JEPA-Anything: โมเดล AI โลกเสมือนสูตรเดียวลุย 7 โดเมน
นักวิจัยพัฒนาโมเดล JEPA-Anything แยกเป้าหมายแฝงเป็น 4 ปัจจัยออร์ธอกอนัล ลดข้อผิดพลาดในเกม Interventional Pong ได้ 34.8%
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- JEPA-Anything แยกเป้าหมายแฝงเดี่ยวเป็น 4 ปัจจัยออร์ธอกอนัล
- ใช้งานตัวทำนายเฉพาะตัวสำหรับแต่ละปัจจัยเพื่อความแม่นยำสูง
- ทดสอบครอบคลุม 7 โดเมนและชนะเบสไลน์ JEPA ใน 10 งานพลวัต
- ลดข้อผิดพลาดการแทรกแซงในเกม Interventional Pong ลง 34.8%
วงการปัญญาประดิษฐ์กำลังก้าวข้ามขีดจำกัดเดิมๆ เมื่อทีมนักพัฒนาได้เปิดตัวโมเดลใหม่ล่าสุดที่ชื่อว่า JEPA-Anything ซึ่งถูกออกแบบมาเพื่อทำลายข้อจำกัดของโมเดลโลกเฉพาะโดเมน (Domain-Specific World Models) โดยการใช้สูตรสำเร็จเพียงสูตรเดียวแต่สามารถนำไปประยุกต์ใช้ได้มากถึง 7 โดเมนที่แตกต่างกัน
หลักการทำงานเบื้องหลังความสำเร็จนี้คือการที่ JEPA-Anything ทำการแบ่งเป้าหมายแฝงเดี่ยว (single latent target) ของสถาปัตยกรรม JEPA ดั้งเดิมให้ออกมาเป็น 4 ปัจจัยตั้งฉากหรือออร์ธอกอนัล (orthogonal factors) โดยแต่ละปัจจัยจะมีตัวทำนาย (predictor) เป็นของตัวเองอย่างอิสระ
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
จากการทดสอบอย่างเข้มข้นในหลากหลายสภาพแวดล้อม โมเดลดังกล่าวสามารถทำผลงานได้เหนือกว่าเบสไลน์ JEPA ที่นำมาเทียบกัน ในทุกๆ งานด้านพลวัต (dynamics tasks) ทั้ง 10 รายการที่ใช้ในการประเมินประสิทธิภาพ
การพัฒนาโมเดลโลกหรือ World Models ในปัจจุบันมักประสบปัญหาความจำเพาะเจาะจงที่ต้องฝึกฝนใหม่ทุกครั้งเมื่อเปลี่ยนโดเมน การที่ JEPA-Anything สามารถใช้สูตรเดียวครอบคลุมถึง 7 โดเมนได้สำเร็จ ถือเป็นก้าวกระโดดครั้งสำคัญที่ช่วยลดต้นทุนการคำนวณและเพิ่มความยืดหยุ่นในการเรียนรู้แบบไร้ผู้ดูแล (Self-Supervised Learning) ซึ่งจำลองความเข้าใจเชิงกายภาพของโลกได้ใกล้เคียงมนุษย์มากขึ้น
นอกจากนี้ ผลการทดลองในงานทดสอบเฉพาะทางอย่างเกม Interventional Pong ยังชี้ให้เห็นอย่างชัดเจนว่า JEPA-Anything สามารถลดอัตราความผิดพลาดจากการแทรกแซง (intervention error) ลงไปได้มากถึง 34.8% เมื่อเทียบกับระบบมาตรฐานเดิม
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น