هفته گذشته، در کنفرانس All In میزبان پنلی درباره «مدل‌های دنیایی» (World Models) بودم. این فرصت را برایم ایجاد کرد که به یکی از مرموزترین گوشه‌های دنیای هوش مصنوعی نگاه کنم. بازیگران اصلی این عرصه، «آمی‌لابز» (AMI Labs) یان لوکان و «ورلد‌لابز» (World Labs) فی‌فی لی هستند. هر دو شرکت موج ترقی و سرمایه‌گذاری بسیاری را پشت سر گذاشته‌اند، اما از نظر تمایل به پول‌سازی، در جایگاه‌های پایینی قرار دارند.
هوش مکانی: کلید ورود به آینده
در هسته اصلی، مدل‌های دنیایی درباره خودکارسازی «هوش مکانی» هستند. این حوزه می‌تواند در مسیرهای هیجان‌انگیز و پر درآمدی حرکت کند، از رباتیک گرفته تا ویدیوهای تعاملی و سیستم‌های پیچیده‌تر رانندگی خودکار.
توسعه‌ای که هنوز دیده نمی‌شود
اما وقتی شروع کردم تا بپرسم دقیقاً تجاری‌سازی این فناوری کجا رخ می‌دهد، همه‌چیز کمی مه‌آلود شد. نزدیک‌ترین منبعی که می‌شد به آن استناد کرد، مایکل ربات، هم‌بنیان‌گذار آمی‌لابز و مدیر ارشد مدل‌های دنیایی در این شرکت بود که در همان پنل حضور داشت. اما وقتی پرسیارم را شدت دادم که شرکت دقیقاً روی چه چیزی کار می‌کند، پاسخی مبهم دریافت کردم: «وقتی زمانش برسد، بحث می‌کنیم.» او در ایمیلی توضیح داد: «ما هنوز در فاز تحقیق و ساخت هستیم، بنابراین برنامه‌های محصولی یا زمان‌بندی را عمومی نمی‌کنیم.»
البته منصفانه است بگوییم که آمی‌لابز کمتر از یک ساله است و سکوت کردن تا حدی قابل قبول است. اما این نوع احتیاط در تمام فضای مدل‌سازی دنیایی حاکم است. «ماربل» (Marble) از ورلد‌لابز احتمالاً توسعه‌یافته‌ترین محصول در این فضا است. دموهای آن از تولید رسانه‌های معمولی گرفته تا ساخت محیط‌های قابل کاوش برای بازی‌های ویدیویی و جلوه‌های ویژوال (CGI) را در بر می‌گیرد. کاربردهای رباتیک هم وجود دارد، اما پلتفرم کلی به نظر می‌رسد بیشتر برای نمایش قابلیت‌ها طراحی شده تا یک محصول قطعی.
داده‌ها هم راز دارند
این رازداری حتی به تأمین‌کنندگان این شرکت‌ها هم رسیده است. حاشیه همان کنفرانس با الکس دویگان، مدیرعامل شرکت فیزیکل (Physicl) – یک تأمین‌کننده داده برای کسب‌وکار رو به رشد مدل‌های دنیایی – صحبت کردم. او گفت که می‌داند داده‌های فیزیکل برای چیزهایی که آن‌ها می‌سازند مفید بوده است، اما هنوز در تاریکی است که دقیقاً چه چیزی در حال ساخت است. او افزود: «کاش آن‌ها بیشتر توضیح بدهند. اگر بدانند دقیقاً روی چه چیزی کار می‌کنند، می‌تواند داده‌های مفیدتری بسازیم.»
استراتژی جنگ در جنگل تاریک
بخشی از این راز از ماهیت چندوجهی ایده مدل‌های دنیایی می‌آید. ساده‌ترین نسخه، یک نقشه قابل پیمایش از دنیاست، مشابه مدل‌های هوش مصنوعی که خودروهای خودران را هدایت می‌کنند. اما همان رویکرد مدل‌سازی که به ویمو (Waymo) کمک می‌کند از میان ترافیک عبور کند، می‌تواند به یک ربات انسان‌نما کمک کند تا جعبه حمل کند یا چند دقیقه فیلم را به محیطی قابل کاوش تبدیل کند.
امی‌لابز قدم‌های اولیه‌ای در صنایع تولیدی، زیست‌پزشک، رباتیک و حتی نرم‌افزارهای هوش مصنوعی برای پزشکان از طریق مشارکت با نابی (Nabia) برداشته است. قطعاً ممکن است همه این مسیرها را پیش نروند، اما شاید یکی یا دو تا از آن‌ها برآمده‌اند؟
هیچ‌کس تردید ندارد که کسب‌وکارهای قابل ویرای زیادی روی فناوری مدل‌های دنیایی قابل ساختن است. و تا زمانی که جمع‌آوری سرمایه آسان باشد، فشار خاصی برای تمرکز بر یک حوزه وجود ندارد. در واقع، دلیل خوبی برای عدم تمرکز وجود دارد. اگر امی‌لابز فردا اعلام کند که یک ربات انسان‌نما یا سیستم رندرینگ نسل بعد هالیوود را ساخته است، بسیاری از آزمایشگاه‌های دیگر ناگهان علاقه‌مند خواهند شد. زود یا دیر، با رقابت احتمالی از شرکت‌های دیگر مدل‌های دنیایی، آزمایشگاه‌های نوین و حتی OpenAI و Anthropic مواجه خواهد شد.
به نوعی، این تصویر معکوس آن سرمایه‌گذاری آسان است. رقبا هم می‌توانند سرمایه جمع کنند؛ و همان پولی که به شما اجازه می‌دهد زیر رادار بسازید، وقتی مسیر ورود به بازار واضح شود، به تأمین مالی تعداد زیادی از رقبای بالقوه شما تبدیل می‌شود. اما حتی اگر این رقابت اجتناب‌ناپذیر باشد، بهتر است آن را تا حد امکان تأخیر بیندازید، که به معنای بی‌خبر نگه‌داشتن دقیقاً چیزیه که می‌سازید.
دنبال‌کنندگان سیسن لیو این سناریو را به عنوان «جنگل تاریک» می‌شناسند: اگر نمی‌دانید در جنگل چه کسی دیگری هست، بهتر است توجه را به سمت خود جلب نکنید.
نظر، سوال یا تجربه خود را درباره این مطلب با سایر کاربران اوکالا به اشتراک بگذارید.