createElement(s); js.id = id;
js.src=”https://connect.facebook.net/el_GR/sdk.js#xfbml=1&version=v3.0&appId=1187084581334921&autoLogAppEvents=1″;
fjs.parentNode.insertBefore(js, fjs);
}(document, ‘script’, ‘facebook-jssdk’));
