AI పరిశ్రమ "AGI" మరియు "superintelligence" అనే పదాలకు లేబుల్ వేయడానికి పోటీ పడుతున్నప్పటికీ, AMI Labs భిన్నమైన మార్గంలో నడుస్తోంది. ట్యూరింగ్ అవార్డు విజేత యన్ లెకున్ (Yann LeCun) తో కలిసి ఈ స్టార్టప్‌ను సహ-స్థాపించిన CEO అలెగ్జాండర్ లెబ్రన్ (Alexandre LeBrun), ఆ ఆకర్షణీయమైన పదాలను (buzzwords) పక్కన పెట్టి, ఆధునిక AIలో లోపించిన అంశమైన "physical intuition" (భౌతిక అవగాహన) పై దృష్టి సారిస్తున్నారు.

AGI యొక్క అర్థం లేని ఉచ్చు నుండి బయటపడటం

సియోల్‌లో జరిగిన ఇంటర్నేషనల్ కాన్ఫరెన్స్ ఆన్ మెషిన్ లెర్నింగ్‌లో, "AGI" లేదా "superintelligence" వంటి పదాలను ఉపయోగించడానికి AMI Labs నిరాకరిస్తుందని లెబ్రన్ చెప్పారు. "దీనికి సరైన నిర్వచనం లేదు. superintelligence అంటే ఏమిటి? నాకు తెలియదు. ఇది అంత ఉపయోగకరమైన పదం కాదు," అని ఆయన అన్నారు. పరిశ్రమ కేవలం హైప్‌ను నిలబెట్టడానికి లేబుళ్లను మారుస్తుందని ఆయన జోడించారు.

సిద్ధాంతపరమైన స్పృహ (theoretical consciousness) కోసం వెతకడానికి బదులుగా, AMI Labs "world models"ను నిర్మిస్తోంది—ఇవి భౌతిక శాస్త్ర నియమాలను నేర్చుకుని, ప్రపంచం యొక్క తదుపరి స్థితిని అంచనా వేసే వ్యవస్థలు. ఒక large language model తదుపరి పదాన్ని ఊహిస్తుంది; కానీ ఒక world model, టేబుల్ నుండి గ్లాసును నెడితే అది పడిపోయి ఒలికిపోతుందని తెలుసు.

రోబోటిక్స్‌లో లోపించిన "మెదడు"

రోబోటిక్స్‌లో హార్డ్‌వేర్ గణనీయంగా పెరిగినప్పటికీ, సాఫ్ట్‌వేర్ ఇంకా "భౌతిక ప్రపంచంలో చాలా తెలివితక్కువగా" వ్యవహరిస్తోందని లెబ్రన్ పేర్కొన్నారు. చాలా రోబోట్లు స్థిరమైన పద్ధతులను (static routines) అనుసరిస్తాయి మరియు ఇళ్లు లేదా రద్దీగా ఉండే వీధుల్లో తడబడతాయి.

ఆయన LLMలను మరియు world modelsను ప్రత్యర్థులుగా కాకుండా భాగస్వాములుగా చూస్తారు. మానవ మెదడు భాషను మరియు తర్కాన్ని (reasoning) ఎలా వేరుగా ఉంచుతుందో, అలాగే LLMలు టెక్స్ట్‌లో నైపుణ్యం కలిగి ఉంటే, world models భౌతిక పరస్పర చర్యకు అవసరమైన సందర్భాన్ని (context) అందిస్తాయి. భద్రత కోసం ఆ సందర్భం చాలా ముఖ్యం—ఉదాహరణకు, ఒక సంక్లిష్టమైన కదలిక సమయంలో రోబోట్ మనిషికి గాయం చేయకుండా ఇది నిరోధించగలదు.

పారిశ్రామిక భాగస్వామ్యాల ద్వారా విస్తరణ

AMI Labs ఇంకా ఉత్పత్తి దశకు చేరుకోలేదు (pre-product), ఇది $3.5 బిలియన్ల pre-money valuation వద్ద $1.03 బిలియన్లను సేకరించింది. world models కు వాస్తవ ప్రపంచ డేటా అవసరం కాబట్టి, సంక్లిష్టమైన వాతావరణాలను అందించగల పారిశ్రామిక భాగస్వాముల కోసం ఈ కంపెనీ వెతుకుతోంది.

దక్షిణ కొరియా ఒక హబ్‌గా ఉండటం సరైనదని లెబ్రన్ అంటున్నారు: దాని సెమీకండక్టర్, రోబోటిక్స్ మరియు తయారీ రంగాలు ప్రపంచ స్థాయి ప్రమాణాలను కలిగి ఉన్నాయి. "hardware-heavy" పరిశ్రమలతో అనుసంధానం కావడం ద్వారా, LLMలు మాత్రమే గుర్తించలేని గందరగోళమైన వాస్తవికతపై AMI Labs తన మోడళ్లను శిక్షణ ఇవ్వగలదు.

ఇది ఎందుకు ముఖ్యం

జనరేటివ్ టెక్స్ట్ నుండి ఫిజికల్ ఇంటెలిజెన్స్ (physical intelligence) వైపు మళ్లడం అనేది AI రంగంలో తదుపరి మైలురాయి. మొదటి దశ జ్ఞానాన్ని డిజిటలైజ్ చేసింది; world models ద్వారా నడిచే తదుపరి దశ భౌతిక పరస్పర చర్యలను (physical interaction) డిజిటలైజ్ చేస్తుంది. డెవలపర్లు మరియు వ్యవస్థాపకులు కవిత్వం సృష్టించడం వంటి వాటిలో కాకుండా, ఫ్యాక్టరీలు మరియు నివాస గదులలో సురక్షితమైన, సహజమైన నావిగేషన్ (navigation) వంటి అంశాలలో విలువను గమనించాలి.

ముఖ్య అంశాలు

  • World Models vs. LLMs: LLMలు తదుపరి టోకెన్‌ను అంచనా వేస్తాయి; world models తదుపరి భౌతిక స్థితిని అంచనా వేస్తాయి, తద్వారా నిజమైన పనులకు అవసరమైన అవగాహనను అందిస్తాయి.
  • భౌతిక సందర్భం (Physical Context) కీలకం: నేటి AIకి బహిరంగ వాతావరణాలలో పరిస్థితిని అర్థం చేసుకునే సామర్థ్యం లేదు; world models ఆ లోటును పూరించాలని లక్ష్యంగా పెట్టుకున్నాయి.
  • వ్యూహాత్మక పారిశ్రామిక దృష్టి: ఫిజికల్ AIని శిక్షణ ఇవ్వడానికి అవసరమైన డేటా మరియు భాగస్వామ్యాలను సేకరించడానికి AMI Labs దక్షిణ కొరియా వంటి హార్డ్‌వేర్-కేంద్రీకృత ప్రాంతాలను లక్ష్యంగా చేసుకుంటుంది.