نسل جدیدی از مدل‌های هوش مصنوعی با عنوان World Models در حال تغییر مسیر توسعه AI از پردازش صرفاً متن و تصویر به سمت درک محیط واقعی هستند. این مدل‌ها تلاش می‌کنند فضا، حرکت، اشیاء، زمان و روابط علت‌ومعلولی میان رویدادها را درک و شبیه‌سازی کنند. مدل Atlas شرکت World Labs یکی از نمونه‌های جدید این رویکرد است که می‌تواند محیط‌های سه‌بعدی را از تصاویر بازسازی کند و برای شبیه‌سازی، رباتیک و توسعه سامانه‌های هوش مصنوعی فیزیکی مورد استفاده قرار گیرد.

World Model چیست و چرا آینده هوش مصنوعی را تغییر می‌دهد؟

بخش بزرگی از پیشرفت هوش مصنوعی در سال‌های اخیر بر پایه مدل‌های زبانی بزرگ یا LLMها شکل گرفته است. این مدل‌ها در درک و تولید متن، پاسخ‌گویی به پرسش‌ها و پردازش حجم عظیمی از اطلاعات عملکرد بسیار قدرتمندی دارند. اما یک مشکل اساسی وجود دارد: درک زبان با درک دنیای واقعی یکسان نیست. یک ربات برای فعالیت در کارخانه باید بداند یک جسم در چه فاصله‌ای قرار دارد، اگر آن را حرکت دهد چه اتفاقی رخ می‌دهد و چگونه می‌تواند بدون برخورد با موانع به مقصد برسد. یک خودروی خودران نیز تنها به تشخیص یک خودرو یا عابر پیاده نیاز ندارد؛ بلکه باید بتواند حرکت احتمالی آن‌ها و پیامد تصمیم‌های خود را پیش‌بینی کند. اینجاست که مفهوم World Model اهمیت پیدا می‌کند. این مدل‌ها با هدف ساخت یک نمایش قابل‌درک از محیط و پیش‌بینی نحوه تغییر آن در طول زمان توسعه داده می‌شوند.

Atlas؛ مدل هوش مصنوعی برای درک فضای سه‌بعدی

شرکت World Labs که توسط تیمی به رهبری Fei-Fei Li شکل گرفته، یکی از شرکت‌های فعال در حوزه Spatial Intelligence است. این شرکت در اول سپتامبر ۲۰۲۶ از مدل Atlas رونمایی کرد؛ مدلی که به‌عنوان یک World Model نسل جدید برای هوش فضایی معرفی شده است. Atlas برخلاف مدل‌هایی که صرفاً روی متن تمرکز دارند، برای کار با داده‌های چندرسانه‌ای طراحی شده است و می‌تواند متن، تصویر، ویدئو، موقعیت دوربین و داده‌های عمق سه‌بعدی را در یک زمینه فضایی مشترک پردازش کند. این مدل همچنین قادر است از یک یا چند تصویر، صحنه‌های واقعی را بازسازی کند و خروجی‌های سه‌بعدی ایجاد کند.

هوش مصنوعی چگونه می‌تواند یک جهان را شبیه‌سازی کند؟

World Modelها تلاش می‌کنند تنها آنچه در یک تصویر دیده می‌شود را تشخیص ندهند، بلکه نحوه رفتار محیط را نیز مدل‌سازی کنند. برای مثال، اگر یک ربات در یک انبار با مانعی روبه‌رو شود، سیستم باید بتواند شرایط مختلف را در ذهن خود بررسی کند:

• اگر ربات به سمت راست حرکت کند چه اتفاقی رخ می‌دهد؟
• اگر جسمی جابه‌جا شود، مسیر ربات چگونه تغییر می‌کند؟
• اگر فردی وارد مسیر شود، چه تصمیمی باید گرفته شود؟
• اگر ربات جسمی را بردارد، وضعیت محیط چگونه تغییر خواهد کرد؟

این قابلیت به AI اجازه می‌دهد پیش از انجام یک عمل، پیامدهای احتمالی آن را در محیط شبیه‌سازی کند. به همین دلیل World Modelها یکی از فناوری‌های مهم در مسیر توسعه Physical AI محسوب می‌شوند.

