დიდი ენობრივი მოდელები ტექსტზე ივარჯიშებენ — ისინი პასუხობენ კითხვაზე: რომელი სიტყვა მოდის შემდეგ? AI სამყაროს მოდელები სულ სხვა რამეს აკეთებენ: სწავლობენ, თუ გარემო რეალობაში როგორ მუშაობს — ანუ, X მდგომარეობაში ნაბიჯ A-ს გადადგმისას რა მოხდება? სამყაროს მოდელმა იცის, რატომ ჩამოვარდა ბურთი და სად დაეცემა — და ეს ცოდნა ტექსტური სტატისტიკიდან კი არ მოდის, ფიზიკის შინაგანი მოდელიდან.
ცნება კოგნიტიური მეცნიერებიდან მოდის. 1943 წელს კენეტ კრეიკმა შემოგვთავაზა, რომ ადამიანის გონება ქმნის სამყაროს შინაგან მოდელს — ვირტუალურ სიმულატორს, რომლის მეშვეობითაც ვხედავთ ქმედების შედეგებს მანამ, სანამ ნამდვილად გადავდგამთ ნაბიჯს. AI-ში ეს იდეა იურგენ შმიდჰუბერმა 1990 წელს ფორმალიზება; 2022 წელს ივ ლეკუნის JEPA-ს კონცეფცია ამ ველის ამბიციების ცენტრალურ პარადიგმად იქცა.
როგორ მუშაობს სამყაროს მოდელი
სამყაროს მოდელი ენკოდერ-პრედიქტორის არქიტექტურაზეა აგებული. ენკოდერი ნედლ შეყვანებს — ვიდეოს კადრებს, სენსორების მონაცემებს, სურათებს — კომპრესავს განყენებულ შინაგან რეპრეზენტაციებში, რომლებიც გარემოს ამჟამინდელ მდგომარეობას ასახავს. პრედიქტორი კი პასუხობს: ამ ნაბიჯის გადადგმისას, რა მდგომარეობა ექნება სამყაროს?
მნიშვნელოვანი ინოვაცია — JEPA (Joint Embedding Predictive Architecture) — იმაში მდგომარეობს, რომ მოდელი პროგნოზებს გასცემს განყენებულ სივრცეში, პიქსელების დონეზე კი არა. ობიექტი მარცხნივ გადაადგილდა — ამ ინფორმაციის გათვალისწინება გამოადგება; ყველა პიქსელის გამოთვლა — ძვირია და ხმაურიანი.
სწავლება ჩვეულებრივ ორ ეტაპად მიმდინარეობს: ჯერ მოდელი ასობით ათასი საათის ვიდეოზე ივარჯიშებს ეტიკეტების გარეშე — ფიზიკის, მოძრაობის და მიზეზ-შედეგობრიობის გასაგებად. შემდეგ ბევრად მცირე მოცულობის ქმედება-შედეგი მონაცემები ასწავლის, კონკრეტულ ქმედებებს კონკრეტულ გარემოში რა მოაქვს.
რას ვერ ახდენს LLM — და სამყაროს მოდელი ახდენს
დიდი ენობრივი მოდელები ტექსტზე ივარჯიშებენ. ისინი სიტყვათა მომდევნო კომბინაციას ამჩნევენ — მხოლოდ ეს. მათ არ გააჩნიათ ფიზიკური მიზეზ-შედეგობრიობის, სივრცული ურთიერთობებისა თუ ობიექტების გადაადგილების ღრმა გაგება.
პრაქტიკული შედეგი: LLM-ები სივრცულ ამოცანებში ჩავარდება, ფიზიკური ამოცანების გეგმა მათ სუსტი აქვს, ხშირ შემთხვევაში კი ვერიფიკაციის გარეშე ფაქტებს გამოიგონებენ.
სამყაროს მოდელს შეუძლია სიმულაცია: წარმოიდგინოს ათასობით შესაძლო მომავალი, შეაფასოს ისინი და განსაზღვროს, რომელი ქმედება ყველაზე სავარაუდოდ მიაღწევს მიზანს. სწორედ ამიტომ ფიქრობს ივ ლეკუნი და სხვა წამყვანი AI-მეცნიერები, რომ სამყაროს მოდელები AI-ის მომდევნო თაობის ქვაკუთხედია — სისტემებისა, რომლებიც სამყაროს შესახებ საუბარს კი არ გააგრძელებენ, არამედ მასში მოქმედებენ.
ცნობილი მაგალითები
Meta V-JEPA 2 (2025 წლის ივნისი) — 1,2 მილიარდი პარამეტრის მქონე სამყაროს მოდელი, ერთ მილიონ საათზე მეტ ვიდეოზე გაწვრთნილი. მას შეუძლია რობოტის სამანიპულაციო ამოცანების დაგეგმვა სრულიად უცნობ გარემოში — ყოველგვარი რობოტის მონაცემების გარეშე.
