في تطور مثير في عالم الذكاء الاصطناعي، تم تقديم نموذج SemiGroup-JEPA (SG-JEPA) الذي يعد امتدادًا لنموذج LeWorldModel. يهدف هذا النموذج الجديد إلى تحسين القدرة على التنبؤ والتخطيط من خلال توفير تمثيل مضغوط للواقع يتماشى مع الفيزياء.

السيطرة على كيفية تعامل النموذج مع الديناميات الفيزيائية كانت نقطة تحول حقيقية. من خلال دمج «action-conditioning»، يتفاعل النموذج مع مختلف مجالات الجاذبية، مما يمكّنه من إنتاج ديناميات تحاكي الواقع بشكل أكثر دقة. اختبر الباحثون هذا النموذج من خلال تصميم مهام ديناميكية متعددة تُظهر سلوكيات مختلفة في مجالات جاذبية متباينة، من الحركة العائمة في مجالات الجاذبية الضعيفة إلى القفز السريع في المجالات القوية.

تكشف النتائج أن SG-JEPA يُقلل من خطأ التنبؤ بمعدل يصل إلى الضعف على مجموعات البيانات ثنائية الأبعاد، ويزيد من معدل نجاح التحكم بمقدار يصل إلى 2.5 مرة في مجموعات بيانات الروبوتات ثلاثية الأبعاد.

يرجع هذا التقدم المذهل إلى نموذج ميزات خطي يوضح كيف يمكن فصل الأخطاء الشرطية عن تأثيرها التراكيبي، مما يُثبت أهمية التعلم العميق في استخلاص أفضل الميزات.

للاستزادة عن هذا المشروع الثوري، يمكنكم زيارة الموقع الرسمي هنا. هل تعتقدون أن هذه التقنية ستغيير مستقبل الذكاء الاصطناعي؟ شاركونا آرائكم في التعليقات!