Orca: un nuovo tipo di IA che impara come funziona il mondo osservandolo
La BAAI di Pechino ha pubblicato Orca, un «modello del mondo» addestrato su 125.000 ore di video che eguaglia sistemi robotici specializzati senza aver mai visto un'azione robotica etichettata durante il preaddestramento.
La Beijing Academy of Artificial Intelligence (BAAI) ha pubblicato Orca, un modello di IA costruito su un’idea diversa dai chatbot che conosci. Invece di prevedere la parola successiva in una frase o il fotogramma seguente in un video, Orca prevede il prossimo stato del mondo, una rappresentazione interna astratta di ciò che sta per accadere. E regge il confronto con sistemi robotici specializzati, pur non avendo mai visto una singola azione robotica etichettata durante l’addestramento principale.
Orca impara in due modi. Il primo, definito dai ricercatori «apprendimento inconscio», consiste nell’osservare: 125.000 ore di video grezzi e privi di etichette, dai quali il modello apprende come cambiano normalmente le scene, come si muovono gli oggetti e cosa accade quando qualcosa viene coperto. Il secondo, «apprendimento conscio», aggiunge il linguaggio: video suddivisi in segmenti, ciascuno etichettato con una descrizione dell’azione che ha causato un determinato cambiamento. Entrambi alimentano la stessa rappresentazione interna del mondo. Sopra questo nucleo congelato si trovano piccoli moduli di uscita intercambiabili: uno produce testo, uno immagini e uno, chiamato Action Expert, movimenti robotici.
I risultati sono la parte interessante. In cinque attività reali di manipolazione con un robot umanoide a due braccia, come riporre libri, impilare ciotole e raccogliere zucchero con un cucchiaio, Orca eguaglia π0.5, un sistema costruito appositamente sui dati dei robot. In seguito, il modulo di controllo ha avuto bisogno di appena 200 dimostrazioni registrate per attività. L’articolo mostra persino Orca che si riprende da prese fallite e riprova, mentre il sistema specializzato rimane bloccato a ripetere lo stesso errore. Nella previsione delle immagini, per esempio «mostrami come appare la scena dopo aver chiuso il microonde», supera generatori dedicati.
Cosa c’è dietro? La robotica ha un problema cronico di dati. I modelli linguistici possono ingozzarsi dell’intera internet, ma non esiste una raccolta grande quanto il web di azioni robotiche etichettate: raccoglierle è lento e costoso. Se la comprensione del mondo di un robot può derivare soprattutto da normali video, con soltanto una piccola dose aggiuntiva di addestramento specifico, quel collo di bottiglia si allenta parecchio. Occorre però mantenere aspettative realistiche: Orca è piccolo, nelle versioni da 0,8 e 4 miliardi di parametri, non può udire né percepire tatto e forza, e la comunità scientifica discute ancora su cosa sia davvero un «modello del mondo». È una direzione promettente, non un prodotto finito.
Cosa significa per te: oggi non c’è nulla da installare; si tratta di ricerca. Ma offre uno sguardo su come l’IA passerà dagli schermi al mondo fisico: non ampliando i chatbot, bensì attraverso modelli che imparano causa ed effetto osservando. Se nei prossimi anni arriveranno robot capaci per case e magazzini, approcci come questo, addestrati sui video anziché su milioni di azioni robotiche etichettate a mano, saranno probabilmente una parte importante del motivo.
Fonti
Arrivano i dati indipendenti: Muse Spark 1.1 di Meta offre un rapporto qualità-prezzo notevole
La società di benchmark Artificial Analysis colloca Muse Spark 1.1 di Meta davanti a GLM 5.2 nella programmazione, a un prezzo inferiore, mentre il suo tasso di allucinazioni è quasi dimezzato.
