عالمی ماڈلز اور سیکھے ہوئے سمیلیٹر
ایک عالمی ماڈل ایک عصبی نیٹ ورک ہے جو یہ اندازہ لگانا سیکھتا ہے کہ وقت کے ساتھ ماحول کیسے بدلتا ہے، ایک AI کو کام کرنے سے پہلے مستقبل کے نتائج کا 'تصور' کرنے دیتا ہے۔
جائزہ
Learned simulators take this further, generating interactive, playable environments from data instead of being hand-coded by engineers.
گہرا غوطہ
کیا کرنا ہے یاد کرنے کے بجائے، ایک عالمی ماڈل ماحول کی حرکیات کو اپنی گرفت میں لیتا ہے: موجودہ حالت اور مجوزہ عمل کو دیکھتے ہوئے، یہ اگلے مشاہدے کی پیشین گوئی کرتا ہے۔ Ha اور Schmidhuber کے کلاسک 2018 کے 'ورلڈ ماڈلز' پیپر نے ایک آٹو اینکوڈر کے ساتھ گیم فریمز کو کمپریس کیا، ان کی حرکیات کو بار بار چلنے والے نیٹ ورک کے ساتھ ماڈل بنایا، اور ایک کنٹرولر کو تقریباً مکمل طور پر اس سیکھے ہوئے 'خواب' کے اندر تربیت دی۔ ڈیپ مائنڈ کی ڈریمر لائن تخیلاتی رفتار کو آگے بڑھا کر خفیہ حرکیات اور منصوبوں کو سیکھتی ہے، اور DreamerV3 نے متنوع کاموں میں مہارت حاصل کی — یہاں تک کہ مائن کرافٹ میں شروع سے ہیرے جمع کرنا۔ ابھی حال ہی میں، Google کی Genie تصاویر اور بغیر لیبل والی ویڈیو سے قابل کنٹرول 2D دنیا تیار کرتی ہے، اور GameNGen نے صرف ایک ڈفیوژن ماڈل کا استعمال کرتے ہوئے گیم DOOM کو حقیقی وقت میں دوبارہ پیش کیا۔ اپیل: ایجنٹ خطرناک، سست حقیقت کی بجائے سستے، تیز تخیل میں سیکھ سکتے ہیں یا آزما سکتے ہیں۔
تکنیکی بصیرت
عالمی ماڈلز عام طور پر اعلیٰ جہتی مشاہدات کو ایک کمپیکٹ لیٹنٹ حالت میں انکوڈ کرتے ہیں، پھر ایک ٹرانزیشن فنکشن سیکھتے ہیں جس میں اگلی اویکت حالت کی پیشن گوئی کی جاتی ہے اور کسی عمل سے اجر ملتا ہے۔ منصوبہ بندی میں 'رول آؤٹ' کا استعمال کیا جاتا ہے: بہت سے ایکشن سیکوینس کو آگے کا تصور کرنا اور بہترین کو چننا، یا تصوراتی ڈیٹا پر پالیسی کی تربیت کرنا۔ جدید ورژن فریموں کی براہ راست پیش گوئی کرنے کے لیے ٹرانسفارمرز یا ویڈیو ڈفیوژن کا استعمال کرتے ہیں، صارف کے اعمال پر مشروط، انٹرایکٹو فریم بہ فریم جنریشن حاصل کرتے ہیں۔
اسٹریٹجک اثر
واضح فیصلے
یہ آپ کو مارکیٹنگ کی زبان سے واضح تکنیکی دعووں کو الگ کرنے میں مدد کرتا ہے۔
لاگت اور بجٹ
آپ پیسہ یا وقت خرچ کرنے سے پہلے بہتر نفاذ کے سوالات پوچھ سکتے ہیں۔
Team and workflow
مشترکہ تفہیم کے ساتھ ٹیمیں بہتر پروڈکٹ، پالیسی اور سیکھنے کے فیصلے کرتی ہیں۔
عالمی ماڈلز اور سیکھے ہوئے سمیلیٹروں کا مستقبل
عالمی ماڈل روبوٹکس اور گیم جنریشن میں مرکزی حیثیت اختیار کر رہے ہیں: وہ ڈیٹا سے موثر سیکھنے کا وعدہ کرتے ہیں جہاں حقیقی تعامل مہنگا ہوتا ہے، اور پرواز کے دوران پیدا ہونے والے، کھیلنے کے قابل ماحول۔ اعلی مخلص، طویل افق، ایکشن کنڈیشنڈ ویڈیو ماڈلز، پلاننگ ایجنٹس کے ساتھ سخت انضمام، اور خود ڈرائیونگ اور ہیرا پھیری کی پالیسیوں کی تربیت کے لیے 'نیورل سمیلیٹر' کے طور پر استعمال کی توقع کریں۔ کھلے چیلنجوں میں طویل مدتی مستقل مزاجی، فریب طبعی سے گریز، اور یادداشت کی پیمائش شامل ہے۔
