Meta本周发布的一款新生成式AI模型可能会改变机器理解物理世界的方式,为更智能的机器人等应用创造机会。
这款名为"视频联合嵌入预测架构2"(V-JEPA 2)的开源模型,旨在帮助人工智能理解重力和物体永恒性等物理概念。
Meta在博客文章中表示:"通过分享这项工作,我们希望为研究人员和开发者提供最佳模型和基准,以帮助加速研究和进展,最终打造更好、更强大的AI系统来改善人们的生活。"
目前允许AI与物理世界交互的模型依赖于标记数据或视频来模拟现实,但这种新方法强调物理世界的逻辑,包括物体如何移动和相互作用。该模型能让AI理解诸如球从桌子上滚落会掉下来这样的概念。
Meta表示,该模型对自动驾驶车辆和机器人等设备很有用,因为它们无需针对每种可能情况进行训练。公司称这是向类人适应能力AI迈出的一步。
物理AI领域的一大挑战是需要大量训练数据,这需要时间、资金和资源。今年早些时候在SXSW大会上,专家表示合成数据——由AI创建的训练数据——可以帮助传统学习模型应对意外情况。
Meta表示,其新模型简化了这一过程,使实际应用更加高效,因为它不依赖于所有这些训练数据。
世界模型的下一步包括训练能够在不同时空尺度上学习、推理和规划的模型,使它们更好地分解复杂任务。除了视觉之外还能使用音频和触觉等其他感官的多模态模型,也将帮助未来的AI模型更好地理解现实世界。
好文章,需要你的鼓励
MinIO正在其对象存储与生成式AI之间构建连接层,涉及采用Iceberg表格的结构化形式。联合创始人兼联席CEO AB Periasamy表示,生成式AI推动了企业数据基础设施需求,直接促进公司增长。MinIO员工数量已达160多人,并积极扩展市场业务。公司正致力于解决大规模结构化数据与大语言模型之间的桥接问题,特别是如何让LLM理解Iceberg表格等结构化数据。
Salesforce AI Research团队开发的MCPEval框架为AI助手工具使用能力评估提供了全新解决方案。该框架基于Model Context Protocol标准,实现了从任务生成到深度分析的全自动评估流程,测试了十个AI模型在五个真实领域的表现,揭示了当前AI助手在执行过程与完成质量间存在普遍差距,为AI助手选择和优化提供科学依据。
本文详细解析2025年笔记本处理器市场格局,涵盖Intel、AMD、高通和苹果四大厂商的最新CPU产品线。苹果M系列芯片凭借出色的性能和续航表现位居榜首,Windows平台推荐高通骽龙X系列处理器。文章深入对比x86与Arm架构差异,分析各品牌处理器的核心数量、线程、时钟频率等关键参数,并详细介绍集成显卡、AI加速器NPU等技术发展,为用户选择合适的笔记本电脑提供全面参考。
麻省理工学院研究团队开发出能够像人类一样理解物理世界规律的AI系统。该系统通过自主观察物理现象学习,无需人类预编程物理知识,能准确预测复杂物理场景中的物体行为。这项技术在机器人、自动驾驶、科学研究等领域具有广阔应用前景,标志着AI从简单模仿向真正理解世界规律的重大转变。