сентябрь    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 

11.09.2026

Группа «Борлас» получила статус мастер-дистрибьютора по продуктам LS-TECH

Читать далее 

11.09.2026

«ТризТех» проведет первое большое мероприятие по сетевой безопасности

Читать далее 

11.09.2026

«Газинформсервис» и Fortis расскажут о российском решении для изоляции веб-сессий

Читать далее 

10.09.2026

Бренд GISDAYS официально зарегистрирован как товарный знак

Читать далее 

10.09.2026

ГК «Информтехника» представила отечественный цифровой телефон МиниКом-ЦТА-2

Читать далее 

показать все 

29.08.2026

ИT-менеджмент и «ссылка в Сибирь»: кровавая битва за души айтишников

Читать далее 

25.08.2026

86% крупных российских компаний уже используют большие языковые модели, но бума ИИ-агентов пока нет: исследование «Инфосистемы Джет»

Читать далее 

01.08.2026

Экономика проектов в 2026-м: что оставить?

Читать далее 

01.08.2026

Готовность архитектуры облачной безопасности к новым вызовам

Читать далее 

01.08.2026

Нейросети в коде: помощник, костыль или новая норма?

Читать далее 

20.07.2026

Ключевая задача для технологического бизнеса — адаптация к новым правилам

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 

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