محققان در دستاورد جدیدی به سراغ رفع یکی از چالشهای بنیادین در مدلهای پیشبینیکننده (World Models) رفتهاند. تا پیش از این، معماریهای مبتنی بر JEPAs تنها زمانی دقت بالایی داشتند که سیستمهای فیزیکی از توزیعهای آماری خاص (گوسی) پیروی میکردند که باعث میشد با گذشت زمان، خطا در مدلها افزایش یابد.
حالا با معرفی معماری جدید PGSA (Physics-Grounded Symbolic Architecture)، این محدودیت شکسته شده است! این مدل نه تنها برای تمام سیستمهای فیزیکی «شناسایی دقیق» (Exact Identifiability) را ممکن میکند، بلکه به لطف پیوند با منطق نمادین، میتواند پایداری زمانی را تقریباً بینهایت حفظ کند.
این یعنی هوش مصنوعی در درک قوانین فیزیک و پیشبینی آینده، یک گام بزرگ به واقعیت نزدیکتر شده است. 🚀
منبع: arXiv Machine Learning