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
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。