โมเดลโลกและตัวจำลองการเรียนรู้

แบบจำลองโลกคือโครงข่ายประสาทเทียมที่เรียนรู้ที่จะคาดการณ์ว่าสภาพแวดล้อมเปลี่ยนแปลงไปอย่างไรเมื่อเวลาผ่านไป โดยปล่อยให้ AI 'จินตนาการ' ผลลัพธ์ในอนาคตก่อนดำเนินการ เครื่องจำลองที่เรียนรู้จะนำสิ่งนี้ไปไกลกว่านั้น โดยสร้างสภาพแวดล้อมแบบโต้ตอบและเล่นได้จากข้อมูล แทนที่จะเขียนโค้ดด้วยมือโดยวิศวกร

แทนที่จะจดจำว่าต้องทำอะไร แบบจำลองโลกจะจับพลวัตของสภาพแวดล้อม โดยพิจารณาจากสถานะปัจจุบันและการดำเนินการที่เสนอ แบบจำลองจะคาดการณ์การสังเกตครั้งต่อไป บทความ 'World Models' สุดคลาสสิกประจำปี 2018 โดย Ha และ Schmidhuber บีบอัดเฟรมเกมด้วยตัวเข้ารหัสอัตโนมัติ สร้างแบบจำลองไดนามิกด้วยเครือข่ายที่เกิดซ้ำ และฝึกฝนคอนโทรลเลอร์เกือบทั้งหมดภายใน 'ความฝัน' ที่เรียนรู้นี้ กลุ่มผลิตภัณฑ์ Dreamer ของ DeepMind เรียนรู้พลวัตที่แฝงอยู่และแผนการโดยการเปิดตัววิถีที่จินตนาการไว้ และ DreamerV3 ก็เชี่ยวชาญงานที่หลากหลาย แม้กระทั่งการรวบรวมเพชรใน Minecraft ตั้งแต่เริ่มต้น เมื่อเร็วๆ นี้ Genie จาก Google ได้สร้างโลก 2 มิติที่ควบคุมได้จากรูปภาพและวิดีโอที่ไม่มีป้ายกำกับ และ GameNGen ได้สร้างเกม DOOM ขึ้นมาใหม่แบบเรียลไทม์โดยใช้เพียงโมเดลการแพร่กระจายเท่านั้น สิ่งดึงดูดใจ: เจ้าหน้าที่สามารถเรียนรู้หรือทดสอบด้วยจินตนาการที่รวดเร็วและราคาถูก แทนที่จะเป็นความเป็นจริงที่เสี่ยงและเชื่องช้า