जेव्हा एआय (AI) उद्योग "AGI" आणि "superintelligence" असे लेबल लावण्यासाठी स्पर्धा करत आहे, तेव्हा AMI Labs वेगळ्या मार्गावर चालत आहे. ट्युरिंग अवॉर्ड विजेते Yann LeCun यांच्यासोबत या स्टार्टअपची सह-स्थापना करणारे CEO Alexandre LeBrun, केवळ प्रसिद्ध शब्दांचा (buzzwords) वापर टाळून आधुनिक एआयमधील काय तो 'मिसिंग लिंक' (अपूर्ण दुवा) आहे, ज्याला ते 'physical intuition' (भौतिक अंतर्ज्ञान) म्हणतात, त्यावर काम करत आहेत.

AGI च्या अर्थविषयक जाळ्यातून बाहेर पडणे

सोल येथील 'इंटरनॅशनल कॉन्फरन्स ऑन मशीन लर्निंग'मध्ये LeBrun म्हणाले की, AMI Labs "AGI" किंवा "superintelligence" सारखे शब्द वापरण्यास नकार देते. "याची कोणतीही चांगली व्याख्या नाही. superintelligence म्हणजे काय? मला माहीत नाही. हा फारसा उपयुक्त शब्द नाही," असे ते म्हणाले आणि पुढे असेही सांगितले की, उद्योग केवळ प्रसिद्धी (hype) टिकवून ठेवण्यासाठी शब्दांची अदलाबदल करत असतो.

सैद्धांतिक चेतना (theoretical consciousness) शोधण्याऐवजी, AMI Labs "world models" तयार करत आहे—अशी प्रणाली जी भौतिकशास्त्राचे नियम शिकते आणि जगाच्या पुढील स्थितीचा अंदाज लावते. एक 'लार्ज लँग्वेज मॉडेल' (LLM) पुढचा शब्द ओळखण्याचा प्रयत्न करते; तर 'वर्ल्ड मॉडेल'ला हे माहित असते की टेबलावरून ग्लास ढकलल्यास तो उलटून содержимое सांडेल.

रोबोटिक्समधील हरवलेले "मेंदू"

LeBrun यांनी असे निदर्शनास आणून दिले की, रोबोटिक्समधील हार्डवेअरमध्ये मोठी प्रगती झाली आहे, परंतु सॉफ्टवेअर अजूनही "भौतिक जगात अत्यंत मूर्खपणे" वागते. बहुतेक रोबोट्स ठराविक (static) दिनचर्यांचे पालन करतात आणि घरे किंवा गर्दीच्या रस्त्यांवर अडखळतात.

ते LLMs आणि world models ला प्रतिस्पर्धी म्हणून न पाहता भागीदार म्हणून पाहतात. मानवी मेंदू ज्याप्रमाणे भाषा आणि तर्क (reasoning) वेगळे करतो, त्याचप्रमाणे LLMs मजकुरात (text) उत्कृष्ट आहेत, तर world models भौतिक संवादासाठी (physical interaction) आवश्यक असलेला संदर्भ (context) पुरवतात. हा संदर्भ सुरक्षिततेसाठी महत्त्वाचा आहे—उदाहरणार्थ, एखादी गुंतागुंतीची हालचाल करताना रोबोटला एखाद्या व्यक्तीला इजा करण्यापासून तो रोखू शकतो.

औद्योगिक भागीदारीद्वारे विस्तार

AMI Labs अजूनही उत्पादनपूर्व (pre-product) टप्प्यावर आहे, ज्यांनी $3.5 अब्ज प्री-मनी व्हॅल्युएशनवर $1.03 अब्ज निधी उभारला आहे. world models ला वास्तविक जगातील डेटाची आवश्यकता असल्याने, कंपनी अशा औद्योगिक भागीदारांच्या शोधात आहे जे गुंतागुंतीच्या आणि अव्यवस्थेच्या वातावरणांमध्ये प्रवेश देऊ शकतील.

LeBrun यांच्या मते दक्षिण कोरिया एक केंद्र (hub) म्हणून योग्य आहे: तेथील सेमीकंडक्टर, रोबोटिक्स आणि मॅन्युफॅक्चरिंग क्षेत्रे जागतिक दर्जाची आहेत. "हार्डवेअर-केंद्रित" उद्योगांशी जोडले गेल्यामुळे, AMI Labs आपल्या मॉडेल्सना अशा गोंधळलेल्या वास्तवावर प्रशिक्षित करू शकते, जे केवळ LLMs ला समजणे कठीण जाते.

हे का महत्त्वाचे आहे

जनरेटिव्ह टेक्स्टकडून (generative text) फिजिकल इंटेलिजन्सकडे होणारे हे संक्रमण एआयच्या पुढील सीमेचे (frontier) प्रतीक आहे. पहिल्या लाटेने ज्ञानाचे डिजिटायझेशन केले; आता world models द्वारे प्रेरित होणारी दुसरी लाट भौतिक संवादाचे (physical interaction) डिजिटायझेशन करेल. डेव्हलपर्स आणि संस्थापकांनी केवळ कविता निर्मितीमध्ये नव्हे, तर कारखाने आणि घरांमध्ये सुरक्षित आणि सहज नेव्हिगेशनमध्ये मूल्य शोधले पाहिजे.

मुख्य निष्कर्ष

  • World Models विरुद्ध LLMs: LLMs पुढचा टोकन (token) ओळखतात; world models पुढील भौतिक स्थितीचा अंदाज लावतात, ज्यामुळे वास्तविक कामांसाठी आवश्यक असलेले अंतर्ज्ञान मिळते.
  • भौतिक संदर्भ अत्यंत महत्त्वाचा आहे: आजच्या एआयमध्ये मोकळ्या वातावरणासाठी आवश्यक असलेली परिस्थितीजन्य जागरूकता (situational awareness) नाही; world models ही दरी भरून काढण्याचे लक्ष्य ठेवतात.
  • धोरणात्मक औद्योगिक लक्ष: फिजिकल एआय प्रशिक्षित करण्यासाठी आवश्यक डेटा आणि भागीदारी मिळवण्यासाठी AMI Labs दक्षिण कोरियासारख्या हार्डवेअर-केंद्रित क्षेत्रांना लक्ष्य करत आहे.