Gửi bình luận
Thứ Tư, 15/7/2026
Thứ Tư, 15/7/2026
Google DeepMind, Meta và Nvidia tăng cường tập trung vào World models để có thể hiểu rõ hơn về môi trường của con người
World models là một khái niệm trong trí tuệ nhân tạo và khoa học nhận thức. Trong AI, world models là những mô hình giúp máy tính hoặc robot “tưởng tượng” và mô phỏng thế giới xung quanh. Thay vì chỉ phản ứng theo dữ liệu đầu vào ngay lập tức, hệ thống có world model có thể dự đoán điều gì sẽ xảy ra tiếp theo, giống như con người hình dung hậu quả trước khi hành động.
Nói đơn giản, đó là bản đồ tinh thần hay mô hình nội bộ về thế giới, được xây dựng từ dữ liệu và trải nghiệm. Nó cho phép AI lên kế hoạch, ra quyết định thông minh và thích ứng tốt hơn.
Các tập đoàn trí tuệ nhân tạo hàng đầu thế giới đang tăng cường tập trung vào cái gọi là mô hình thế giới có thể hiểu rõ hơn về môi trường của con người, trong nỗ lực tìm kiếm những cách thức mới để đạt được "siêu trí tuệ" của máy móc.
Google DeepMind, Meta và Nvidia nằm trong số các công ty đang cố gắng giành lợi thế trong cuộc đua AI bằng cách phát triển các hệ thống nhắm đến việc điều hướng thế giới vật lý bằng cách học từ video và dữ liệu robot thay vì chỉ từ ngôn ngữ.
Động thái này diễn ra khi các câu hỏi dấy lên về việc liệu các mô hình ngôn ngữ lớn - công nghệ cung cấp năng lượng cho các chatbot phổ biến như ChatGPT của OpenAI - có đang đạt đến giới hạn trong tiến trình phát triển của chúng hay không.
Những bước nhảy vọt về hiệu suất giữa các LLM được phát hành bởi các công ty trên toàn ngành, chẳng hạn như OpenAI, Google và xAI của Elon Musk, đang chậm lại, bất chấp những khoản tiền khổng lồ được đầu tư vào phát triển chúng.
Thị trường tiềm năng cho các mô hình thế giới có thể rất lớn, gần bằng quy mô nền kinh tế toàn cầu, theo Rev Lebaredian, phó chủ tịch về công nghệ Omniverse và mô phỏng tại Nvidia, vì nó đưa công nghệ vào lĩnh vực vật lý, chẳng hạn như các ngành sản xuất và chăm sóc sức khỏe.
"Cơ hội cho các mô hình nền tảng thế giới là gì? Về cơ bản là 100 nghìn tỷ USD nếu chúng ta có thể tạo ra một trí thông minh có thể hiểu thế giới vật lý và hoạt động trong thế giới vật lý," ông nói.
Các mô hình thế giới được đào tạo bằng cách sử dụng các luồng dữ liệu của môi trường thực hoặc mô phỏng. Chúng được xem là một bước quan trọng trong việc thúc đẩy tiến bộ trong xe tự lái, robot và cái gọi là tác nhân AI, nhưng yêu cầu một lượng dữ liệu và sức mạnh tính toán khổng lồ để đào tạo và được coi là một thách thức kỹ thuật chưa được giải quyết.
Sự tập trung vào phương pháp tiếp cận thay thế cho LLM đã trở nên rõ ràng khi một số nhóm AI đã công bố một loạt tiến bộ trong các mô hình thế giới trong những tháng gần đây.
Tháng trước, Google DeepMind đã giới thiệu trước Genie 3, công cụ tạo video từng khung hình một và tính đến các tương tác trước đó. Trước đây, các mô hình tạo video thường tạo toàn bộ video cùng một lúc, thay vì từng bước một.
AI vẫn còn rất nhiều giới hạn trong lĩnh vực kỹ thuật số, bằng cách xây dựng các môi trường trông giống hoặc hoạt động giống như thế giới thực, chúng ta có thể có những cách có khả năng mở rộng hơn nhiều để đào tạo AI mà không có hậu quả thực sự của việc phạm sai lầm trong thế giới thực.