کاربرد World Modelها در رباتیک

یکی از مهم‌ترین کاربردهای این فناوری، رباتیک است. ربات‌های نسل جدید باید بتوانند محیط اطراف خود را درک کنند، موقعیت اشیاء را تشخیص دهند و پیش از اجرای یک حرکت، نتیجه احتمالی آن را ارزیابی کنند. مدل‌های جهان می‌توانند با ایجاد محیط‌های شبیه‌سازی‌شده، امکان آموزش ربات‌ها را بدون نیاز به اجرای تمام آزمایش‌ها در دنیای واقعی فراهم کنند. این موضوع اهمیت زیادی دارد؛ زیرا آموزش یک ربات در دنیای واقعی می‌تواند پرهزینه، زمان‌بر و گاهی خطرناک باشد. NVIDIA نیز در فناوری Cosmos از World Foundation Modelها برای توسعه Physical AI، آموزش ربات‌ها و شبیه‌سازی محیط‌های واقعی استفاده می‌کند.

خودروهای خودران؛ یکی از مهم‌ترین کاربردهای World Models

خودروهای خودران نیز به درک دقیق محیط و پیش‌بینی اتفاقات آینده نیاز دارند. برای نمونه، یک خودرو باید بتواند علاوه بر تشخیص عابر پیاده، احتمال حرکت او به سمت خیابان را نیز ارزیابی کند. World Modelها می‌توانند سناریوهای مختلف رانندگی را شبیه‌سازی کنند و به سامانه‌های هوشمند کمک کنند تا در شرایط متنوع آموزش ببینند. NVIDIA اعلام کرده است فناوری Cosmos برای تولید داده‌های مصنوعی و آموزش و آزمایش خودروهای خودران مورد استفاده قرار می‌گیرد. این مدل‌ها می‌توانند شرایط مختلف آب‌وهوایی، نور، موقعیت جغرافیایی و سناریوهای رانندگی را برای آموزش سامانه‌های خودران ایجاد کنند.

دوقلوهای دیجیتال؛ ساخت نسخه مجازی از دنیای واقعی

یکی دیگر از کاربردهای مهم World Modelها، توسعه Digital Twin یا دوقلوهای دیجیتال است. در این فناوری، یک نسخه مجازی از یک کارخانه، ساختمان، شهر یا محیط صنعتی ایجاد می‌شود. سپس می‌توان تغییرات مختلف را ابتدا در محیط مجازی آزمایش کرد. برای مثال، یک کارخانه می‌تواند قبل از تغییر مسیر حرکت ربات‌ها، نصب تجهیزات جدید یا تغییر فرآیند تولید، سناریوهای مختلف را در محیط شبیه‌سازی‌شده آزمایش کند. این رویکرد می‌تواند هزینه آزمون‌وخطا را کاهش داده و امکان بررسی سناریوهای پیچیده را افزایش دهد.

Atlas چه قابلیت‌هایی دارد؟

Atlas تنها برای تولید تصاویر سه‌بعدی طراحی نشده است. طبق اعلام رسمی World Labs، این مدل مجموعه‌ای از قابلیت‌ها را در اختیار دارد. از جمله:

• بازسازی سه‌بعدی محیط‌های واقعی
• تولید تصویر و ویدئو با کنترل دوربین
• شبیه‌سازی فضا و زمان
• تولید محیط‌های مجازی
• پردازش متن، تصویر، ویدئو و داده‌های سه‌بعدی
• ایجاد خروجی‌های سه‌بعدی از تصاویر
• پشتیبانی از فرآیندهای Real-to-Sim برای رباتیک

World Labs اعلام کرده است Atlas می‌تواند صحنه‌های واقعی را از یک تا چند ده تصویر بازسازی کند و برای ایجاد محیط‌های شبیه‌سازی‌شده مورد استفاده قرار گیرد.

چرا شبیه‌سازی برای هوش مصنوعی اهمیت دارد؟

یکی از مشکلات توسعه Physical AI، کمبود داده‌های مناسب برای آموزش سیستم‌ها است. جمع‌آوری میلیون‌ها ساعت داده واقعی از کارخانه‌ها، خیابان‌ها، ربات‌ها و محیط‌های صنعتی بسیار دشوار است. برای همین، شرکت‌های فناوری به سمت تولید Synthetic Data یا داده مصنوعی حرکت کرده‌اند. World Modelها می‌توانند محیط‌های مجازی ایجاد کنند و شرایط مختلف را در آن‌ها شبیه‌سازی کنند. در نتیجه، یک مدل AI می‌تواند پیش از ورود به محیط واقعی، سناریوهای بسیار بیشتری را در فضای مجازی تجربه کند. NVIDIA نیز World Modelها را یکی از پایه‌های مهم توسعه Physical AI و تولید داده مصنوعی می‌داند.

تفاوت World Model با مدل‌های زبانی چیست؟

مدل‌های زبانی عمدتاً برای کار با زبان و اطلاعات متنی طراحی شده‌اند. اما World Modelها تلاش می‌کنند ساختار و رفتار محیط را نیز مدل کنند. به‌صورت ساده می‌توان این تفاوت را این‌گونه توضیح داد:

LLM می‌تواند درباره یک محیط صحبت کند؛ World Model تلاش می‌کند بفهمد آن محیط چگونه کار می‌کند.

