जनरेटिव्ह AI आकार तयार करते, खेळ नाही

मी एका नवीन Minecraft "prompt-to-build" टूलची चाचणी घेण्याचा प्रयत्न केला. मला एका क्रांतीची अपेक्षा होती. त्याऐवजी, मला फक्त एका भिंतीचा नकाशा मिळाला.

हे टूल एका मिनिटात एक गोल (sphere) किंवा टॉवर तयार करू शकते. हे दिसायला चांगले दिसतात. पण ज्या क्षणी मी काही विशिष्ट नियम सांगितले, त्या क्षणी ते अपयशी ठरले.

मी १५x१५ आकाराचे, दक्षिण दिशेला दरवाजा असलेले लाकडी कॉटेज मागितले. AI ने मला दरवाजा नसलेली एक राखाडी भिंत दिली. त्याचा आकार चुकीचा होता. त्यात लाकूड नव्हते. ते निरुपयोगी होते.

येथे मुख्य समस्या आहे:

जनरेटिव्ह मॉडेल्स ही 'प्लॉसिबिलिटी इंजिन्स' (plausibility engines) आहेत. खेळांना 'करेक्टनेस इंजिन्स' (correctness engines) ची गरज असते.

एक मॉडेल अशी गोष्ट बनवू शकते जी "योग्य" दिसते. पण खेळाला अशी गोष्ट हवी असते जी "खरोखरच योग्य" असते. मॉडेलचा आकार वाढवून (scaling) ही समस्या सुटणार नाही. तुम्ही "घरासारखे दिसण्यापासून" ते "काम करणारा दरवाजा असलेल्या खऱ्या घरापर्यंत" केवळ स्केलिंगद्वारे पोहोचू शकत नाही.

ही तफावत तीन गोष्टींच्या अभावामुळे निर्माण होते:

  • डिस्क्रीट कन्स्ट्रेंट्स (Discrete constraints): मॉडेल "लहान" या शब्दाचा अंदाज लावू शकते, पण ते "अगदी १५ ब्लॉक्स" याची खात्री देऊ शकत नाही.
  • कंपोजिशनल स्ट्रक्चर (Compositional structure): मॉडेल एक आकार काढू शकते, पण ते एकमेकांशी संबंधित असलेल्या अनेक वस्तूंच्या दृश्याचे (scene) व्यवस्थापन करू शकत नाही.
  • फंक्शनल करेक्टनेस (Functional correctness): खेळाडू खरोखर गेटमधून जाऊ शकतो की नाही, हे मॉडेलला माहित नसते. गेट कसे दिसते, हे त्याला फक्त माहित असते.

हे सुधारण्यासाठी, आपण मोनोलिथिक मॉडेल्स (monolithic models) वापरणे थांबवले पाहिजे. आपल्याला अशा पाइपलाइनची गरज आहे जी 'कंटिन्युअस' (continuous) आणि 'डिस्क्रीट' (discrete) गोष्टी वेगळ्या करते:

  1. प्लॅन (Plan): प्रॉम्प्टचे रूपांतर नियमांची एक कडक यादी आणि सीन ग्राफमध्ये (scene graph) करण्यासाठी सिम्बॉलिक प्लॅनरचा (symbolic planner) वापर करा.
  2. जनरेट (Generate): प्रत्येक वस्तूसाठी स्वतंत्र आकार तयार करण्यासाठी जनरेटिव्ह मॉडेल्सचा वापर करा.
  3. प्लेस (Place): सर्व नियम पाळले जातील याची खात्री करण्यासाठी ते आकार व्यवस्थित मांडण्यासाठी 'सॉल्व्हर'चा (solver) वापर करा.
  4. व्हेरिफाय (Verify): निकाल मूळ योजनेशी जुळतो की नाही हे सिद्ध करण्यासाठी 'चेकर'चा (checker) वापर करा.

जनरेटर सौंदर्य प्रदान करतो. स्ट्रक्चर अचूकता प्रदान करते.

AI कंटेंटचे भविष्य हे एक महाकाय मॉडेल नसून, एकत्र काम करणाऱ्या विशेष साधनांची (specialized tools) एक प्रणाली आहे. जो विजेता असेल, त्याच्याकडे सर्वोत्तम 'शेप जनरेटर' नसेल, तर त्याच्याकडे सर्वोत्तम 'व्हेरिफिकेशन लूप' (verification loop) असेल.

स्रोत: https://dev.to/harrisonsec/generative-ai-builds-shapes-not-games-the-constraint-gap-and-the-architecture-that-closes-it-2e30

वैकल्पिक शिक्षण समुदाय: https://t.me/GyaanSetuAi