再加上這一事實，AI在很大程度上仍然是黑匣子，工程師仍然很難解釋為什麼模型行為不可預(yù)測或如何修復(fù)它們，並且您可能會開始掌握當(dāng)今行業(yè)面臨的主要挑戰(zhàn)。

但這是越來越多的研究人員和初創(chuàng)企業(yè)看到下一個大機會的地方：不僅在更快的模型培訓(xùn)或更令人印象深刻的生成產(chǎn)量中，而且在真正了解物理世界的機器中，它的移動，反應(yīng)和實時的方式。他們將其稱為“物理AI ”。

NVIDIA首席執(zhí)行官Jensen Huang首先將該短語引起了人們的關(guān)注，他將物理AI描述為人工智能的下一個前沿，將其定義為“了解物理學(xué)定律的AI ”，超越像素標(biāo)籤，以身體的認(rèn)識 - 空間，運動和互動。

從被動攝像機到主動

物理AI的核心將計算機視覺，物理模擬和機器學(xué)習(xí)結(jié)合在一起，以教授機器的原因和作用。從本質(zhì)上講，它使AI系統(tǒng)不僅可以識別對像或人員，還可以理解它們與環(huán)境的互動方式，例如某人的運動可能會導(dǎo)致一扇門旋轉(zhuǎn)開門，或者球如何從牆壁上彈起。

在全球風(fēng)險資本和增長股票公司Norwest資助的一家初創(chuàng)公司Lumana ，該短語不僅是一個營銷術(shù)語；它代表了產(chǎn)品開發(fā)中的完全轉(zhuǎn)變。該公司以AI視頻分析而聞名，現(xiàn)在正在培訓(xùn)其模型不僅要檢測運動，而且要解釋人類行為，評估意圖並自動生成實時警報。

Lumana首席執(zhí)行官Sagi Ben-Moshe在接受采訪時說：“我們將物理AI定義為視頻智能的下一階段?！?“這不再僅僅是要在走廊上識別紅色汽車或某人 - 這是關(guān)於預(yù)測接下來會發(fā)生什麼並在現(xiàn)實世界中採取有意義的行動。”

在一個實用的例子中，Lumana的系統(tǒng)在認(rèn)識到異常的肢體語言並在兩名男子和一對無人值守的飲料之間近距離接近後發(fā)現(xiàn)了潛在的攻擊，從而觸發(fā)了一條警報，該警報允許工作人員在情況升級之前進行干預(yù)。在另一種情況下，它實時確定了食品安全違規(guī)行為，包括未能洗手的工人，無手套處理食物，並將原料放出太久。這些事實是事後發(fā)現(xiàn)的問題，但是當(dāng)它們發(fā)生時被捕獲。本·莫西（Ben Moshe）解釋說，這種分層的解釋水平將相機變成了“智能傳感器”。

現(xiàn)實世界的影響

Huang以前使用過“物理AI”一詞並不偶然，將其與具體的智能和現(xiàn)實世界的模擬聯(lián)繫起來。它反映了該行業(yè)向建立AI系統(tǒng)的更大轉(zhuǎn)變，該系統(tǒng)可以更好地理解物理定律，並且可以更有效地推理。在這種情況下，物理學(xué)是指原因和作用 - 分析運動，力和互動的能力，而不僅僅是外觀。

這種觀點與諾瓦斯特的投資者保持一致，後者在早期階段為Lumana提供了支持。諾瓦斯特（Norwest）的普通合夥人Dror Nahumi說：“您不能僅通過檢測對象來建立視頻智能的未來。” “您需要在上下文中了解正在發(fā)生的事情的系統(tǒng)，並且可以比觀看十幾個屏幕的人更好地做到這一點。通常，企業(yè)也需要立即需要此信息?！?/p>

諾維斯（Norwest）並不是這個領(lǐng)域中唯一的球員。其他人，例如Hakimo和Vintra，正在探索類似的應(yīng)用程序 - 使用AI在製造業(yè)中發(fā)現(xiàn)安全性違規(guī)，檢測零售遊蕩或防止公共騷擾發(fā)生惡化。

例如，Hakimo最近開發(fā)了一種自主監(jiān)視劑，該監(jiān)視劑阻止了攻擊，確定了故意破壞，甚至使用實時視頻提要和AI協(xié)助了一個崩潰的人。在3月的NVIDIA GTC，NVIDIA展示了通過基於環(huán)境的訓(xùn)練來了解重力和空間關(guān)係的機器人代理，與相同的物理推理Lumana呼應(yīng)了其監(jiān)視工具。

就在昨天，Meta宣布發(fā)布V-JEPA 2，“一個自製的基金會世界模型，了解物理現(xiàn)實，預(yù)測結(jié)果併計劃有效的策略?！闭绻净続I研究的核心學(xué)習(xí)和推理部門的小組產(chǎn)品經(jīng)理米歇爾·邁耶（Michel Meyer）昨天在LinkedIn上寫道：“這標(biāo)誌著向AI系統(tǒng)邁出的基本轉(zhuǎn)變，該系統(tǒng)可以推理，計劃和通過物理世界行動來通過物理世界進行推理和採取行動。做到這一點?！?/p>

