बड़े भाषा मॉडल में स्थानिक अंधता की समस्या होती है। जबकि ओपनएआईचैटजीपीटी और anthropicक्लाउड के पाठ में उत्कृष्टता, वे यह समझने में संघर्ष करते हैं कि वस्तुएं भौतिक स्थान के माध्यम से कैसे चलती हैं – कृत्रिम सामान्य बुद्धि के मार्ग पर एक महत्वपूर्ण अंतर। अब जनरल इंट्यूशन नामक एक स्टार्टअप एक साहसिक दांव लगा रहा है: वीडियो गेम डेटा गायब घटक हो सकता है जो आज के टेक्स्ट-केंद्रित एआई को ऐसे सिस्टम में बदल देता है जो वास्तव में भौतिक दुनिया को समझता है।
आज की एआई की सीमाओं को नजरअंदाज करना असंभव होता जा रहा है। ओपनएआई और anthropic प्रभावशाली भाषा मॉडल बनाए हैं, लेकिन उनसे भौतिकी के बारे में तर्क करने या भविष्यवाणी करने के लिए कहें कि वस्तुएं त्रि-आयामी अंतरिक्ष में कैसे बातचीत करती हैं, और दरारें तुरंत दिखाई देती हैं। जनरल इंट्यूशन का मानना है कि उसे एक अप्रत्याशित जगह पर एक अपरंपरागत समाधान मिल गया है – गेमिंग प्लेटफ़ॉर्म पर हर दिन लाखों घंटे का गेमप्ले डेटा उत्पन्न होता है।
कंपनी की थीसिस सीधी लेकिन मौलिक है। इंटरनेट से निकाला गया टेक्स्ट-आधारित प्रशिक्षण डेटा, एआई को भाषा में हेरफेर करना सिखाता है। लेकिन यह मॉडलों को यह नहीं सिखाता कि गेंद कैसे उछलती है, पानी कैसे बहता है, या किसी वस्तु को पकड़ने के लिए रोबोट के हाथ को कैसे चलना चाहिए। दूसरी ओर, वीडियो गेम अनिवार्य रूप से बड़े पैमाने पर भौतिकी सिमुलेशन हैं जहां प्रत्येक इंटरैक्शन स्थान, समय और कार्य-कारण के नियमों का पालन करता है।
“जब कृत्रिम सामान्य बुद्धि प्राप्त करने की बात आती है, तो बड़े भाषा मॉडल में वह नहीं होता जो इसके लिए आवश्यक है,” के अनुसार टेकक्रंच का कवरेज सामान्य अंतर्ज्ञान के दृष्टिकोण की. “चैटजीपीटी और क्लाउड जैसे मॉडल पाठ में बहुत अच्छे हैं, लेकिन वे यह समझने में कम कुशल हैं कि चीजें वास्तव में अंतरिक्ष और समय के माध्यम से कैसे चलती हैं – सामान्यीकरण करने वाली बुद्धिमत्ता पैदा करने के लिए एक आवश्यक कौशल।”
यह अंतर सिर्फ अकादमिक नहीं है. यह रोबोटिक्स, स्वायत्त प्रणालियों और जिसे उद्योग अब “भौतिक एआई” कहता है, के लिए एक बड़ी बाधा बन गया है। एक भाषा मॉडल यह बता सकता है कि एक कप कैसे उठाया जाए, लेकिन यह मोटर कमांड उत्पन्न नहीं कर सकता है जो वास्तव में कार्य को पूरा करेगा। इसमें उस चीज़ का अभाव है जिसे शोधकर्ता “विश्व मॉडल” कहते हैं – भौतिक वास्तविकता कैसे काम करती है इसका आंतरिक प्रतिनिधित्व।
जनरल इंट्यूशन का दृष्टिकोण इस तथ्य का लाभ उठाता है कि आधुनिक वीडियो गेम में अविश्वसनीय रूप से परिष्कृत भौतिकी इंजन होते हैं। एक्शन गेम्स में कपड़ा सिमुलेशन से लेकर रेसिंग सिमुलेटर में वाहन की गतिशीलता तक, ये वातावरण वास्तविक दुनिया के भौतिक सिद्धांतों को कूटबद्ध करते हैं। इससे भी महत्वपूर्ण बात यह है कि वे बड़े पैमाने पर अवलोकन डेटा उत्पन्न करते हैं – खिलाड़ी की गतिविधियां, पर्यावरणीय प्रतिक्रियाएं, ऑब्जेक्ट इंटरैक्शन – सभी को सटीक स्थानिक और अस्थायी जानकारी के साथ टैग किया जाता है।
स्टार्टअप एआई प्रशिक्षण डेटा पर पुनर्विचार करने वाले बढ़ते आंदोलन में शामिल हो गया है। जबकि ओपनएआई नए पाठ स्रोतों को खोजने के लिए संघर्ष करता है और कॉपीराइट लड़ाइयों को नेविगेट करता है, जनरल इंट्यूशन शर्त लगा रहा है कि प्रशिक्षण डेटा की प्रकृति मात्रा से अधिक मायने रखती है। गेमिंग डेटा कुछ ऐसा प्रदान करता है जो इंटरनेट नहीं कर सकता: सुसंगत भौतिक नियम, नियंत्रित वातावरण और स्पष्ट कारण-और-प्रभाव संबंध।