برای یک ربات، این تفاوت بسیار مهم است. ربات باید بداند اگر یک لیوان را هل دهد، ممکن است حرکت کند یا سقوط کند؛ اگر مانعی در مسیرش باشد، باید مسیر خود را تغییر دهد و اگر یک انسان حرکت کند، احتمالاً موقعیت او در چند لحظه آینده تغییر خواهد کرد. این سطح از درک محیط، یکی از پایه‌های اصلی هوش مصنوعی فیزیکی است.

هوش مصنوعی از «دیدن» به «عمل کردن» نزدیک می‌شود

مسیر جدید توسعه AI تنها درباره ساخت مدل‌هایی با پاسخ‌های بهتر نیست. هدف بزرگ‌تر این است که سامانه‌های هوشمند بتوانند:

ببینند → درک کنند → پیش‌بینی کنند → تصمیم بگیرند → عمل کنند.

World Modelها می‌توانند بخش مهمی از این زنجیره را تشکیل دهند؛ زیرا به سیستم اجازه می‌دهند قبل از انجام یک اقدام، پیامدهای احتمالی آن را بررسی کنند. این قابلیت می‌تواند برای ربات‌های صنعتی، خودروهای خودران، سامانه‌های هوشمند شهری و بسیاری از کاربردهای Physical AI اهمیت داشته باشد.

رقابت شرکت‌های فناوری برای ساخت World Model

World Labs تنها شرکتی نیست که روی این فناوری سرمایه‌گذاری کرده است. NVIDIA نیز با پلتفرم Cosmos در حال توسعه مدل‌های جهان برای کاربردهای Physical AI است. این فناوری برای رباتیک، خودروهای خودران و سامانه‌های بینایی هوشمند مورد استفاده قرار می‌گیرد. در همین حال، World Labs نیز با توسعه Atlas تلاش می‌کند مدل‌های هوش فضایی را به سمت درک، بازسازی و شبیه‌سازی جهان واقعی پیش ببرد. این رقابت نشان می‌دهد مرحله بعدی توسعه هوش مصنوعی احتمالاً تنها به مدل‌های متنی محدود نخواهد بود.

آینده کاربردهای هوش مصنوعی با World Models

با پیشرفت World Modelها، کاربردهای هوش مصنوعی می‌تواند از صفحه نمایش و نرم‌افزار به محیط‌های فیزیکی گسترش پیدا کند. در آینده می‌توان انتظار داشت این فناوری در حوزه‌هایی مانند:

• ربات‌های انسان‌نما
• خودروهای خودران
• کارخانه‌های هوشمند
• انبارهای خودکار
• شبیه‌سازی شهری
• دوقلوهای دیجیتال
• آموزش ربات‌ها
• طراحی صنعتی
• مدیریت زیرساخت‌ها
• سیستم‌های حمل‌ونقل هوشمند

نقش پررنگ‌تری پیدا کند. البته رسیدن به این مرحله نیازمند پیشرفت بیشتر در قدرت پردازشی، داده‌های باکیفیت، ایمنی مدل‌ها و توانایی آن‌ها برای درک دقیق شرایط پیچیده دنیای واقعی است.

جمع‌بندی

ظهور World Modelها می‌تواند یکی از مهم‌ترین تغییرات مسیر توسعه هوش مصنوعی باشد. این مدل‌ها تلاش می‌کنند AI را از دنیای متن و تصویر فراتر برده و به سمت درک فضا، حرکت، زمان و روابط میان رویدادها هدایت کنند. معرفی Atlas توسط World Labs نمونه‌ای از این تحول است؛ مدلی که می‌تواند محیط‌های سه‌بعدی را بازسازی و شبیه‌سازی کند و در مسیر توسعه رباتیک و Physical AI مورد استفاده قرار گیرد. در سوی دیگر، فناوری‌های NVIDIA نیز نشان می‌دهند World Modelها می‌توانند در آموزش ربات‌ها، توسعه خودروهای خودران، تولید داده مصنوعی و ساخت محیط‌های شبیه‌سازی‌شده کاربرد داشته باشند. به این ترتیب، آینده هوش مصنوعی ممکن است کمتر درباره «آنچه AI می‌گوید» و بیشتر درباره آنچه AI می‌تواند در دنیای واقعی درک، پیش‌بینی و انجام دهد باشد.

برای مشاهده جدیدترین اخبار، به پایگاه خبری هوش مصنوعی ایران مراجعه کنید.