👁 Исследователи DeepMind, Гарварда и Стэнфорда обсуждают путь к AGI через зрение

В статье Visual General Intelligence авторы предлагают развивать ИИ, который учится на изображениях, видео, трёхмерной геометрии и взаимодействии с окружающей средой.

Такая система должна уметь:

* строить модель мира — понимать объекты, пространство и связи между ними;
* запоминать изменения — сохранять представление о происходящем между наблюдениями;
* предсказывать последствия действий и учитывать скрытые части сцены;
* собирать недостающую информацию — выбирать, куда посмотреть перед действием;
* учиться на новом опыте, обновляя накопленные знания.

Среди возможных компонентов — генерация видео, реконструкция сцен, долговременная память, непрерывное обучение и робототехника.

Оценивать такие системы авторы предлагают по способности предсказывать, адаптироваться и действовать в незнакомой среде. Ответов на вопросы по картинкам и реалистичного видео для этого недостаточно.

Работа объединяет несколько исследовательских подходов. Готовой архитектуры AGI в ней пока нет.

Статья - https://arxiv.org/abs/2608.25924