Google DeepMind Genie 3 (2025 წლის აგვისტო) — ტექსტური აღწერიდან ინტერაქტიულ 3D-სამყაროებს ქმნის, ფიზიკის, წყლისა და განათების სიმულაციით. Waymo-მ ეს ხელსაწყო გამოიყენა ავტონომიური ავტომობილებისთვის იშვიათი საგზაო სიტუაციების სინთეზისთვის.
NVIDIA Cosmos 3 (2026 წლის ივნისი) — ღია წონების ომნიმოდალური მოდელი, 20 ტრილიონ ტოკენზე გაწვრთნილი. ვიდეოს გარდა, ის გენერირებს ფიზიკურ ქმედებებს — რობოტის სახსრების კუთხეებს და ტრაექტორიებს. Agility Robotics-ი და Figure AI-ი მის გამოყენებას ადასტურებენ.
Alibaba Qwen WebWorld (2026 წლის მაისი) — სამყაროს მოდელის კონცეფცია ბრაუზერს გადააქვს: ვებგვერდის მდგომარეობის პროგნოზი მომხმარებლის ქმედებიდან გამომდინარე. გამოიყენება AI-ბრაუზინგ-აგენტების სიმულატორში გასაწვრთნელად.
სად გამოიყენება დღეს
ყველაზე აქტიური სფეროა რობოტიკა. ფიზიკური რობოტების სწავლება რეალობაში ნელი და ძვირია; სამყაროს მოდელები შეუზღუდავ სინთეტიკურ გარემოს ქმნის. Meta V-JEPA 2 სამანიპულაციო ამოცანების დაგეგმვას ადრეული მიდგომებისგან მნიშვნელოვნად ნაკლები მონაცემებით ახდენს.
ავტონომიური ავტომობილები — მეორე ძირითადი სფეროა. იშვიათ, სახიფათო სიტუაციებს — ავარიების გამომწვევებს — ვერ ვაგროვებთ საკმარის რაოდენობაში რეალურ გზებზე. სამყაროს მოდელები მათ სიმულაციაში ქმნიან.
თამაშები და ინტერაქტიული მედია — მზარდი ფრონტია. Fei-Fei Li-ის მიერ დაარსებული World Labs ტექსტიდან ან ფოტოდან 3D-სამყაროებს გენერირებს, Unreal Engine-სთვის ექსპორტის შესაძლებლობით; ხელმისაწვდომია უფასო გეგმა.
სიახლეებში
Alibaba-მ ახლახანს ღია კოდით გამოაქვეყნა Qwen WebWorld — სამყაროს მოდელი ვებ-ბრაუზინგის ამოცანებისთვის, რომელმაც AI-აგენტების ბენჩმარქებში GPT-5.4 გადააჭარბა. ეს კიდევ ერთი მოწმობაა, რომ სამყაროს მოდელები რობოტიკის ლაბორატორიებს სცდება. სფეროს ფართო სურათი იხილეთ AI კვლევის ჰაბში.
ხშირად დასმული კითხვები
სამყაროს მოდელი სიმულაციის იგივეა?
არა. სიმულაცია ხელნაკეთია — ფიზიკის ძრავები ინჟინრების მიერ დაწერილი წესებით. სამყაროს მოდელი ისწავლება მონაცემებიდან და განაზოგადებს სიტუაციებზეც, რომელიც შემქმნელებს პირდაპირ არ გაუთვალისწინებიათ.
სამყაროს მოდელები LLM-ებს ანაცვლებს?
არა — ისინი სხვადასხვა პრობლემებს წყვეტენ. LLM-ები ენობრივ ამოცანებში ბრწყინავენ. სამყაროს მოდელები — სივრცულ, ფიზიკურ და ქმედებაზე ორიენტირებულ ამოცანებში. სამომავლო AI სისტემები ალბათ ორივეს გააერთიანებს.
დღეს შეიძლება სამყაროს მოდელის გამოყენება?
დიახ. Meta V-JEPA 2 ღია წყაროა GitHub-ზე და Hugging Face-ზე (კომერციული გამოყენება დაშვებულია). NVIDIA Cosmos 3 ღია წონებია. Alibaba Qwen WebWorld ხელმისაწვდომია Hugging Face-ზე. World Labs-ს უფასო გეგმაც აქვს.
ციფრული ტყუპისგან (Digital Twin) რით განსხვავდება?
ციფრული ტყუპი ერთი კონკრეტული ობიექტის — ქარხნის ან ავტომობილის — ცოცხალი ვირტუალური ასლია, რეალური სენსორების მონაცემებით. სამყაროს მოდელი კი ზოგადი სწავლებული პრედიქტორია, რომელიც სხვადასხვა გარემოზე ადაპტირდება — ერთი კონკრეტული ობიექტის ასახვა მას არ ევალება.