세계 모델 및 학습된 시뮬레이터
세계 모델은 시간이 지남에 따라 환경이 어떻게 변하는지 예측하는 방법을 학습하여 AI가 행동하기 전에 미래 결과를 '상상'하도록 하는 신경망입니다.
개요
Learned simulators take this further, generating interactive, playable environments from data instead of being hand-coded by engineers.
심층 분석
세계 모델은 무엇을 해야 할지 기억하는 대신 환경의 역학을 포착합니다. 즉, 현재 상태와 제안된 조치를 바탕으로 다음 관찰을 예측합니다. Ha와 Schmidhuber가 작성한 고전적인 2018년 'World Models' 논문은 자동 인코더를 사용하여 게임 프레임을 압축하고, 순환 네트워크를 사용하여 역학을 모델링하고, 학습된 '꿈' 내에서 거의 전적으로 컨트롤러를 훈련시켰습니다. DeepMind의 Dreamer 라인은 상상된 궤적을 펼쳐서 잠재 역학과 계획을 학습하고 DreamerV3는 다양한 작업을 마스터했습니다. 심지어 Minecraft에서 처음부터 다이아몬드를 수집하는 것도 가능했습니다. 최근에는 Google의 Genie가 이미지와 라벨이 지정되지 않은 비디오에서 제어 가능한 2D 세계를 생성했으며 GameNGen은 확산 모델만 사용하여 실시간으로 게임 DOOM을 재현했습니다. 매력: 에이전트는 위험하고 느린 현실 대신 저렴하고 빠른 상상 속에서 학습하거나 테스트를 받을 수 있습니다.
기술적 통찰력
세계 모델은 일반적으로 고차원 관찰을 압축된 잠재 상태로 인코딩한 다음 다음 잠재 상태를 예측하는 전이 함수와 작업의 보상을 학습합니다. 계획에서는 '롤아웃'을 사용합니다. 즉, 많은 작업 순서를 상상하고 가장 좋은 것을 선택하거나 상상한 데이터에 대한 정책을 교육합니다. 최신 버전은 변환기 또는 비디오 확산을 사용하여 사용자 작업에 따라 프레임을 직접 예측하고 대화형 프레임별 생성을 달성합니다.
전략적 영향
더 명확한 결정들
이는 명확한 기술적 주장과 마케팅 언어를 구분하는 데 도움이 됩니다.
비용 및 예산
돈이나 시간을 들이기 전에 더 나은 구현 질문을 할 수 있습니다.
팀과 워크플로우
이해를 공유한 팀은 더 나은 제품, 정책 및 학습 결정을 내립니다.
세계 모델과 학습된 시뮬레이터의 미래
월드 모델은 로봇 공학 및 게임 생성의 중심이 되고 있습니다. 실제 상호 작용에 비용이 많이 들고 즉석에서 생성되는 플레이 가능한 환경에서 데이터 효율적인 학습을 약속합니다. 더 높은 충실도, 더 긴 지평선, 동작 조절 비디오 모델, 계획 에이전트와의 긴밀한 통합을 기대하고 자율 주행 및 조작 정책 훈련을 위한 '신경 시뮬레이터'로 사용할 수 있습니다. 공개 과제에는 장기적인 일관성, 환각 현상 방지, 메모리 확장 등이 포함됩니다.
실제 구현
Ha와 Schmidhuber는 환경에 대한 학습된 꿈 속에서 거의 전적으로 자동차 경주 에이전트를 훈련합니다.
상상 속의 계획을 통해 처음부터 Minecraft에서 다이아몬드를 수집하는 DeepMind의 DreamerV3
Google의 Genie는 단일 프롬프트 이미지에서 플레이 가능한 2D 플랫폼 게임 세계를 생성합니다.
GameNGen은 확산 모델로 생성된 프레임을 사용하여 실시간으로 플레이 가능한 DOOM 버전을 실행합니다.
위험 및 가드레일
팀마다 동일한 용어를 다르게 사용할 수 있으므로 범위를 조기에 정의하세요.
벤치마크는 강력해 보이지만 실제 성능은 고르지 않을 수 있습니다.
데이터 품질 및 평가 계획을 무시하면 취약한 결과가 발생하는 경우가 많습니다.
구현 로드맵
필요한 결과에 대한 일반 언어 정의부터 시작하세요.
테스트하기 전에 하나의 성공 지표와 하나의 실패 조건을 선택하세요.
세련된 데모 세트가 아닌 대표 데이터를 사용하여 소규모 파일럿을 실행하세요.
World Models 및 Learned Simulators가 도움이 되는 부분과 더 간단한 방법이 더 나은 부분을 문서화하세요.
계속 탐색하세요
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
다음 가이드
NVIDIA Cosmos World 재단 모델
자주 묻는 질문
What is World Models and Learned Simulators?
세계 모델은 시간이 지남에 따라 환경이 어떻게 변하는지 예측하는 방법을 학습하여 AI가 행동하기 전에 미래 결과를 '상상'하도록 하는 신경망입니다. 학습된 시뮬레이터는 이를 더욱 발전시켜 엔지니어가 직접 코딩하는 대신 데이터에서 대화형 플레이 가능한 환경을 생성합니다.
월드모델의 핵심업무는 무엇인가요?
세계 모델은 환경 역학을 학습합니다. 즉, 현재 상태와 작업을 통해 다음 관찰(및 종종 보상)을 예측하여 상상의 롤아웃을 가능하게 합니다.
Ha와 Schmidhuber의 2018년 'World Models' 논문에서 컨트롤러는 주로 어디에서 훈련을 받았나요?
에이전트는 학습된 잠재 역학('꿈') 내에서 거의 전적으로 행동하는 방법을 학습한 다음 실제 환경으로 전환했습니다.
DeepMind의 DreamerV3는 어떤 주목할만한 성과를 거두었습니까?
DreamerV3는 잠재 역학을 학습하고 상상의 롤아웃을 사용하여 인간 데이터나 커리큘럼 없이 Minecraft에서 다이아몬드를 얻는 것을 포함한 많은 작업을 마스터했습니다.
Google의 지니는 무엇을 하나요?
Genie는 레이블이 지정되지 않은 비디오를 통해 학습하여 동작 제어가 가능한 2D 세계를 생성하는 생성적 대화형 환경입니다.
많은 세계 모델은 어떻게 이미지와 같은 고차원 입력에 대한 예측 문제를 다루기 쉽게 유지합니까?
관찰은 저차원 잠재 상태로 인코딩되며 전환 기능은 다음 잠재 상태를 예측하여 롤아웃을 효율적으로 만듭니다.