Google DeepMind از سیما 2، آخرین نسخه از تحقیقات او در مورد هوش عمومی مصنوعی، رونمایی کند این مشتری باهوش این کار را بر اساس مدل سال گذشته انجام داد، SIMA (عامل چندجهانی مقیاس پذیر و هدایت پذیر)که ساخته شده است، اکنون می تواند در کنار پیروی از دستورالعمل ها فکر کند، اقدامات هدفمند انجام دهد و حتی خود را بهبود بخشد.
خلاصه و نکات اصلی
- SIMA 2 یک عامل هوش مصنوعی عمومی است که می تواند وظایف خود را در محیط های مجازی پیچیده (بازی های ویدئویی) انجام دهد.
- این عامل با کهن الگوی قدرتمند Gemini ترکیب شده و توانایی استدلال، توضیح اعمال و درک اهداف سطح بالا را دارد.
- سیما 2 می تواند مفاهیم را از یک بازی به بازی دیگر منتقل کند، حتی اگر قبلاً در آن بازی آموزش ندیده باشند.
- 🔹این عامل توانایی خودسازی را دارد و می تواند با بازی مستقل تجربه کسب کند و نسخه های بعدی را آموزش دهد.
- SIMA 2 در حال حاضر به عنوان پیش نمایش تحقیقاتی محدود برای گروه کوچکی از دانشگاهیان و توسعه دهندگان بازی در دسترس است.
ویژگی های جدید و پیشرفته گوگل سیما 2
اولین نسخه سیما می تواند بیش از 600 کار مبتنی بر زبان مانند “چرخش به چپ” یا “بالا رفتن از پله ها” را در انواع محیط های مجازی دنبال کند. اما سیما 2 او این رویکرد را با ترکیب دستورالعمل های زیر با قابلیت های پیشرفته تر توسعه داد.
استدلال پیشرفته و اقدامات هدفمند
سیما 2 با مدل قوی دوقلو یکپارچه است و به آن امکان می دهد اهداف سطح بالای کاربر، دلایل وظایف و توضیح اقدامات آنها را تفسیر کند. یک نماینده می تواند مراحلی را که برای دستیابی به اهداف انجام می دهد، توضیح دهد، به سؤالات کاربر پاسخ دهد و رفتار و محیط خود را ارزیابی کند.
یادگیری و تعمیم در بازی های مختلف
عامل همچنین قابلیت تعمیم بهبود یافته را نشان می دهد و می تواند دستورالعمل های پیچیده ای را در بازی هایی که به طور صریح برای آنها آموزش ندیده اجرا کند. از جمله بازی Viking Survival آسوکا و مین دوجو (محیط تحقیق بر اساس Minecraft). سیما 2 می تواند کارهای طولانی و چند مرحله ای، ورودی های چند رسانه ای مانند گرافیک، چندین زبان و حتی ایموجی ها را درک کند. همچنین می تواند مفاهیم آموخته شده را انتقال دهد، به عنوان مثال، به کارگیری دانش “کاوی” از یک بازی به “درو کردن” در بازی دیگر.
تعامل در جهان های ایجاد شده توسط هوش مصنوعی
وقتی سیما 2 با نابغه 3 (مدلی که دنیاهای سه بعدی را از تصاویر یا متن تولید می کند) داخلی است و می تواند در جهان هایی که قبلاً دیده نشده است حرکت کند و اقدامات هدفمند انجام دهد. این نشان دهنده سازگاری بالای عامل با محیط های جدید است.
خودسازی و یادگیری تکراری
یکی از ویژگی های شگفت انگیز سیما 2و توانایی بهبود مستقل از طریق بازی خودگردان. آموزش اولیه به نمایش های انسانی متکی است، اما پس از آن، عامل می تواند داده های تجربی را برای آموزش نسخه های آینده خود تولید کند. این فرآیند تکراری به عامل اجازه می دهد تا وظایف پیچیده تری را تجربه کند و در محیط های تازه ایجاد شده بیاموزد، بدون نیاز به ورودی اضافی انسانی.
Google Sema 2
محدودیت ها و آینده هوش مصنوعی تجسم یافته
مهارت های توسعه یافته توسط SIMA 2، از جمله ناوبری، استفاده از ابزار، و اجرای کار مشترک، پایه ای برای تحقیق در این زمینه فراهم می کند. هوش مجسم عمومی با این حال، هنوز محدودیتهایی در کارهایی وجود دارد که نیاز به برنامهریزی طولانیمدت، اقدامات دقیق سطح پایین و ادراک بصری قوی دارند.
DeepMind بر نظارت بر قابلیت های خود درمانی تاکید دارد و به دنبال بازخورد چند رشته ای برای اطمینان از توسعه مسئولانه و کاهش خطرات بالقوه است.
فکر میکنید چنین عوامل هوشمندی که میتوانند در محیطهای مجازی یاد بگیرند، چه تأثیری بر آینده بازیهای ویدیویی و روباتیک خواهند داشت؟
برای دوستان خود ارسال کنید
منبع: https://toranji.ir/2025/11/15/%DA%AF%D9%88%DA%AF%D9%84-%D8%AF%DB%8C%D9%BE%D9%85%D8%A7%DB%8C%D9%86%D8%AF-%D8%A7%D8%B2-sima-2-%D8%B1%D9%88%D9%86%D9%85%D8%A7%DB%8C%DB%8C-%DA%A9%D8%B1%D8%AF-%D8%B9%D8%A7%D9%85%D9%84-%D9%87/
تحریریه ICTNN شبکه خبری
