Трое инженеров по искусственному интеллекту из стартапа Axiom — Адитья Рамабадран, Саймон Манс и Тобиас Гесслер — решили перекусить в ресторане In-N-Out Burger. Самостоятельно за руль они садиться не стали. Вместо этого, находясь в Toyota Corolla 2024 года выпуска рядом с полосой выдачи заказов, они открыли ноутбук и попросили модель GPT-6 Astra от OpenAI управлять автомобилем. К чат-интерфейсу подключили сервер, связанный с несколькими камерами на лобовом стекле и системой гидроусилителя руля. На случай непредвиденной ситуации в машине находился страхующий водитель, державший ногу над педалью тормоза.
Модель, обычно создающая тексты, код и иногда изображения, не спеша и уверенно довела машину до окна выдачи, где инженеры забрали свой заказ. Один из них заметил: «Возможно, AGI всё-таки существует», имея в виду искусственный общий интеллект — широко обсуждаемую идею машин, способных сравниться с человеческим разумом. Беспилотные автомобили сами по себе не новость, однако ими обычно управляют алгоритмы, специально обученные и спроектированные для этой задачи. В данном же случае управление осуществляла модель, предназначенная для вывода текста, причём действовала она в реальном времени, без предварительной подготовки со стороны инженеров.
Этот эксперимент с фастфудом, а также ряд других опытов, описанных на сайте drivingbench.com, позволяют предположить, что языковые ИИ-модели начинают обретать пусть и базовое, но полезное понимание физического мира. Хотя во время поездки за обедом ничего тревожного не произошло, инженеры признают: доверять универсальной модели управление двухтонной махиной на скорости — занятие с высокими ставками. По мере совершенствования физического понимания ИИ-модели смогут проникать в реальный мир впечатляющими, а возможно, и опасными способами.
Сегодняшние самые умные модели невероятно хорошо отвечают на сложные вопросы и даже выполняют некоторые виртуальные задачи автономно, но их навыки, как правило, ограничены компьютерным и интернет-пространством. Стоит перенести такие модели в реальный мир — и они быстро теряются. Несмотря на заявления о том, что AGI уже наступил, компании, работающие в сфере ИИ, явно считают физическое мышление ещё не покорённой вершиной.
Некоторые исследователи покинули крупные компании, чтобы основать стартапы, нацеленные на решение задач физического мышления. Эндрю Дай, генеральный директор одной из таких организаций под названием Elorian AI, ранее работал исследователем в Google DeepMind. По его словам, улучшение визуального мышления откроет множество новых применений для ИИ — например, системы, понимающие, нравится ли посетителям ресторана их еда, или роботы, способные работать в доме. Дай называет робототехнику ключевым тестом для навыков физического мышления. «Это совершенно необходимо для робототехники, — говорит он. — Домашнюю робототехнику без этого просто не представить».
Elorian и Scale AI, компания, предоставляющая данные для обучения крупным ИИ-лабораториям, недавно разработали новый тест — Humanity’s Sixth Sense («Шестое чувство человечества»), который измеряет способность моделей понимать физические сцены.