AIத் துறை "AGI" மற்றும் "superintelligence" என்று பெயரிடுவதில் போட்டியிடும் வேளையில், AMI Labs ஒரு மாறுபட்ட பாதையில் செல்கிறது. டூரிங் விருது வென்ற Yann LeCun உடன் இந்த ஸ்டார்ட்அப்பை இணைந்து தொடங்கிய CEO Alexandre LeBrun, தேவையற்ற சொற்களைத் தவிர்த்து, நவீன AI-இல் விடுபட்ட ஒரு முக்கிய இணைப்பான "இயற்பியல் சார்ந்த உள்ளுணர்வை" (physical intuition) கையாளுகிறார்.

AGI-இன் சொற்பொருள் பொறியில் இருந்து விடுபடுதல்

சியோலில் நடைபெற்ற International Conference on Machine Learning மாநாட்டில் பேசும்போது, "AGI" அல்லது "superintelligence" போன்ற சொற்களைப் பயன்படுத்த AMI Labs மறுப்பதாக LeBrun கூறினார். "இதற்குச் சரியான வரையறை இல்லை. superintelligence என்றால் என்ன? எனக்குத் தெரியாது. இது ஒரு பயனுள்ள சொல் அல்ல," என்று கூறிய அவர், இந்தத் துறை வெறும் விளம்பரத்திற்காக (hype) சொற்களை மட்டும் மாற்றிக்கொண்டிருப்பதாகக் குறிப்பிட்டார்.

தத்துவார்த்த உணர்வைத் (theoretical consciousness) தேடி ஓடுவதற்குப் பதிலாக, AMI Labs "world models"-களை உருவாக்குகிறது—அதாவது இயற்பியல் விதிகளைக் கற்றுக்கொண்டு, உலகின் அடுத்த நிலையைத் துல்லியமாகக் கணிக்கும் அமைப்புகள். ஒரு Large Language Model (LLM) அடுத்த வார்த்தையைக் கணிக்கிறது; ஆனால் ஒரு world model, மேஜையிலிருந்து ஒரு கண்ணாடி கீழே தள்ளப்பட்டால் அது கவிழ்ந்து சிதறும் என்பதைத் துல்லியமாக அறியும்.

ரோபாட்டிக்ஸில் விடுபட்ட "மூளை"

ரோபாட்டிக்ஸில் வன்பொருள் (hardware) வளர்ச்சி அடைந்தாலும், மென்பொருள் (software) இன்னும் "இயற்பியல் உலகில் மிகவும் முட்டாள்தனமாகச் செயல்படுகிறது" என்று LeBrun சுட்டிக்காட்டுகிறார். பெரும்பாலான ரோபோக்கள் நிலையான வழிமுறைகளைப் (static routines) பின்பற்றுகின்றன, இதனால் வீடுகளிலோ அல்லது பரபரப்பான தெருக்களிலோ அவை தடுமாறுகின்றன.

அவர் LLM-களையும் world models-களையும் போட்டியாளர்களாகப் பார்க்காமல், கூட்டாளிகளாகப் பார்க்கிறார். மனித மூளை மொழியையும் பகுத்தறிவையும் எவ்வாறு தனித்தனியாகப் பிரிக்கிறதோ, அதேபோல LLM-கள் உரையில் சிறந்து விளங்கும்போது, world models இயற்பியல் தொடர்புகளுக்குத் தேவையான சூழலை (context) வழங்குகின்றன. இந்தச் சூழல் பாதுகாப்பிற்கு மிகவும் முக்கியமானது—உதாரணமாக, ஒரு சிக்கலான இயக்கத்தின் போது ரோபோ ஒரு மனிதரைத் காயப்படுத்துவதைத் தடுக்க இது உதவும்.

தொழில்முறை கூட்டாண்மை மூலம் விரிவாக்கம் செய்தல்

AMI Labs இன்னும் தயாரிப்பு நிலைக்கு முந்தைய (pre-product) நிலையில் உள்ளது; இது $3.5 பில்லியன் மதிப்பீட்டில் $1.03 பில்லியன் நிதியைத் திரட்டியுள்ளது. World models-களுக்கு நிஜ உலகத் தரவுகள் தேவைப்படுவதால், சிக்கலான மற்றும் மாறுபட்ட சூழல்களைத் திறக்கக்கூடிய தொழில்முறை கூட்டாளிகளைத் தேடி நிறுவனம் ஈடுபட்டுள்ளது.

தென்கொரியா ஒரு மையமாக இருப்பது பொருத்தமானது என்று LeBrun கூறுகிறார்: அதன் குறைக்கடத்தி (semiconductor), ரோபாட்டிக்ஸ் மற்றும் உற்பத்தித் துறைகள் உலகத்தரம் வாய்ந்தவை. "வன்பொருள் சார்ந்த" (hardware-heavy) தொழில்துறைகளுடன் இணைவதன் மூலம், LLM-களால் மட்டுமே கண்டறிய முடியாத குழப்பமான நிஜ உலகச் சூழலில் தனது மாதிரிகளை (models) AMI Labs பயிற்றுவிக்க முடியும்.

இது ஏன் முக்கியமானது?

உருவாக்கும் உரையிலிருந்து (generative text) இயற்பியல் நுண்ணறிவுக்கு (physical intelligence) மாறுவது AI-இன் அடுத்த எல்லையாகும். முதல் அலை அறிவை டிஜிட்டல் மயமாக்கியது; world models மூலம் இயங்கும் அடுத்த அலை, இயற்பியல் தொடர்புகளை டிஜிட்டல் மயமாக்கும். டெவலப்பர்களும் நிறுவனர்களும் கவிதை உருவாக்குவதில் அல்லாமல், தொழிற்சாலைகள் மற்றும் வீடுகளில் பாதுகாப்பான மற்றும் உள்ளுணர்வு சார்ந்த வழிசெலுத்தலில் (navigation) உள்ள மதிப்பைத் தேட வேண்டும்.

முக்கியக் குறிப்புகள்

  • World Models vs. LLMs: LLM-கள் அடுத்த டோக்கனை (token) கணிக்கின்றன; world models அடுத்த இயற்பியல் நிலையைத் துல்லியமாகக் கணித்து, நிஜப் பணிகளுக்குத் தேவையான உள்ளுணர்வை வழங்குகின்றன.
  • இயற்பியல் சூழல் மிக முக்கியமானது: இன்றைய AI-க்குத் திறந்தவெளிச் சூழல்களில் செயல்படத் தேவையான சூழ்நிலை விழிப்புணர்வு (situational awareness) இல்லை; world models அந்த இடைவெளியைக் குறைக்க முயல்கின்றன.
  • மூலோபாயத் தொழில்முறை கவனம்: இயற்பியல் AI-ஐப் பயிற்றுவிக்கத் தேவையான தரவுகள் மற்றும் கூட்டாண்மைகளைச் சேகரிக்க, AMI Labs தென்கொரியா போன்ற வன்பொருள் சார்ந்த பிராந்தியங்களைக் குறிவைக்கிறது.