动察 Beating ข่าวด่วน AI, AMI Labs ที่ก่อตั้งโดย Yann LeCun ร่วมกับนักวิจัยจากมหาวิทยาลัยบราวน์ได้เผยแพร่บทความใหม่ชื่อ 《Counterfactual World Models》 ที่ทำให้โมเดลโลก JEPA สามารถอนุมานจากผลลัพธ์จริงของการกระทำหนึ่งว่า หากเปลี่ยนการกระทำในตอนนั้น จะสามารถหลีกเลี่ยงความล้มเหลวได้หรือไม่ ความสามารถนี้เรียกว่า «การอนุมานเชิงโต้แย้ง»
ตัวอย่างเช่น หุ่นยนต์ต้องการส่งสินค้าไปยังตำแหน่งที่กำหนด แต่ถูกแรงลมพัดเบี่ยงเบนไป มันจะตัดสินได้อย่างไรว่าตนเองเลือกทิศทางผิด หรือลมแรงเกินไปจนทำให้ภารกิจล้มเหลว โมเดลโลกทั่วไปสามารถทำนายว่าการกระทำที่แตกต่างกันมักจะนำไปสู่ผลลัพธ์อะไร แต่ไม่รู้ว่าครั้งนี้ลมส่งผลกระทบมากเพียงใด
วิธีการใหม่ใช้ความเบี่ยงเบนระหว่างผลลัพธ์จริงกับสิ่งที่ทำนายไว้เดิม เพื่อประมาณผลกระทบของการรบกวนจากภายนอกครั้งนี้ แล้วจึงอนุมานว่าหากเลือกการกระทำอื่นในตอนนั้น ผลลัพธ์จะแตกต่างออกไปอย่างไร กระบวนการทั้งหมดเพียงเรียกใช้ตัวทำนายที่มีอยู่สองครั้ง ไม่ต้องฝึกโมเดลเชิงโต้แย้งเพิ่มเติม หุ่นยนต์จึงสามารถตัดสินย้อนหลังได้ว่าหากเปลี่ยนการกระทำจะมีโอกาสบรรลุเป้าหมายหรือไม่
ในสภาพแวดล้อมจำลองทางฟิสิกส์สี่แบบ ทีมงานรายงานว่าสัดส่วนที่โมเดลค้นพบการกระทำซึ่งสามารถบรรลุเป้าหมายได้ย้อนหลังอยู่ที่ 35%–69% ขณะที่วิธีเปรียบเทียบอยู่ที่เพียง 14%–23% แม้ว่าวิธีเปรียบเทียบจะรู้กฎทางฟิสิกส์ที่แท้จริงของสภาพแวดล้อมจำลอง แต่ถ้าไม่รู้ถึงการรบกวนที่เกิดขึ้นจริงในครั้งนี้ ประสิทธิภาพก็ยังตามหลังอยู่
อย่างไรก็ตาม วิธีนี้ต้องการให้ผลกระทบของการกระทำและสิ่งรบกวนภายนอกสามารถรวมกันได้โดยประมาณ หากเกิดการชน หรือมอเตอร์ขัดข้องทำให้คำสั่งที่แตกต่างกันได้รับผลกระทบไม่เหมือนกัน การทำนายอาจคลาดเคลื่อน ปัจจุบันการวิจัยยังจำกัดอยู่ในสภาพแวดล้อมจำลอง ยังไม่ได้ตรวจสอบประสิทธิผลของการควบคุมหุ่นยนต์จริง
