Whalesbook
Decart நிறுவனம் Oasis 3 என்ற புதிய AI டிரைவிங் சிமுலேஷன் தளத்தை அறிமுகம் செய்துள்ளது. தன்னாட்சி வாகனப் பயிற்சிக்கு (Autonomous Vehicle Training) இது உதவும் என கூறப்பட்டாலும், நீண்ட கால நிலைத்தன்மை மற்றும் பொருள் தொடர்பு (Object Interaction) போன்ற தொழில்நுட்ப சவால்கள் இதன் நம்பகத்தன்மையை கேள்விக்குறியாக்குகின்றன.
தொழில்நுட்ப சவால்
Decart நிறுவனம் Oasis 3-ஐ வெளியிட்டுள்ளது. இது அதன் முந்தைய ஜெனரேட்டிவ் வீடியோ (Generative Video) துறையிலிருந்து, அதிக பங்குள்ள பிசிக்கல் AI (Physical AI) உலகிற்குள் நுழையும் ஒரு முக்கிய படியாகும். இந்த ஸ்டார்ட்அப், தங்களின் பிரத்யேக ஆப்டிமைசேஷன் ஸ்டாக் (Optimization Stack) மூலம், வழக்கமான உயர்-ஃபைடெலிட்டி சிமுலேஷன்களில் (High-fidelity simulations) ஏற்படும் அதிக கம்ப்யூட் தேவையை குறைக்க முடியும் என்று கூறுகிறது. இதன் மூலம் Google போன்ற பெரிய நிறுவனங்களுக்கு ஒரு பொருளாதார சவாலாக இது மாறும் என எதிர்பார்க்கப்படுகிறது. ஆனால், தன்னாட்சி வாகனப் பயிற்சிக்கு (Autonomous driving) ரியல்-டைம் சிஸ்டெசிஸ் (Real-time synthesis) பயன்படுத்துவது, மாடலின் காட்சி வெளியீட்டிற்கும் (Visual Output) உண்மையான இயற்பியல் சார்ந்த நம்பகத்தன்மைக்கும் (Physics-based reliability) இடையே ஒரு பெரிய இடைவெளியை உருவாக்குகிறது.
சிமுலேஷனுக்கும் நிஜத்திற்கும் உள்ள வேறுபாடு
Oasis 3, தத்ரூபமான, மல்டி-கேமரா காட்சிகளை (Photorealistic Imagery) உருவாக்கினாலும், காட்சி நம்பகத்தன்மைக்கும் (Visual Plausibility) இயற்பியல் துல்லியத்திற்கும் (Physical Accuracy) இடையிலான இடைவெளி இன்னும் அதிகமாகவே உள்ளது. தன்னாட்சி வாகன மேம்பாட்டிற்கு, உயர்-தரமான பிக்சல்களுக்கு அப்பால், துல்லியமான பொருள் தொடர்புகள் (Object Interactions), கணிக்கக்கூடிய சாலை வடிவமைப்பு (Road Geometry) மற்றும் தற்காலிக நிலைத்தன்மை (Temporal Stability) ஆகியவை அவசியம். தற்போதைய மாடல்களில், சிமுலேஷனின் சூழல் காலப்போக்கில் நம்பகத்தன்மையை இழப்பது போன்ற பிரச்சினைகள் உள்ளன. மேலும், வாகனங்கள் ஒன்றுடன் ஒன்று இணைவது போன்ற 'கோஸ்டிங்' (Ghosting) அல்லது இயற்பியல் மீறல்கள் (Physics Violations) ஏற்படுவது பொறியாளர்களுக்கு பெரிய சிக்கலாக உள்ளது. இந்த முரண்பாடுகள், மாடல் பட உருவாக்கத்தில் சிறப்பாக செயல்பட்டாலும், பாதுகாப்பு-முக்கியமான வழிசெலுத்தல் அமைப்புகளுக்கு (Safety-critical navigation systems) தேவையான கடுமையான இயற்பியல் விதிகளைப் பராமரிப்பதில் சிரமப்படுகிறது என்பதைக் காட்டுகிறது.
முதலீட்டாளர் பார்வை
முந்தைய ஜெனரேட்டிவ் AI நிறுவனங்களின் வளர்ச்சி முறைகளைப் போலவே, டெவலப்பர் சூழலை விரிவுபடுத்துவதற்கான இந்த முயற்சி, இங்கு மிகவும் ஆபத்தானது. சாட்பாட் ஹாலுசினேஷன்கள் (Chatbot hallucinations) தவறான தகவல்களுக்கு வழிவகுக்கும் நிலையில், டிரைவிங் சிமுலேஷன் லாஜிக்கில் ஏற்படும் தோல்வி, தன்னாட்சி வாகனங்களுக்கு (Autonomous fleets) தவறான பயிற்சி தரவை வழங்கக்கூடும். இதனால், Perception Software-ல் சிஸ்டமேட்டிக் குறைபாடுகள் ஏற்படலாம். Decart, டெவலப்பர் சமூகம் இறுதியில் மூன்றாம் தரப்பு மேம்படுத்தல் (Third-party optimization) மூலம் இந்த இயற்பியல் குறைபாடுகளை சரிசெய்யும் என்ற அனுமானத்தில் செயல்படுகிறது. இது ஸ்டார்ட்அப்களுக்கு ஒரு பொதுவான உத்தி என்றாலும், ஆட்டோமோட்டிவ்-கிரேடு சிமுலேஷனில் (Automotive-grade simulation) உள்ள அதிக நுழைவுத் தடையை இது புறக்கணிக்கிறது. சாதாரண போக்குவரத்து ஓட்டங்களுக்கும் (Mundane traffic flows) அரிதான விபத்து காட்சிகளுக்கும் (Rare accident scenarios) இடையிலான தரவு சமநிலையை நிறுவனம் நிவர்த்தி செய்யும் வரை, இந்த மாடல் முறையான பாதுகாப்பு சரிபார்ப்பை விட, அழகியல் முன்மாதிரிக்கு (Aesthetic prototyping) மிகவும் பொருத்தமானதாக இருக்கும் என்பதை முதலீட்டாளர்கள் கவனிக்க வேண்டும்.
எதிர்காலக் கண்ணோட்டம்
எதிர்காலத்தில், நிலைத்தன்மையை மேம்படுத்த வீடியோ அடிப்படையிலான உள்ளீட்டை (Video-based input) ஒருங்கிணைக்க நிறுவனம் திட்டமிட்டுள்ளது. இருப்பினும், இது ஏற்கனவே தங்கள் சொந்த உலக மாடல்களை (World models) மேம்படுத்தி வரும் முன்னணி நிறுவனங்களிடமிருந்து கடுமையான போட்டியை எதிர்கொள்கிறது. இந்த API-ன் வெற்றி, டெவலப்பர்கள் தற்போதைய இயற்பியல் இன்ஜின் வரம்புகளுக்கு (Physics engine limitations) நம்பகமான தீர்வுகளைக் கண்டறிவார்களா என்பதைப் பொறுத்தது. நீண்ட கால சூழல் தக்கவைப்பில் (Long-term context retention) ஒரு பெரிய முன்னேற்றம் இல்லையென்றால், Oasis 3 ஒரு அதிநவீன காட்சி கருவியாக (Sophisticated visual tool) வகைப்படுத்தப்படும் அபாயத்தில் உள்ளது, தன்னாட்சி வாகன பயிற்சி குழாயின் (Autonomous vehicle training pipeline) அத்தியாவசிய அங்கமாக அல்ல.