A Meta lança Modelo de IA para Avançar o Comportamento de Agentes Virtuais no Metaverso

Na quinta-feira, a Meta FAIR lançou várias novas ferramentas de pesquisa e descobertas voltadas para o avanço do aprendizado de máquina e inteligência artificial. Esses lançamentos focam em áreas como desenvolvimento de agentes, robustez, segurança e arquiteturas de aprendizado de máquina.

Entre os destaques estão o Meta Motivo, um modelo de base para o controle de agentes virtuais incorporados, e o Meta Video Seal, um modelo de marca d’água de vídeo projetado para melhorar a rastreabilidade do conteúdo.

Meta Video Seal baseia-se em pesquisas anteriores sobre marca d’água em áudio e permite a incorporação de marcas d’água imperceptíveis em conteúdo de vídeo. O sistema é resistente a modificações comuns, como desfocagem, corte e compressão, oferecendo aplicações práticas para a proteção de mídia digital.

Junto a isso, temos o Omni Seal Bench, uma plataforma de benchmarking para avaliar sistemas de marca d’água em diferentes formatos. Esta plataforma visa promover a colaboração dentro da comunidade de pesquisa.

Meta Motivo introduz uma estrutura para aprendizado de reforço não supervisionado. Ele usa um conjunto de dados de movimento para criar um espaço latente compartilhado para estados, movimentos e recompensas.

O modelo demonstra capacidades como rastreamento de movimento com zero disparos e alcance de metas, mantendo robustez contra variações ambientais como a gravidade e o vento. Essas características têm potenciais aplicações em ambientes virtuais e animação.

Flow Matching, mais um lançamento, oferece uma alternativa aos métodos tradicionais de difusão para modelos gerativos. Ele suporta vários tipos de dados, incluindo imagens, vídeos e estruturas 3D, enquanto melhora a eficiência computacional e o desempenho.

Na área de raciocínio social, a Teoria da Mente do Meta Explore apresenta um método de criação de conjuntos de dados orientados por programa para treinar modelos de IA para raciocinar sobre crenças e pensamentos.

Os testes iniciais indicam melhorias no desempenho do modelo em benchmarks estabelecidos, com implicações para o aprimoramento do raciocínio em grandes modelos de linguagem.

A Meta também introduziu os Modelos de Grandes Conceitos (MGCs), que visam separar as tarefas de raciocínio da representação da linguagem ao prever ideias conceituais em vez de tokens individuais.

Esta abordagem supostamente melhora tarefas como sumarização e processamento multilíngue. Além disso, o Dynamic Byte Latent Transformer elimina a necessidade de tokenização, oferecendo um processamento mais eficiente de sequências longas e textos raros.

Outros lançamentos incluem as Meta Memory Layers, que ajudam a ampliar a incorporação de conhecimento factual nos modelos, e ferramentas para avaliar a geração responsável de imagens.

A integração de agentes de IA com corpos semelhantes aos físicos marca uma mudança significativa no metaverso, possibilitando interações mais realistas e experiências virtuais dinâmicas.

No entanto, esses avanços podem confundir as fronteiras entre os mundos virtual e real, levantando questões sobre privacidade, responsabilidade e o impacto social de agentes virtuais cada vez mais parecidos com a vida real.