Sakana AI i Jürgen Schmidhuber łączą siły, aby rozwijać sztuczną inteligencję w świecie rzeczywistym

Sakana AI ogłosiła sympozjum zatytułowane „Od World Models do Real-World AI”, które odbędzie się pod koniec października w Tokio. Głównym wydarzeniem jest oficjalne zaangażowanie Jürgena Schmidhubera, twórcy sieci LSTM i jednego z ojców założycieli współczesnego deep learningu. Schmidhuber obejmuje stanowisko Chief Scientific Advisor, co daje startupowi potężną wiarygodność naukową w regionie azjatyckim.

Krok od chatbotów do fizycznego świata

Podczas gdy większość rynku nadal walczy o punkty procentowe w benchmarkach chatbotów, Sakana AI i Schmidhuber ogłaszają zwrot w kierunku „Real-World AI”. Schmidhuber od dawna krytykuje fiksację na modelach czysto tekstowych, podkreślając konieczność łączenia AI z fizycznymi czujnikami i robotyką. Jego framework World Models, który uczy agentów rozumienia praw fizyki, zanim zaczną planować działania, idealnie pasuje do filozofii Sakana AI, opartej na wydajnym i rozproszonym uczeniu.

Dla kogo zmieniają się zasady gry

To silny sygnał dla inwestorów i azjatyckiej sceny technologicznej. Tokio, pod dyktando Sakana AI i przy wsparciu inicjatyw rządowych, stara się stworzyć przeciwwagę dla modelu „więcej danych i więcej chipów w jednym centrum danych”, który dominuje w USA. Podejście Schmidhubera do elegancji algorytmicznej i uczenia się z ograniczonych danych daje startupowi narzędzia do konkurowania z OpenAI bez konieczności palenia miliardów dolarów na sesje treningowe.

Hala treningowa kontra prawdziwa fabryka

Marketingowa siła nazwiska to jedno, ale praktyczne zastosowanie „Real-World AI” to drugie. O ile World Models sprawdzają się w symulacjach, o tyle wdrożenie w prawdziwych fabrykach i robotach zderza się z szumem, zużyciem i nieoczekiwanymi zdarzeniami. Opóźnienia czujników i nieprzewidywalność świata fizycznego pozostają najtrudniejszym zadaniem, którego nie rozwiąże najmądrzejszy algorytm, jeśli nie ma do dyspozycji dobrego sprzętu.

Sprzęt ujawni prawdziwe ambicje

Sygnałem sukcesu nie będzie to, ile uwagi przyciągnie sympozjum, ale pierwsza praktyczna demonstracja. Dowodem na funkcjonalne podejście będą partnerstwa Sakana AI z konkretnymi japońskimi graczami sprzętowymi (np. w robotyce lub motoryzacji), gdzie modele opuszczą symulację i zaczną realnie sterować sprzętem.

Werdykt Lilith

Schmidhuber dodaje tokijskiemu startupowi naukowego prestiżu, ale główna bitwa rozegra się poza laboratorium. Zwycięzcy w real-world AI nie wyłoni ładniejszy model obliczeniowy, ale ten, kto pierwszy zmusi algorytm do działania z przeciętnymi czujnikami w błotnistej fabryce.