Mô hình AI mới của Meta có thể giúp robot nắm bắt các khái niệm như trọng lực và tính bền vững của vật thể, đồng thời giảm sự phụ thuộc vào lượng lớn video hoặc dữ liệu huấn luyện.
Mô hình AI đột phá từ Meta
Meta vừa công bố một mô hình AI sáng tạo vào thứ Tư, được cho là có khả năng thay đổi cách máy móc nhận thức về thế giới vật lý, mở ra tiềm năng cho các robot thông minh hơn. Mô hình mã nguồn mở này, mang tên Video Joint Embedding Predictive Architecture 2 (V-JEPA 2), được thiết kế để giúp trí tuệ nhân tạo hiểu các khái niệm như trọng lực và tính bền vững của vật thể, theo thông tin từ Meta.
Cách V-JEPA 2 hoạt động
Khác với các mô hình AI hiện tại, vốn phụ thuộc vào dữ liệu được gắn nhãn hoặc video để mô phỏng thực tế, V-JEPA 2 tập trung vào logic của thế giới vật lý, bao gồm cách các vật thể di chuyển và tương tác. Ví dụ, mô hình này có thể giúp AI nhận ra rằng một quả bóng lăn khỏi bàn sẽ rơi xuống. Điều này mang lại lợi ích lớn cho các thiết bị như xe tự hành hoặc robot, giúp chúng không cần được huấn luyện cho mọi tình huống cụ thể.
Meta nhấn mạnh rằng mô hình này là một bước tiến hướng tới AI có khả năng thích nghi giống con người. Nó giảm thiểu nhu cầu về khối lượng dữ liệu huấn luyện khổng lồ, vốn đòi hỏi nhiều thời gian, chi phí và tài nguyên.
Giải quyết thách thức về dữ liệu huấn luyện
Một trong những khó khăn lớn của AI vật lý là yêu cầu về dữ liệu huấn luyện đồ sộ. Tại sự kiện SXSW đầu năm nay, các chuyên gia cho rằng dữ liệu tổng hợp (synthetic data) – do AI tạo ra – có thể hỗ trợ mô hình học truyền thống chuẩn bị cho các tình huống bất ngờ, như đàn dơi xuất hiện từ cầu Congress Avenue ở Austin. Tuy nhiên, V-JEPA 2 của Meta đơn giản hóa quy trình này, giúp việc áp dụng vào thực tế trở nên hiệu quả hơn nhờ giảm sự phụ thuộc vào dữ liệu huấn luyện.
Ứng dụng thực tiễn
Với khả năng hiểu biết sâu sắc về thế giới vật lý, V-JEPA 2 hứa hẹn sẽ mang lại nhiều ứng dụng thực tiễn, từ robot hỗ trợ công việc gia đình đến các phương tiện tự hành. Meta cho rằng mô hình này không chỉ cải thiện hiệu suất mà còn mở ra con đường phát triển AI linh hoạt và tiết kiệm tài nguyên hơn.
KhoaDataSea 