июнь    2026

Пн	Вт	Ср	Чт	Пт	Сб	Вс
1	2	3	4	5	6	7
8	9	10	11	12	13	14
15	16	17	18	19	20	21
22	23	24	25	26	27	28
29	30

показать все 

26.06.2026

Группа «Борлас» (ГК Softline), включая BeringPro, заняла 1-е место в рэнкинге RAEX в сегменте управленческого ИТ-консалтинга

Читать далее 

26.06.2026

Появились рекомендации по применению ИИ-систем при создании кода

Читать далее 

19.06.2026

Более двух третей российских компаний за год пострадали от фишинга – опрос компании «Газинформсервис»

Читать далее 

16.06.2026

IT-экосистема Mindbox запустила новую платформу для персонализации цен и автоматической переоценки товаров

Читать далее 

16.06.2026

PlatformCraft запускает холодное объектное хранилище для архивных и редко используемых файлов

Читать далее 

показать все 

21.06.2026

Коллаборации с конкурентами: необходимость или рискованная ставка?

Читать далее 

21.06.2026

Как вы обеспечиваете непрерывность разработки без зарубежных облаков?

Читать далее 

20.06.2026

Сергей Ергопуло: «Информационное моделирование становится частью единой цифровой вертикали предприятия»

Читать далее 

27.05.2026

Эра немилосердия

Читать далее 

22.05.2026

Строительная отрасль России в одном цифровом пространстве: обзор сервиса «Всем подряд»

Читать далее 

29.07.2025

Точность до метра и сантиметра: как применяют технологии позиционирования

Читать далее 

18.04.2024

Как искусственный интеллект изменит экономику

Читать далее 

22.09.2023

Эпоха российской ориентации на Запад в сфере программного обеспечения завершилась

Читать далее 

22.09.2023

Сладкая жизнь

Читать далее 

22.09.2023

12 бизнес-концепций, которыми должны овладеть ИТ-руководители

Читать далее 

показать все 

Главная / Архив номеров / 2026 / Выпуск №2 (155) / Три способа, с помощью которых ИИ учится понимать физический мир

Рубрика: Исследования

Бен Диксон, инженер-программист

Три способа,
с помощью которых ИИ учится понимать физический мир

Большие языковые модели (LLM) сталкиваются с ограничениями в областях, требующих понимания физического мира, – от робототехники до автономного вождения и производства. LLM превосходно обрабатывают абстрактные знания с помощью прогнозирования следующего токена, но им в корне не хватает физической причинно-следственной связи. Они не могут надежно предсказать физические последствия реальных действий. Это ограничение подталкивает инвесторов к разработке моделей мира (world models).

Исследователи ИИ и интел­лектуальные лидеры все громче заявляют об этих ограничениях по мере того, как индустрия пытается вытеснить ИИ из веб-браузеров в физические пространства. Так, лауреат премии Тьюринга Ричард Саттон считает, что LLM просто подражают тому, что говорят люди, вместо того чтобы моделировать мир, это ограничивает их способность учиться на собственном опыте и приспосабливаться к изменениям в мире.

Вот почему модели, основанные на LLM, включая модели на языке визуализации (VLM), могут демонстрировать неустойчивое поведение и ломаться при очень незначительных изменениях в их входных данных.

<...>

Ключевые слова: большие языковые модели (LLM), архитектура JEPA, Гауссово размытие, сквозная генерация, гибридные архитектуры.

Полную версию статьи читайте в журнале.
Подпишитесь на журнал

В начало⇑

Комментарии отсутствуют

Комментарии могут отставлять только зарегистрированные пользователи