JEPA Янна Лекуна эволюционировала. Вот на что она способна.

В этом выпуске подкаста «Внимание» мы рассмотрим три недавние статьи из журнала JEPA и то, что они раскрывают об обучении прогнозированию, планированию и действиям: H-JEPA изучает разные уровни абстракции, связывая долгосрочные планы с движениями, необходимыми для их выполнения. DeepJEPA учится, когда следует тратить дополнительные вычисления на уточнение прогноза, при этом большая часть работы сосредоточена на контактах и ​​взаимодействиях между объектами. RoboJEPA масштабирует количество параметров прогнозирования с 22 миллионов до 8 миллиардов, опираясь на опыт двенадцати воплощений роботов и тестируя планирование на физическом роботе. Попутно мы объясним понятие встраивания, свяжем иерархическое планирование с идеей 1970-х годов и вернемся к нашим предыдущим выпускам о JEPA и моделях, основанных на энергии. Вопрос, пронизывающий все три статьи: что нужно машине, чтобы достаточно хорошо прогнозировать и выбирать, что делать дальше? Ведущая — Ксения Се. В подкасте «Внимание» мы исследуем, как работает ИИ, откуда берутся его идеи и что сейчас изучают исследователи. Подпишитесь, чтобы получать больше объяснений ИИ с технической ясностью и историческим контекстом. Больше анализа: https://www.turingpost.com Интервью и концентрация внимания:    / @turingpost_tv   УПОМЯНУТЫЕ ССЫЛКИ H-JEPA: Сквозное обучение иерархических моделей мира для визуального планирования https://h-jepa.com/ https://arxiv.org/abs/2610.06805 DeepJEPA https://arxiv.org/abs/2610.00368 RoboJEPA https://robojepa.github.io/ https://arxiv.org/abs/2610.10515 Наш предыдущий эпизод: За пределами LLM: JEPA и путь к AGI    • Beyond LLMs: JEPA and the Road to AGI – th...   Наш эпизод об EBM    • Energy-Based Models Explained: The AI Beyo...   Янн ЛеКун: Путь к автономному машинному интеллекту https://openreview.net/pdf?id=BZ5a1r-... #Внимание #JEPA #МировыеМодели #ИИ #Робототехника #ЯннЛеКун #МашинноеОбучение #TuringPost