أكسفورد وموناش وبريستول تطلق Oneira: عالم فيديو يتصرف فيه الوكيل

قدّمت ثلاث جامعات، هي أكسفورد وموناش وبريستول، نموذج Oneira، وهو نموذج عالم فيديو تفاعلي. ويضع المؤلفون هدفاً يتمثل في نقل هذه الأنظمة من التوليد المفتوح إلى التفاعل مع عالم مفتوح. نقل الخبر موقع Jiqizhixin الصيني. ولا يتضمن الجزء المتاح من الإعلان أي أرقام ولا أسماء معايير (benchmarks)، لذا لا يمكن تقييم سوى الاتجاه المعلن، لا النتائج.

ما المشكلة التي تعالجها عوالم الفيديو؟

تستطيع نماذج عالم الفيديو الحديثة أن تفعل الكثير. تتحرك الكاميرا فيكتمل المشهد: تظهر شوارع وغرف ومناظر طبيعية جديدة. الصورة متسقة زمنياً، ويبدو الفضاء متماسكاً. لكن لهذا العالم نقطة ضعف: فالوكيل داخله يتنقل وينظر في الغالب، وأقصى ما يقدر عليه هو تفاعلات بسيطة.

هذا يكفي للعرض التوضيحي، لكنه لا يكفي لتدريب الروبوتات ووكلاء الألعاب. فالتدريب داخل محاكاة يتطلب فتح الأبواب ونقل الأشياء وتركيب الأغراض وتحطيمها. ويجب أن يتذكّر العالم نتائج الأفعال، وأن يستجيب لها استجابة سليمة فيزيائياً ومنطقياً.

يستهدف Oneira هذه الفجوة تحديداً: بين «يمكن عرض العالم» و«يمكن التصرف داخل العالم».

ماذا نعرف عن الطريقة؟

يسمّي نص الإعلان الطريقة Coding A…، لكن الجزء المتاح ينقطع عند هذا الحد ولا يتضمن تفسيراً للاسم. من بداية الاسم يمكن افتراض أن المنظومة تشمل وكيل برمجة (coding agent)، أي أن أفعال العالم أو قواعده تُوصف عبر الشيفرة. هذه مجرد فرضية ما دامت الورقة الكاملة أو النسخة التمهيدية (preprint) غير متاحة. أما التفاصيل المحددة، مثل البنية المعمارية وبيانات التدريب وحجم النموذج وطريقة التحكم، فلم يكشف عنها المصدر.

ما يمكن تأكيده استناداً إلى النص:

• المطوّرون: باحثون من أكسفورد وجامعة موناش وبريستول؛
• نوع النظام: نموذج عالم فيديو تفاعلي؛
• الخطوة المعلنة: من التوليد المفتوح إلى التفاعل في عالم مفتوح؛
• مشكلة النماذج الأساسية: الوكيل عادةً يتنقل فقط أو ينفذ أفعالاً بسيطة؛
• المعايير (benchmarks) والمقاييس والأوزان والشيفرة: غير مذكورة في الجزء المتاح.

لماذا يهم ذلك الصناعة؟

يجذب مجال نماذج العالم اليوم المختبرات الكبرى والمجموعات الأكاديمية على حد سواء. والسبب بسيط: البيانات الواقعية اللازمة للروبوتات غير كافية، أما المحاكيات القائمة على محركات الفيزياء فمكلفة التطوير وتنتقل بصعوبة إلى الواقع. ومن الناحية النظرية، يمكن لعالم توليدي يسمح بالتصرف داخله أن يخفف بعض هذه القيود.

لكن للنهج مخاطر واضحة. فنماذج الفيديو تميل إلى «اختلاق» الفيزياء. وحين ينفذ الوكيل فعلاً معقداً تتراكم الأخطاء إطاراً بعد إطار، فيبدأ العالم بالتفكك. ولذلك فإن السؤال الأساسي حول Oneira هو: إلى أي مدى يستجيب العالم بثبات لسلاسل طويلة من الأفعال، وهل يحافظ على حالة الأجسام؟

ماذا على القارئ أن يفعل؟

هذا الآن سبب للمتابعة، لا للتبنّي. ينبغي انتظار النشر الكامل والتحقق من أربعة أمور: هل كُشفت طريقة Coding A…، وهل توجد مقارنة كمية مع عوالم الفيديو القائمة، وهل نُشرت الشيفرة والأوزان، وفي أي مهام يتفاعل الوكيل فعلاً مع الأجسام. وإذا تأكدت النتائج، فستحصل الفرق العاملة على الوكلاء المُجسَّدين (embodied agents) والمحاكاة لأغراض الروبوتات على مرشح آخر لبيئة تدريب منخفضة التكلفة. وإلى ذلك الحين يظل Oneira طرحاً من مجموعات جامعية قوية، ما زال بلا أرقام يمكن التحقق منها.