भौतिक एआई की ओर यह धुरी व्यापक उद्योग रुझानों को दर्शाती है। रोबोटिक्स कंपनियों को पूरी तरह से भाषा मॉडल पर प्रशिक्षित सिस्टम तैनात करने के लिए संघर्ष करना पड़ा है। सेल्फ-ड्राइविंग कारों को पाठ्य समझ से कहीं अधिक की आवश्यकता होती है। यहां तक की ओपनएआईरोबोटिक्स में हाल के कदम यह स्वीकार करते हैं कि अकेले भाषा मॉडल हमें एजीआई तक नहीं पहुंचाएंगे।
तकनीकी चुनौती पर्याप्त है. गेमिंग डेटा से उपयोगी प्रशिक्षण संकेतों को निकालने के लिए नए आर्किटेक्चर की आवश्यकता होती है जो पाठ में केवल सांख्यिकीय सहसंबंध ही नहीं, बल्कि स्थानिक-लौकिक पैटर्न भी सीख सकते हैं। जनरल इंट्यूशन अनिवार्य रूप से विश्व मॉडल – एआई सिस्टम का निर्माण कर रहा है जो भौतिकी का अनुकरण कर सकता है, परिणामों की भविष्यवाणी कर सकता है और त्रि-आयामी अंतरिक्ष के बारे में तर्क कर सकता है।
उद्योग पर्यवेक्षक इसे बड़े पुनर्गणना के हिस्से के रूप में देखते हैं। आधुनिक एलएलएम को शक्ति प्रदान करने वाले ट्रांसफॉर्मर आर्किटेक्चर ने भाषा की समझ में क्रांति ला दी, लेकिन इसे भौतिक तर्क के लिए डिज़ाइन नहीं किया गया था। नए दृष्टिकोण उभर रहे हैं – तंत्रिका चमक क्षेत्र, स्थानिक ट्रांसफार्मर, भौतिकी-सूचित तंत्रिका नेटवर्क – सभी इस अंतर को पाटने की कोशिश कर रहे हैं।
गेमिंग उद्योग स्वयं एक अप्रत्याशित AI अवसंरचना प्रदाता बन सकता है। यदि वीडियो गेम डेटा भौतिक एआई के प्रशिक्षण के लिए मूल्यवान साबित होता है, तो गेम डेवलपर्स खुद को संरचित भौतिक डेटा की सोने की खानों पर बैठे हुए पा सकते हैं। एआई प्रयोगशालाओं और गेमिंग कंपनियों के बीच साझेदारी दोनों उद्योगों को नया आकार दे सकती है।
रोबोटिक्स अनुप्रयोगों के लिए, निहितार्थ तत्काल हैं। गेमिंग डेटा पर प्रशिक्षित एक रोबोट वस्तु स्थायित्व, टकराव की गतिशीलता और स्थानिक संबंधों को बेहतर ढंग से समझ सकता है – मूलभूत क्षमताएं जिनमें वर्तमान प्रणालियों की कमी है। स्वायत्त वाहनों के लिए, रेसिंग गेम और ड्राइविंग सिमुलेटर पर प्रशिक्षित विश्व मॉडल वास्तविक दुनिया डेटा संग्रह के पूरक हो सकते हैं।
लेकिन सवाल बने हुए हैं. क्या खेल भौतिकी से सीखी गई अंतर्दृष्टि वास्तविक दुनिया के रोबोटिक्स में स्थानांतरित हो सकती है? क्या गेमिंग वातावरण पूर्वाग्रह या सीमाएँ पेश करता है? इंटरनेट टेक्स्ट के पैमाने से मेल खाने के लिए कितने गेमिंग डेटा की आवश्यकता है? जनरल इंट्यूशन शर्त लगा रहा है कि वह हां में जवाब दे सकता है, चुनौतियों का सामना कर सकता है और यह साबित कर सकता है कि एजीआई का रास्ता केवल वेब स्क्रेपर्स से नहीं, बल्कि गेमिंग सर्वर से होकर गुजरता है।
जनरल इंट्यूशन की गेमिंग डेटा थीसिस एक नए प्रशिक्षण दृष्टिकोण से कहीं अधिक का प्रतिनिधित्व करती है – यह इस धारणा के लिए एक मौलिक चुनौती है कि अधिक टेक्स्ट बेहतर एआई के बराबर है। यदि स्टार्टअप सफल होता है, तो यह स्थानिक बुद्धिमत्ता को अनलॉक कर सकता है जो आज के चैटबॉट्स को कल के शारीरिक रूप से सक्षम एआई सिस्टम से अलग करता है। असली परीक्षा तब होगी जब ये मॉडल गेमिंग की आभासी दुनिया को छोड़ देंगे और वास्तविकता की गड़बड़, अप्रत्याशित भौतिकी का सामना करेंगे। अभी के लिए, एजीआई की दौड़ ने एक आश्चर्यजनक नया मोर्चा खोल दिया है, और गेमिंग उद्योग के पास ऐसी चाबियाँ हो सकती हैं जो सिलिकॉन वैली के वेब स्क्रैपर्स को नहीं मिल सकती हैं।