حقیقی دنیا کا نفاذ
Ha اور Schmidhuber ایک کار ریسنگ ایجنٹ کو تقریبا مکمل طور پر ماحول کے بارے میں اپنے سیکھے ہوئے خواب کے اندر تربیت دے رہے ہیں۔
DeepMind's DreamerV3 تخیل میں منصوبہ بندی کر کے شروع سے مائن کرافٹ میں ہیرے جمع کر رہا ہے
Google کا جنی ایک ہی پرامپٹ امیج سے کھیلنے کے قابل 2D پلیٹفارمر دنیا بنا رہا ہے
گیم این جین ریئل ٹائم میں DOOM کا پلے ایبل ورژن چلا رہا ہے، جس میں ایک ڈفیوژن ماڈل کے ذریعے تیار کردہ فریم ہیں۔
خطرات اور گارڈریلز
مختلف ٹیمیں ایک ہی اصطلاح کو مختلف طریقے سے استعمال کر سکتی ہیں، اس لیے دائرہ کار کی جلد وضاحت کریں۔
بینچ مارکس مضبوط نظر آسکتے ہیں جبکہ حقیقی دنیا کی کارکردگی ناہموار ہے۔
ڈیٹا کے معیار اور تشخیص کے منصوبوں کو نظر انداز کرنا اکثر نازک نتائج پیدا کرتا ہے۔
نفاذ کا روڈ میپ
آپ کو مطلوبہ نتائج کی سادہ زبان کی تعریف کے ساتھ شروع کریں۔
جانچ کرنے سے پہلے ایک کامیابی میٹرک اور ایک ناکامی کی شرط منتخب کریں۔
نمائندہ ڈیٹا کے ساتھ ایک چھوٹا پائلٹ چلائیں، نہ کہ پالش شدہ ڈیمو سیٹ۔
دستاویز جہاں ورلڈ ماڈلز اور سیکھے ہوئے سمیلیٹرز مدد کرتے ہیں اور جہاں آسان طریقے بہتر ہیں۔
دریافت کرتے رہیں
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
اگلا گائیڈ
NVIDIA Cosmos ورلڈ فاؤنڈیشن ماڈلز
اکثر پوچھے گئے سوالات
What is World Models and Learned Simulators?
ایک عالمی ماڈل ایک عصبی نیٹ ورک ہے جو یہ اندازہ لگانا سیکھتا ہے کہ وقت کے ساتھ ماحول کیسے بدلتا ہے، ایک AI کو کام کرنے سے پہلے مستقبل کے نتائج کا 'تصور' کرنے دیتا ہے۔ سیکھے ہوئے سمیلیٹر اس کو آگے لے جاتے ہیں، انجینئرز کے ہاتھ سے کوڈ کرنے کے بجائے ڈیٹا سے انٹرایکٹو، کھیلنے کے قابل ماحول پیدا کرتے ہیں۔
عالمی ماڈل کا بنیادی کام کیا ہے؟
ایک عالمی ماڈل ماحول کی حرکیات سیکھتا ہے: موجودہ حالت اور ایک عمل سے یہ اگلے مشاہدے (اور اکثر انعام) کی پیشین گوئی کرتا ہے، تصوراتی رول آؤٹ کو قابل بناتا ہے۔
Ha اور Schmidhuber کے 2018 کے 'ورلڈ ماڈلز' پیپر میں، کنٹرولر کو بڑے پیمانے پر کہاں تربیت دی گئی؟
ایجنٹ نے تقریباً مکمل طور پر سیکھی ہوئی خفیہ حرکیات ('خواب') کے اندر کام کرنا سیکھ لیا، پھر اسے حقیقی ماحول میں منتقل کر دیا گیا۔
DeepMind's DreamerV3 نے کون سا قابل ذکر کارنامہ حاصل کیا؟
DreamerV3 نے خفیہ حرکیات سیکھی اور بہت سے کاموں میں مہارت حاصل کرنے کے لیے تصوراتی رول آؤٹ کا استعمال کیا، بشمول انسانی ڈیٹا یا نصاب کے بغیر Minecraft میں ہیرے حاصل کرنا۔
Google کا جنی کیا کرتا ہے؟
جنی ایک تخلیقی انٹرایکٹو ماحول ہے جو بغیر لیبل والے ویڈیو سے سیکھتا ہے تاکہ ایکشن کے قابل 2D دنیاؤں کو تیار کیا جا سکے۔
دنیا کے بہت سے ماڈل کس طرح تصویروں جیسے اعلی جہتی ان پٹ کے لیے پیشین گوئی کے مسئلے کو قابل عمل رکھتے ہیں؟
مشاہدات کو ایک کم جہتی اویکت حالت میں انکوڈ کیا جاتا ہے، اور منتقلی کا فنکشن اگلی اویکت حالت کی پیشین گوئی کرتا ہے، جو رول آؤٹ کو موثر بناتا ہے۔