Modèles mondiaux et simulateurs appris
Un modèle mondial est un réseau neuronal qui apprend à prédire comment un environnement évolue au fil du temps, permettant à une IA « d'imaginer » les résultats futurs avant d'agir.
Aperçu
Learned simulators take this further, generating interactive, playable environments from data instead of being hand-coded by engineers.
Plongée profonde
Plutôt que de mémoriser quoi faire, un modèle mondial capture la dynamique d’un environnement : compte tenu de l’état actuel et d’une action proposée, il prédit la prochaine observation. L'article classique de 2018 « World Models » de Ha et Schmidhuber a compressé les cadres de jeu avec un encodeur automatique, modélisé leur dynamique avec un réseau récurrent et formé un contrôleur presque entièrement dans ce « rêve » appris. La gamme Dreamer de DeepMind apprend les dynamiques et les plans latents en déployant des trajectoires imaginées, et DreamerV3 a maîtrisé diverses tâches, allant même jusqu'à collecter des diamants dans Minecraft à partir de zéro. Plus récemment, Genie de Google génère des mondes 2D contrôlables à partir d'images et de vidéos non étiquetées, et GameNGen a reproduit le jeu DOOM en temps réel en utilisant uniquement un modèle de diffusion. L’attrait : les agents peuvent apprendre ou être testés dans une imagination rapide et bon marché au lieu d’une réalité risquée et lente.
Aperçu technique
Les modèles mondiaux codent généralement les observations de grande dimension dans un état latent compact, puis apprennent une fonction de transition prédisant le prochain état latent et la récompense d'une action. La planification utilise des « déploiements » : imaginer de nombreuses séquences d'action et sélectionner la meilleure, ou former une politique sur des données imaginées. Les versions modernes utilisent des transformateurs ou la diffusion vidéo pour prédire directement les images, en fonction des actions de l'utilisateur, permettant ainsi une génération interactive image par image.
Impact stratégique
Décisions plus claires
Il vous aide à séparer les affirmations techniques claires du langage marketing.
Coût et budget
Vous pouvez poser de meilleures questions de mise en œuvre avant de dépenser de l'argent ou du temps.
Équipe et flux de travail
Les équipes partageant une compréhension commune prennent de meilleures décisions en matière de produits, de politiques et d’apprentissage.
L’avenir des modèles mondiaux et des simulateurs appris
Les modèles mondiaux deviennent essentiels à la robotique et à la génération de jeux : ils promettent un apprentissage efficace en matière de données, là où l'interaction réelle est coûteuse et des environnements jouables générés à la volée. Attendez-vous à des modèles vidéo plus fidèles, à plus long terme, conditionnés par l'action, à une intégration plus étroite avec les agents de planification et à une utilisation comme « simulateurs neuronaux » pour la formation aux politiques de conduite autonome et de manipulation. Les défis ouverts incluent la cohérence à long terme, l’évitement de la physique hallucinée et la mise à l’échelle de la mémoire.
Mise en œuvre dans le monde réel
Ha et Schmidhuber entraînent un agent de course automobile presque entièrement dans son rêve savant de l'environnement
DreamerV3 de DeepMind collecte des diamants dans Minecraft à partir de zéro en planifiant avec imagination
Génie de Google générant des mondes de plateforme 2D jouables à partir d'une seule image d'invite
GameNGen exécutant une version jouable de DOOM en temps réel, avec des images produites par un modèle de diffusion
Risques et garde-fous
Différentes équipes peuvent utiliser le même terme différemment, alors définissez la portée dès le début.
Les benchmarks peuvent paraître solides alors que les performances réelles sont inégales.
Ignorer la qualité des données et les plans d’évaluation crée souvent des résultats fragiles.
Feuille de route de mise en œuvre
Commencez par une définition en langage simple du résultat dont vous avez besoin.
Choisissez une mesure de réussite et une condition d’échec avant de tester.
Exécutez un petit pilote avec des données représentatives, pas un ensemble de démonstration raffiné.
Documentez où les modèles mondiaux et les simulateurs appris sont utiles et où les méthodes plus simples sont meilleures.
Continuez à explorer
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the World Models and Learned Simulators quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Guide suivant
Modèles de la Fondation NVIDIA Cosmos World
Questions fréquemment posées
What is World Models and Learned Simulators?
Un modèle mondial est un réseau neuronal qui apprend à prédire comment un environnement évolue au fil du temps, permettant à une IA « d'imaginer » les résultats futurs avant d'agir. Les simulateurs appris vont plus loin en générant des environnements interactifs et jouables à partir de données au lieu d'être codés manuellement par les ingénieurs.
Quelle est la tâche principale d’un modèle mondial ?
Un modèle mondial apprend la dynamique de l'environnement : à partir d'un état actuel et d'une action, il prédit la prochaine observation (et souvent la récompense), permettant ainsi des déploiements imaginés.
Dans l'article « World Models » de Ha et Schmidhuber de 2018, où le contrôleur a-t-il été en grande partie formé ?
L'agent a appris à agir presque entièrement dans le cadre de la dynamique latente apprise (« rêve »), puis transféré dans l'environnement réel.
Quel exploit notable le DreamerV3 de DeepMind a-t-il réalisé ?
DreamerV3 a appris des dynamiques latentes et a utilisé des déploiements imaginaires pour maîtriser de nombreuses tâches, notamment l'obtention de diamants dans Minecraft sans données humaines ni programmes.
Que fait le Génie de Google ?
Genie est un environnement interactif génératif qui apprend de la vidéo non étiquetée pour produire des mondes 2D contrôlables par l'action.
Comment de nombreux modèles mondiaux permettent-ils de résoudre le problème de prédiction pour des entrées de grande dimension telles que des images ?
Les observations sont codées dans un état latent de faible dimension et la fonction de transition prédit le prochain état latent, ce qui rend les déploiements efficaces.