📌 Фэй-Фэй Ли предлагает разделить модели мира на 3 функции — 6 июня 2026 г. в 00:14:45.362
📌 Фэй-Фэй Ли предлагает разделить модели мира на 3 функции Крёстная мать ИИ и сооснователь World Labs вместе с командой опубликовала (https://drfeifei.substack.com/p/a-functional-taxonomy-of-world-models) эссе, продолжающее её более ранний текст (https://drfeifei.substack.com/p/from-words-to-worlds-spatial-intelligence) о пространственном интеллекте. На этот раз авторы пытаются навести порядок в одном из самых перегруженных терминов индустрии - "модели мира". LLM прекрасно овладели понятиями, лексикой и рассуждением, но они изучают статистическую структуру текста. Модель мира должна изучать совокупность пространства и времени - как свет падает на поверхность, как предметы реагируют на силу, как всё это подчиняется законам физики. Проблема в том, что термином "модель мира" пользуются CV, робототехника, RL и генеративный ИИ, каждый вкладывая в него своё. Чтобы развести значения, Ли предлагает опираться на классическую схему из учебников по RL: цикл "агент-действие-состояние-наблюдение". Формально - частично наблюдаемый марковский процесс принятия решений. Разные системы, которые сегодня называют моделями мира, авторы предлагают рассматривать как разные проекции этого одного цикла. 🟡 Разделение на функции Рендерер выдаёт наблюдения в виде пикселей, и главное для него - визуальная достоверность (3D структуры он по-настоящему не понимает). Симулятор выдаёт состояние (геометрически и физически корректное описание мира, на котором могут работать и люди, и алгоритмы). Планировщик по наблюдению и цели выдаёт действие, замыкая петлю "восприятие -действие". 🟡Доводы Из 3-х категорий именно симулятор привлекает меньше всего внимания публики, но он самый значимый. Рендереры коммерчески наиболее развиты (Google Nano Banana и другие генераторы), но оптимизированы под правдоподобную картинку, а не под физику - красивый кадр нельзя использовать, чтобы спроектировать здание или обучить робота. Планировщики, наоборот, самые перспективные и самые сырые. Робототехнические демо последних лет почти всегда ограничены лабораторными условиями и далеки от реалий в реальном мире. Симулятор описан как мост между ними и структурный каркас, из которого выводятся и внешний вид (для рендерера), и последствия действий (для планировщика). Логическим итогом Ли называет одну базовую модель, которая в зависимости от запроса переключается между режимами: рендерит, симулирует или планирует. В качестве первого шага в эту сторону Ли считает платформу Marble (разработка World Labs), которая генерирует 3D-сцены и выдает в рамках одной модели и гауссовы сплаты для визуального осмотра, и коллизионные сетки, с которыми может работать физический движок. #AI #ML #WorldModels #WorldLabs