کارشناس برجسته بین‌المللی بینایی کامپیوتری، فی فی لی، یک شرکت جدید به نام World Labs را تأسیس کرده است که هدف آن انقلابی در هوش مصنوعی با استفاده از هوش فضایی است. اوایل امسال، لی، استاد معتبر دانشگاه استنفورد و شناخته‌شده به عنوان “پیشگام AI”، اعلام کرد که این استارتاپ نوآورانه را تأسیس کرده است که اخیراً تأمین مالی بسیار خوبی معادل 230 میلیون دلار را تأمین کرده است. این سرمایه‌گذاری از شرکت‌های معتبر سرمایه‌گذاری خطرپذیر در سیلیکون ولی، از جمله Andreessen Horowitz، NEA و Radical Ventures به دست آمده است. شخصیت‌های مشهوری نظیر جف دین از Google DeepMind و جفری هینتون، کارشناس پیشین یادگیری ماشین گوگل، در این دور تأمین مالی شرکت داشتند.
World Labs که به‌طور رسمی در 13 سپتامبر راه‌اندازی شده است، بر روی ایجاد مدل‌های بزرگ جهانی (LWMs) تمرکز دارد که تعامل انسان را با محیط‌های مجازی و واقعی بهبود می‌بخشد. مأموریت این شرکت ارتقاء مدل‌های هوش مصنوعی از داده‌های مسطح و دو بعدی به فضاهای سه‌بعدی است تا آن‌ها بتوانند درک بهتری از جهان را مشابه با درک انسانی کسب کنند. لی رهبری تیمی متشکل از بیش از بیست کارشناس برجسته در زمینه بینایی کامپیوتری و فن‌آوری گرافیک را بر عهده دارد و موقعیت‌های اضافی در حال حاضر برای استخدام باز است.
این ابتکار به دنبال گسترش مرزهای قابلیت‌های هوش مصنوعی امروز است و بر این نکته تأکید می‌کند که هوش فضایی پایه‌گذار درک انسانی است. طبق اعلامیه‌های این شرکت، در حالی که تسلط به زبان ارتباط را ترویج می‌کند، درک مفاهیم فضایی برای تعامل معنادار با محیط‌های اطراف ما ضروری است. شرکای ارشد از Andreessen Horowitz چالش‌های ادغام زمینه‌های مختلفی را که برای ساخت چنین مدل‌های سه‌بعدی پیچیده‌ای ضروری است، بیان کردند. این تلاش، World Labs را در خط مقدم نوآوری در زمینه AI قرار می‌دهد و راه را برای پیشرفت‌های آینده هموار می‌سازد.
World Labs: پل زدن بین AI و آگاهی فضایی
World Labs که با همکاری کارشناس برجسته بینایی کامپیوتری فی فی لی تأسیس شده است، برای تحول در منظر هوش مصنوعی با بهره‌گیری از قدرت هوش فضایی آماده است. همان‌طور که این شرکت به سفر جاه‌طلبانه خود آغاز می‌کند، چندین سؤال مهم مطرح می‌شود که هم پتانسیل و هم چالش‌های این رویکرد انقلابی را برجسته می‌کند.
مدل‌های بزرگ جهانی (LWMs) چه هستند؟
مدل‌های بزرگ جهانی، چارچوب‌های پیچیده هوش مصنوعی هستند که برای شبیه‌سازی و درک محیط‌ها در یک زمینه سه‌بعدی طراحی شده‌اند. بر خلاف مدل‌های سنتی هوش مصنوعی که عمدتاً با استفاده از داده‌های دو بعدی عمل می‌کنند، LWMs ورودی‌های حسی مختلفی—مانند درک عمق، سمت‌گیری فضایی و حرکت—را ادغام می‌کنند و امکان تعامل غنی‌تری با جهان فیزیکی را فراهم می‌آورند.
چالش‌های کلیدی در توسعه LWMs چیستند؟
یکی از چالش‌های اصلی LWMs، پیچیدگی مرتبط با نمایندگی دقیق و پردازش داده‌های فضایی است. این شامل ثبت دینامیک‌های دنیای واقعی، مدیریت انسداد (جایی که یک جسم دیگری را مسدود می‌کند) و مدیریت شرایط محیطی متنوع است. علاوه بر این، ادغام زمینه‌های مختلف مانند رباتیک، گرافیک کامپیوتری و علوم اعصاب، طراحی و فرایند توسعه را پیچیده‌تر می‌کند.
چه مناقشاتی حول ادغام AI با آگاهی فضایی وجود دارد؟
نگرانی‌های حریم خصوصی به ویژه در زمینه فناوری‌هایی که به جمع‌آوری داده‌های دنیای واقعی وابسته‌اند، شایع است. علاوه بر این، نگرانی‌هایی در مورد پیامدهای اخلاقی سیستم‌های AI که ممکن است داده‌های فضایی را به اشتباه تفسیر کنند و منجر به آسیب یا تبعیض ناخواسته شوند، وجود دارد. پیشرفت سریع فناوری‌های AI فضایی همچنین ممکن است موجب از دست دادن شغل در صنایع وابسته به تحلیل‌های فضایی سنتی شود.
مزایای روش World Labs:
1. **تعامل بهبود یافته با کاربر**: LWMs می‌توانند تجربیات بیشتر شهودی و غوطه‌ورانه‌ای را در محیط‌های مجازی ایجاد کنند و فاصله بین انسان‌ها و فضاهای دیجیتال را پر کنند.
2. **کاربردهای دنیای واقعی**: استفاده از هوش فضایی در بخش‌های مختلفی مانند رانندگی خودران، برنامه‌ریزی شهری و واقعیت افزوده پتانسیل دارد و تسهیل وظایف چندگانه و بهبود تصمیم‌گیری را ممکن می‌سازد.
3. **پیشرفت در رباتیک**: بهبود آگاهی فضایی می‌تواند پیشرفت‌هایی را در ناوبری رباتیک و تعامل با اشیاء هدایت کند و ممکن است منجر به کشفیات تازه‌ای در اتوماسیون شود.
معایب روش World Labs:
1. **مصرف منابع**: توسعه LWMs به قدرت محاسباتی قابل توجه و مجموعه داده‌های گسترده‌ای نیاز دارد که می‌تواند به هزینه‌های بالای توسعه و پیاده‌سازی منتهی شود.
2. **چالش‌های حریم خصوصی داده‌ها**: سیستم‌های AI که در زمینه‌های فضایی عمل می‌کنند معمولاً به جمع‌آوری گسترده‌ای از داده‌ها از محیط‌ها وابسته‌اند، که نگرانی‌هایی در مورد حریم خصوصی کاربران و امنیت داده‌ها را ایجاد می‌کند.
3. **ریسک وابستگی بیش از حد**: با ادغام بیشتر سیستم‌های AI در وظایف روزمره فضایی، این ریسک وجود دارد که مردم ممکن است به شدت به فناوری وابسته شوند و مهارت‌های آگاهی فضایی خود را کاهش دهند.
با ادامه نوآوری World Labs، تلاش‌های آن می‌تواند راه را برای پیشرفت‌های بی‌سابقه در هوش مصنوعی و آگاهی فضایی هموار کند. این مسیر، هرچند نیازمند ناوبری دقیق ملاحظات اخلاقی، چالش‌های فنی و پیامدهای اجتماعی خواهد بود.
برای اطلاعات بیشتر، به [World Labs](https://www.worldlabs.com) مراجعه کنید.
The source of the article is from the blog mgz.com.tw