Import AI: LLM-begränsningar, rymdkrig och Googles Genie 4
Veckans Import AI-utgåva tar upp flera intressanta teman: att stora språkmodeller (LLM:er) presterar dåligt på uppgifter som kräver låg latens (snabb responstid), samt Googles nya Genie 4 som är en generativ världsmodell för spelliknande miljöer. Numret diskuterar också hur LLM:er själva resonerar kring bildigenkänningsmodeller – ett lite meta perspektiv på hur AI utvärderar AI.
Djupdykning
Genie 4 är Googles senaste generativa världsmodell – tänk på det som en AI som inte bara förstår video utan kan simulera interaktiva miljöer utifrån dem, vilket är ett rejält steg mot AI som kan lära sig att agera i världen utan explicit programmering. Det som ofta missas i diskussionen om sådana modeller är att de egentligen handlar om ett djupare problem: hur bygger man AI som förstår fysik och kausalitet, inte bara mönster i pixlar? Parallellt pekar forskning på en strukturell spänning som LLM-bolagen helst inte pratar högt om – stora språkmodeller är dåliga på uppgifter som kräver låg latens och exakt timing, vilket gör dem olämpliga för en hel kategori av realtidsapplikationer där millisekunder spelar roll. Det är anledningen till att vi ser en splittrad AI-stack växa fram, där specialiserade modeller för snabba uppgifter lever bredvid tunga resonemangsmotorer. Att Spacewar – ett av världens äldsta datorspel från 1962 – dyker upp i sammanhanget är inte slumpmässigt: det är ett klassiskt testbed för att mäta reaktionsförmåga och beslutsfattande under tidspress, och det faktum att forskare återvänder till det säger en del om hur grundläggande utmaningarna fortfarande är.