Джим Фан, управляющий направлением робототехники в NVIDIA, озвучил значительные изменения в области искусственного интеллекта, отметив, что фокус на предсказании следующего слова устарел. По его словам, новый приоритет заключается в предсказании физических состояний окружающей среды. Современные VLA-модели роботов строятся на базе языковых, однако большая часть их параметров сосредоточена на фактах, например, «это логотип Coca-Cola», вместо физических закономерностей, вроде «при наклоне бутылки жидкость выльется». Это создает архитектурные ограничения. Фан также привел интересный пример: приматы, играющие в гольф-кары, могут хуже понимать язык, чем модели как BERT, при этом значительная часть их коры мозга отвечает за зрительное восприятие. Он предполагает, что в скором времени «модели мира», основанные на предсказании будущих состояний по действиям, станут основой для умных роботов, что будет происходить в визуальном пространстве без необходимости перевода в текст. Это редкое признание о возможных ошибках в текущем технологическом направлении. новая модель Alpamayo от NVIDIA новая модель ИИ Alpamayo-R1 новая платформа Nvidia Rubin