Meta đang cố gắng sao chép cách trẻ em học một cách thụ động bằng cách quan sát thế giới xung quanh, đào tạo các mô hình V-JEPA của mình trên nội dung video thô.
Phòng thí nghiệm Nghiên cứu Trí tuệ Nhân tạo Facebook (Fair), do trưởng nhà khoa học AI của Meta Yann LeCun dẫn dắt và tập trung vào các dự án AI dài hạn hơn, đã phát hành phiên bản thứ hai của mô hình vào tháng 6, mà họ đang thử nghiệm trên robot.
LeCun, được coi là một trong những ông tổ của AI hiện đại, là một trong những người ủng hộ mạnh mẽ nhất cho kiến trúc mới, cảnh báo rằng LLM sẽ không bao giờ đạt được khả năng suy luận và lập kế hoạch như con người.
Một ứng dụng ngắn hạn của các mô hình thế giới là trong ngành giải trí, nơi chúng có thể tạo ra các cảnh tương tác và chân thực. World Labs, một startup do người tiên phong AI Fei-Fei Li thành lập, đang phát triển một mô hình tạo ra môi trường 3D giống trò chơi video từ một hình ảnh duy nhất.
Runway, một startup tạo video có thỏa thuận với các hãng phim Hollywood, bao gồm Lionsgate, đã ra mắt một sản phẩm vào tháng trước sử dụng các mô hình thế giới để tạo cài đặt trò chơi, với các câu chuyện và nhân vật được cá nhân hóa được tạo ra theo thời gian thực.
Để xây dựng các mô hình này, các công ty cần thu thập một lượng lớn dữ liệu vật lý về thế giới. Niantic có trụ sở tại San Francisco đã lập bản đồ 10 triệu địa điểm, thu thập thông tin thông qua các trò chơi bao gồm Pokémon Go, có 30 triệu người chơi hàng tháng tương tác với bản đồ toàn cầu.
Niantic đã vận hành Pokémon Go trong chín năm và ngay cả sau khi trò chơi được bán cho Scopely có trụ sở tại Mỹ vào tháng 6, người chơi vẫn đóng góp dữ liệu ẩn danh thông qua quét các địa danh công cộng để giúp xây dựng mô hình thế giới.
"Chúng tôi có một khởi đầu thuận lợi cho vấn đề," John Hanke, giám đốc điều hành của Niantic Spatial, tên mới của công ty sau thỏa thuận Scopely, cho biết.
Cả Niantic và Nvidia đều đang làm việc để lấp đầy khoảng trống bằng cách khiến các mô hình thế giới của họ tạo ra hoặc dự đoán môi trường. Nền tảng Omniverse của Nvidia tạo và chạy các mô phỏng như vậy, hỗ trợ cho việc thúc đẩy của gã khổng lồ công nghệ trị giá 4,3 nghìn tỷ USD hướng tới robot và xây dựng dựa trên lịch sử lâu dài mô phỏng môi trường thế giới thực trong trò chơi video.
Giám đốc điều hành Nvidia Jensen Huang đã khẳng định rằng giai đoạn tăng trưởng lớn tiếp theo cho công ty sẽ đến với "AI vật lý", với các mô hình mới cách mạng hóa lĩnh vực robot.
Một số người như LeCun của Meta đã nói rằng tầm nhìn về thế hệ mới của các hệ thống AI cung cấp năng lượng cho máy móc với trí thông minh cấp độ con người có thể mất 10 năm để đạt được.
Nhưng phạm vi tiềm năng của công nghệ tiên tiến là rộng lớn, theo các chuyên gia AI. Các mô hình thế giới "mở ra cơ hội để phục vụ tất cả các ngành công nghiệp khác và khuếch đại điều tương tự mà máy tính đã làm cho công việc tri thức," Lebaredian của Nvidia cho biết.Retry