當(dāng)被問及物理AI的實際影響可能是什麼時，Nahumi指出，它超出了流行語。 “任何人都可以檢測到運動，但是如果您想在視頻監(jiān)視中進行真正的AI，則必須超越這些內(nèi)容才能理解上下文?！彼J(rèn)為Lumana的全棧，上下文感知的建築是基礎(chǔ)，而不僅僅是銷售。

他告訴我：“我們相信這裡有一個巨大的商機，現(xiàn)在的技術(shù)已經(jīng)足夠成熟，可以實時支持甚至超過人類的績效?！?/p>

信任和透明度

事實是，物理系統(tǒng)系統(tǒng)的成功並不僅僅取決於基礎(chǔ)技術(shù)。隨著AI的不斷發(fā)展，越來越清楚的是，大多數(shù)AI系統(tǒng)的成功在很大程度上取決於倫理，信任和問責(zé)制。換句話說，信任是AI有效性的貨幣。公司必須繼續(xù)回答的關(guān)鍵問題是：我們可以信任您的AI系統(tǒng)安全操作嗎？

在安全環(huán)境中，誤報可以關(guān)閉位置或錯誤地指責(zé)無辜的人。在工業(yè)環(huán)境中，誤解的動作可能會引發(fā)不必要的警報。

隱私是另一個關(guān)注的領(lǐng)域。雖然許多物理AI系統(tǒng)在私人設(shè)施中運行（工廠，校園，酒店），但批評家警告說，實時行為預(yù)測而沒有監(jiān)督，可能會導(dǎo)致大規(guī)模監(jiān)視。正如本·莫西本人所承認(rèn)的那樣，這是需要保障，開放性和明確同意的強大技術(shù)。

但是，根據(jù)Nahumi的說法，Lumana的多層方法可提供有用的警報，同時保護隱私並使其平穩(wěn)地集成到當(dāng)前系統(tǒng)中。他指出：“ Lumana設(shè)計將物理AI分層到現(xiàn)有基礎(chǔ)架構(gòu)上的系統(tǒng)，確保操作員不會被誤報所淹沒?！?/p>

邊緣市場

儘管有這些擔(dān)憂，但需求仍在迅速上升。零售商想監(jiān)視人流異常。市政當(dāng)局旨在防止犯罪而無需增加人員。製造商尋求實時安全合規(guī)，而不是事後評論。在每種情況下，問題都保持不變：相機太多，洞察力太少。

這是物理AI背後的商業(yè)理由。正如Norwest的Nahumi所說：“我們看到了明確的ROI指標(biāo) - 不僅在避免損失的情況下，而且在運營效率方面。這不再是投機性深技術(shù)。這是一種平臺投資。”

該投資依賴於可擴展，靈活和成本效益的系統(tǒng)。 Lumana的策略在現(xiàn)有攝像頭系統(tǒng)的頂部增加了物理AI，它避免了“盜版”困境，並使採用障礙保持較低。 Nahumi強調(diào)了整個零售，製造，酒店和公共安全的企業(yè)興趣不斷增長 - 錄像豐富的區(qū)域，但分析仍然是手動和效率低下的。

即使在公司董事會和研究實驗室中，對“理解”而不是“觀察”的機器的渴望也在增長。這就是為什麼像Norwest，Nvidia，Hakimo和Lumana這樣的公司正在將身體AI翻倍。

本·莫西（Ben-Moshe）想像的：“在五年內(nèi)，物理AI將做的不僅僅是觀察到的要多 - 它將建議採取行動，預(yù)測事件並為安全團隊提供無與倫比的可見性。”他強調(diào)，這是關(guān)於不僅看到而且響應(yīng)的系統(tǒng)。

外賣

最終，物理AI的目標(biāo)不僅是為了幫助機器更清楚地看到，還可以幫助他們了解自己所看到的東西。這是為了幫助他們在我們生活的複雜物理世界中感知，理解和理性。

本·莫西（Ben-Moshe）想像著一個未來，即物理AI建議採取行動，阻止事件升級，甚至在事件發(fā)生之前預(yù)測事件。他說：“視頻的每一秒都應(yīng)該產(chǎn)生可行的見解?！?“我們希望機器將世界作為一個系統(tǒng)推理，例如粒子追蹤物理學(xué)中可能的路徑，並強調(diào)了最可能，最有價值的結(jié)果?！?/p>

這是當(dāng)今基本的監(jiān)視系統(tǒng)的重大飛躍。從防止犯罪和避免事故到發(fā)現(xiàn)新的運營見解和分析活動趨勢，相機的推理引擎可提供有形的可測量價值。

但是擴大它們是真正的努力所在。它將需要精確，道德，可審計和值得信賴的系統(tǒng)。如果可以實現(xiàn)這種平衡，我們可能很快進入一個世界，AI不僅向我們展示了發(fā)生的事情，還可以幫助我們確定最重要的事情。

以上是什麼是'物理AI”？在推動AI理解現(xiàn)實世界的推動力中的詳細(xì)內(nèi)容。更多資訊請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！