A Mila és a Worldmodeldata a világmodellek skálázási törvényét vizsgálja
Stratégiai partnerséget kötött a Worldmodeldata és a Mila, hogy megvizsgálják, létezik-e skálázási törvény a világmodellek esetében. A 12 hónapos kutatás azt is elemzi, átvihető-e a virtuális környezetben szerzett tapasztalat a valós világba.
- A Worldmodeldata és a Mila 12 hónapos kutatási programot indít.
- A vizsgálat tárgya, hogy létezik-e skálázási törvény a világmodellek esetében.
- A kutatás videojátékokból származó, cselekvéshez kötött adatokat használ.
- A kutatók a virtuális tapasztalat valós teljesítménybe történő átvitelét is mérik.
A nyelvi modellek után a világmodellek kerülnek sorra
A Mila szeptember 11-i közleménye szerint a Cambridge-ben működő Worldmodeldata és a montreali mesterségesintelligencia-kutatóintézet közös programot indít. A cél annak megállapítása, hogy a világmodellek, vagyis a fizikai világ működését értelmező mesterségesintelligencia-rendszerek teljesítménye kiszámíthatóan javul-e a képzési adatok, a számítási kapacitás és a modellméret növelésével.
Az OpenAI 2020 januárjában közzétett, Scaling Laws for Neural Language Models című tanulmánya kimutatta, hogy a nagy nyelvi modellek teljesítménye megbízható mintázat szerint javul, amikor növelik ezeket az erőforrásokat. A Mila és a Worldmodeldata szerint a világmodellek esetében jelenleg nincs ehhez hasonló, általánosan elfogadott adatskálázási törvény.
Videojátékokból származó adatokkal kutatnak
A kutatás 2026 szeptemberében kezdődik, és 12 hónapon át tart. A Worldmodeldata jelentős adatforrásokat biztosít a Mila kutatócsoportjainak, amelyek a mesterségesintelligencia-rendszerek skálázásával és a különböző területek közötti tudásátvitellel kapcsolatos nyitott kérdéseket vizsgálják.
A Worldmodeldata a videojátékokban létrehozott adatokra épít. A vállalat korábbi, 2025-ös kutatása szerint a videojátékok nagy mennyiségű, költséghatékony, cselekvéshez kötött tanítási adatot kínálhatnak. A cég a játékok motorjából, emberek bevonásával gyűjt strukturált adatokat világmodellek, megtestesített ügynökök és fizikai mesterségesintelligencia-rendszerek képzéséhez.
A kutatók azt mérik majd, hogy a megtestesített ügynökök milyen hatékonysággal sajátítanak el képességeket virtuális környezetekben. Emellett pontos mérőszámokat szeretnének kialakítani annak megállapítására, hogy a szintetikus tapasztalat mennyire ültethető át a valós világban nyújtott teljesítményre.
A kutatás az iparági beruházások szempontjából is fontos lehet
Rhea Loucas, a Worldmodeldata alapítója és vezérigazgatója szerint a skálázási törvények jelentősége túlmutat az akadémiai kutatáson. Mint mondta, ezek kiszámítható iránytűt adhatnak az iparágnak, mert megmutathatják, hogy a nagyobb és jobb minőségű adathalmazok, a nagyobb modellek és a több számítási kapacitás rendszeresen javítják-e a teljesítményt.
Loucas szerint ha a megtestesített mesterségesintelligencia-rendszerek korlátlan virtuális környezetekből tanulhatnak, és ezt a tudást a valós teljesítményükben is hasznosítani tudják, az a világmodellek iparágának „GPT-pillanata” lehet.
Stéphane Létourneau, a Mila ügyvezető alelnöke úgy fogalmazott, hogy annak megértése, miként tanulnak a megtestesített rendszerek a tapasztalatból, és átvihető-e ez a tanulás a virtuális környezetből a valós teljesítménybe, az intézet küldetésének központi része. A Mila a közlemény szerint közel 2000 kutatót és szakembert tömörít, valamint több mint 150 ipari partner támogatja.
