جامعة محمد بن زايد تطلق «بان 2» مفتوح المصدر لمحاكاة العالم

مستويان من الاستدلال

يجمع «بان 2» بين الاستدلال المفاهيمي والإدراكي. في الأول، يحدد نموذج لغوي كبير تسلسل الأحداث والأفعال وحركة الكاميرا والتوقيت المتوقع لكل منها. وفي الثاني، يحوّل نموذج انتشار مخصص لتوليد الفيديو هذه الأوصاف إلى مشاهد تتضمن تفاصيل الحركة والتفاعلات الفيزيائية.

وقال المعهد إنه درّب نموذج الفيديو من الصفر على مقاطع واقعية اختيرت بحسب ما تحويه من ديناميكيات فيزيائية، لا بحسب جاذبيتها البصرية. كما يعتمد النموذج على معمارية «التنبؤ التوليدي في الفضاء الكامن» (GLP) التي تتوقع التغيرات في تمثيل داخلي للعالم قبل إعادة بناء النتائج المرئية.

النتائج والتحديات

وبحسب النتائج التي عرضها المعهد، حلّ «بان 2» ثالثًا في الترتيب العام للوحة «Physics-IQ Verified»، وأولًا بين النماذج مفتوحة الأوزان. وحقق كذلك نتائج متقدمة في اختبارات تغطي ستة أبعاد للذكاء الفيزيائي، منها الاتساق السببي واستمرارية الكيانات وديناميكيات الأجسام، وتفوق في اختبار إكمال الخطط متعددة الخطوات على النماذج الأخرى في المقارنة.

وأشار المعهد إلى قدرة النموذج على محاكاة سيناريوهات لم ترد في بيانات تدريبه، مثل سقوط بيضة على أسطح مختلفة، وإلى إمكان استخدام البيئات الافتراضية الناتجة في تدريب أنظمة الذكاء الاصطناعي الفاعل على الاستكشاف والتخطيط. لكنه أقرّ بأن الحفاظ على اتساق العالم المحاكى خلال تفاعلات طويلة ومتعددة الخطوات ما يزال تحديًا بحثيًا قائمًا.

ويتوفر «بان 2» بترخيص Apache 2.0 مع أوزان نموذج الفيديو وشيفرة التدريب والاستدلال وتدوينة تقنية. وقال هيكتور ليو، مدير مختبر أبحاث وادي السيليكون التابع للمعهد، إن إتاحة هذه المكونات تهدف إلى تمكين الباحثين من اختبار قدرات النموذج وحدوده وتطويره. والنموذج متاح عبر موقع المعهد، ويمكن تكييفه لتطبيقات بحثية في الروبوتات والتعليم وغيرها.