Nvidia bichero su propia marca de modelos mundiales

Nvidia se está adentrando en los modelos mundiales: modelos de IA que se inspiran en los modelos mentales del mundo que los humanos desarrollan de forma natural.

En CES 2025 en Las Vegas, la compañía anunció que pondrá a disposición de forma abierta una comunidad de modelos mundiales que pueden predecir y crear videos “conscientes de la física”. Nvidia apasionamiento a esta comunidad Cosmos World Foundation Models, o Cosmos WFM para abreviar.

Los modelos, que se pueden ajustar para aplicaciones específicas, están disponibles en los catálogos API y NGC de Nvidia, GitHub y la plataforma de exposición de IA Hugging Face.

“Nvidia está poniendo a disposición la primera ola de Cosmos WFM para simulación basada en física y vivientes de datos sintéticos”, escribió la compañía en una publicación de blog proporcionada a TechCrunch. “Los investigadores y desarrolladores, independientemente del tamaño de su empresa, pueden utilizar independientemente los modelos Cosmos bajo la permisiva osadía de maniquí despejado de Nvidia que permite el uso comercial”.

Hay varios modelos en la comunidad Cosmos WFM, divididos en tres categorías: Nano para aplicaciones de mengua latencia y en tiempo actual, Super para modelos “básicos de suspensión rendimiento” y Intolerante para resultados de máxima calidad y fidelidad.

Los modelos varían en tamaño desde 4 mil millones a 14 mil millones de parámetros, siendo Nano el más pequeño y Intolerante el más sobresaliente. Los parámetros corresponden aproximadamente a las habilidades de resolución de problemas de un maniquí, y los modelos con más parámetros generalmente funcionan mejor que aquellos con menos parámetros.

Como parte de Cosmos WFM, Nvidia además está lanzando un “maniquí de muestreo superior”, un decodificador de video optimizado para existencia aumentada y modelos de comulgatorio para respaldar un uso responsable, así como modelos ajustados para aplicaciones como la vivientes de datos de sensores para el exposición de vehículos autónomos. . Estos, así como los otros modelos Cosmos WFM, fueron entrenados en 9.000 billones de tokens de 20 millones de horas de interacciones humanas, ambientales, industriales, robóticas y de conducción en el mundo actual, dijo Nvidia. (En IA, los “tokens” representan bits de datos sin procesar; en este caso, secuencias de video).

Nvidia no dijo de dónde provienen estos datos de capacitación, pero al menos un mensaje (y una demanda) alega que la compañía entrenó sin permiso con videos de YouTube protegidos por derechos de autor.

Cuando se le contactó para hacer comentarios, un portavoz de Nvidia le dijo a TechCrunch que Cosmos “no está diseñado para copiar o infringir ninguna obra protegida”.

“El cosmos aprende del mismo modo que aprende la parentela”, afirmó el portavoz. “Para ayudar a Cosmos a estudiar, recopilamos datos de una variedad de fuentes públicas y privadas y estamos seguros de que nuestro uso de los datos es consistente tanto con la letrilla como con el espíritu de la ley. Datos sobre cómo funciona el mundo, que es lo que aprenden los modelos de Cosmos – no tienen derechos de autor ni están sujetos al control de ningún autor o empresa individual”.

La historia continúa

Dejando de flanco el hecho de que modelos como Cosmos en existencia no aprenden como aprende la parentela, los expertos en derechos de autor dicen que afirmaciones como las de Nvidia, que se basan en la doctrina legítimo del uso seguro, pueden no resistir el indagación procesal. Que estas empresas prevalezcan dependerá en gran medida de cómo los tribunales decidan el uso seguro, que permite el uso de obras protegidas por derechos de autor para crear poco nuevo siempre que sea transformador, y se aplica a la formación en IA.

Nvidia afirmó que los modelos Cosmos WFM, con fotogramas de texto o vídeo, pueden crear datos sintéticos “controlables y de suscripción calidad” para iniciar el entrenamiento de modelos para robótica, coches sin conductor y más.

“El conjunto de modelos abiertos de Nvidia Cosmos significa que los desarrolladores pueden personalizar los WFM con conjuntos de datos, como grabaciones de vídeo de viajes de vehículos autónomos o robots que navegan por un almacén”, escribió Nvidia en un comunicado de prensa. “Los Cosmos WFM están diseñados específicamente para la investigación y el exposición de la IA física, y pueden crear videos basados ​​en la física a partir de una combinación de entradas, como texto, imágenes y video, así como sensores de robots o datos de movimiento”.

Nvidia dijo que empresas como Waabi, Wayve, Fortellix y Uber ya se han comprometido a poner a prueba los WFM Cosmos para diversos casos de uso, desde búsqueda y curación de videos hasta la construcción de modelos de inteligencia fabricado para vehículos autónomos.

“La IA generativa impulsará el futuro de la movilidad, requiriendo datos enriquecidos y computación muy poderosa”, dijo el director ejecutante de Uber, Dara Khosrowshahi, en un comunicado. “Al trabajar con Nvidia, estamos seguros de que podemos ayudar a impulsar el cronograma de soluciones de conducción autónoma seguras y escalables para la industria”.

Es importante señalar que los modelos mundiales de Nvidia no son de “código despejado” en el sentido más puro. Para cumplir con una definición ampliamente aceptada de IA de “fuente abierta”, un maniquí de IA debe proporcionar suficiente información sobre su diseño para que una persona pueda recrearlo “sustancialmente” y revelar cualquier detalle pertinente sobre sus datos de entrenamiento, incluida la procedencia y cómo se pueden obtener o graduarse los datos.

Nvidia no ha publicado los detalles de los datos de entrenamiento de Cosmos WFM ni ha puesto a disposición todas las herramientas necesarias para divertir los modelos desde cero. Probablemente esa sea la razón por la que el superhombre tecnológico se refiere a los modelos como “abiertos” en empleo de código despejado.

“Efectivamente esperamos [Cosmos will] hacer por el mundo de la robótica y la IA industrial lo que Fuego… ha hecho por las empresas”, dijo el CEO de Nvidia, Jensen Huang, en el tablado durante un evento de prensa el lunes.