در حالی که دنیای فناوری هنوز مبهوت پیشرفتهای سرسامآور مدلهای زبانی بزرگ (LLM) است، نبرد بعدی در مرزهای هوش مصنوعی بر سر حوزهای به مراتب بنیادیتر در جریان است: مدلهای جهان (World Models) و هوش فضایی (Spatial Intelligence). با این حال، بازیگران اصلی این عرصه ترجیح میدهند جزئیات فناوری خود را همچنان در سایه نگه دارند.
هوش فضایی و درک قوانین فیزیک؛ تمایز بنیادین با مدلهای متنی
مدلهای زبانی مانند GPT-4 یا کلود، استاد پیشبینی کلمات بعدی بر پایه الگوهای متنی عظیم هستند؛ اما هیچ درک شهودی از گرانش، هندسه سهبعدی، پایداری اشیاء یا برهمکنش فیزیکی مواد در جهان واقعی ندارند. در نقطه مقابل، مدلهای جهان در تلاشند تا با شبیهسازی قوانین فیزیک در فضاهای برداری چندبعدی، دنیای پیرامون را همانند ذهن انسان درک و پیشبینی کنند.
دو پرچمدار اصلی این جبهه عبارتند از:
- AMI Labs: استارتاپ نوبنیادی که تحت رهبری یان لکان (Yann LeCun)، دانشمند ارشد هوش مصنوعی متا، شکل گرفته و بر پایه معماری JEPA (معماری پیشبینی جاسازی مشترک) فعالیت میکند.
- World Labs: شرکتی با ارزشگذاری بیش از یک میلیارد دلار به رهبری پروفسور فیفی لی (Fei-Fei Li)، مادر پایگاه داده ImageNet، که روی تبدیل تصاویر دو بعدی به جهانهای سهبعدی تعاملی کار میکند.
«ما همچنان در مرحله عمیق تحقیق و ساخت زیرساخت هستیم. به همین دلیل تا زمانی که به نقطه اطمینان کامل نرسیم، درباره برنامههای تجاری و تایملاین عرضه عمومی محصولات صحبت نخواهیم کرد.»
— مایکل رابات (Michael Rabbat)، همبنیانگذار و معاون بخش مدلهای جهان در AMI Labs
سامانه Marble شرکت World Labs؛ نمونهای عملی از شبیهسازی سهبعدی
پیشرفتهترین محصول به نمایش درآمده در این زمینه تا به امروز، سامانه Marble متعلق به World Labs است. این پلتفرم به کاربران اجازه میدهد تنها با ارائه یک یا چند تصویر ورودی، یک محیط سهبعدی کاوشپذیر و بینقص تولید کنند که در صنایع بازیسازی، جلوههای ویژه سینمایی (VFX) و شبیهسازهای آموزش رباتیک کاربرد دارد.
چرا استارتاپهای مدل جهان درآمدزایی را به تأخیر میاندازند؟
برخلاف چتباتها که به سرعت با مدل اشتراک ماهیانه ۲۰ دلاری به درآمد رسیدند، مدلهای جهان نیازمند بازتعریف سختافزارها و حجمهای پردازشی بسیار فراتر از تراشههای امروزی هستند. تحلیلگران ۳ چالش کلیدی پیش روی این فناوری را مطرح کردهاند:
- هزینه سنگین رندرینگ زمانواقعی (Real-Time 3D Rendering): پردازش قوانین پیوسته فیزیک و حفظ انسجام هندسی نیازمند کلاسترهای فوقسریع ابری است.
- خطر نقص در محاسبات هندسی: برخلاف خطاهای نگارشی، کوچکترین نقص فیزیکی در یک شبیهساز باعث سقوط خودروی خودران یا آسیب فیزیکی به ربات کارگر میشود.
- استراتژی صبر برای تسلط بر رباتیک خودمختار: ارزش واقعی این مدلها در مغز رباتهای انساننما (Humanoid Robots) نهفته است؛ بازاری که انتظار میرود در نیمه دوم این دهه به بلوغ کامل برسد.
به نظر میرسد سکوت استارتاپهای پیشرو نه از سر ناامیدی، بلکه نشانه آمادهسازی برای یک جهش پلتفرمی بسیار بزرگتر از هوش مصنوعی مولد متنی است.
