Động Sát Beating Tin nhanh AI, AMI Labs do Yann LeCun sáng lập phối hợp với các nhà nghiên cứu Đại học Brown công bố bài báo mới "Counterfactual World Models", cho phép mô hình thế giới JEPA dựa trên kết quả thực tế của một hành động để suy luận liệu nếu lúc đó đổi hành động khác thì có thể tránh được thất bại hay không. Năng lực này gọi là "suy luận phản thực tế".
Ví dụ, robot cần giao hàng đến vị trí chỉ định nhưng bị một cơn gió thổi lệch. Làm sao nó phân biệt được là mình đã chọn sai hướng, hay do gió quá lớn khiến nhiệm vụ thất bại? Mô hình thế giới thông thường có thể dự đoán các hành động khác nhau thường mang lại kết quả gì, nhưng không biết lần này gió đã gây ảnh hưởng lớn đến mức nào.
Phương pháp mới sử dụng độ lệch giữa kết quả thực tế và dự đoán ban đầu để ước lượng ảnh hưởng của nhiễu loạn bên ngoài lần này, rồi suy luận nếu lúc đó chọn hành động khác thì kết quả sẽ khác thế nào. Toàn bộ quá trình chỉ cần gọi bộ dự đoán hiện có hai lần, không cần huấn luyện thêm mô hình phản thực tế. Robot có thể phán đoán sau khi sự việc xảy ra liệu đổi hành động khác có cơ hội hoàn thành mục tiêu hay không.
Trong bốn môi trường mô phỏng vật lý, nhóm nghiên cứu báo cáo rằng tỷ lệ mô hình tìm ra được hành động lẽ ra có thể hoàn thành mục tiêu sau khi sự việc xảy ra đạt 35%–69%, trong khi phương pháp đối chứng chỉ đạt 14%–23%. Ngay cả khi phương pháp đối chứng biết quy tắc vật lý thực sự của môi trường mô phỏng, miễn là không biết nhiễu loạn thực tế đã xảy ra lần này, hiệu suất vẫn thấp hơn.
Tuy nhiên, phương pháp này yêu cầu ảnh hưởng của hành động và nhiễu loạn bên ngoài có thể xấp xỉ cộng dồn. Nếu xảy ra va chạm, hoặc lỗi động cơ khiến các chỉ lệnh khác nhau chịu ảnh hưởng khác nhau, dự đoán có thể không chính xác. Hiện tại nghiên cứu vẫn giới hạn trong môi trường mô phỏng, chưa xác minh hiệu quả điều khiển thực tế trên robot thật.
