Джим Фан, возглавляющий отдел робототехники в NVIDIA, обозначил значительные изменения в подходах к искусственному интеллекту. Он утверждает, что сосредоточение на предсказании следующего слова является устаревшим методом. Вместо этого новая задача заключается в предсказании физических состояний окружающего мира. Современные VLA-модели, используемые в роботах, базируются на языковых моделях, но сосредоточены на знаниях, таких как «это логотип Coca-Cola», а не на понимании физических процессов, например, «если наклонить бутылку, жидкость выльется». Это указывает на архитектурные ограничения текущих систем.
Заголовки
