Intelligence spatiale
La capacité de comprendre l’espace tridimensionnel comme le font les gens, ce qui manque largement aux modèles textuels et vidéo actuels.
L’intelligence spatiale est le terme utilisé par Fei-Fei Li pour désigner ce pour quoi l’IA est encore mauvaise. Vous pouvez regarder une photo d’une cuisine et savoir à peu près à quelle distance se trouve le réfrigérateur de la porte, ce qu’il y a derrière le comptoir et comment le traverser sans heurter quoi que ce soit. Les modèles formés sur du texte ou de la vidéo ne le peuvent généralement pas, car ils traitent le monde comme une ligne de mots ou une pile d’images plates.
Cela est particulièrement important pour tout ce qui doit agir physiquement : les robots, la conduite autonome, les machines d’entrepôt, mais aussi pour le travail de conception et de tournage où vous avez besoin d’une scène qui reste cohérente lorsque la caméra bouge. Le pari de la recherche est qu’on y arrive en intégrant la sensation d’espace dans l’architecture plutôt qu’en espérant qu’elle émerge d’assez de vidéo.