Например, глядя, как стакан или яблоко падают со стола на пол, нейросеть понимаем, что любые предметы стремятся упасть вниз. А некоторые из них могут и повредиться.
Затем учёные показывают нейросети начало какой-либо сцены - например, падающую со стола чашку - и просят предсказать, чем это закончится.

Одна из серьёзных особенностей этой нейросети в том, что она анализирует не пиксели на видео, а всю картину целиком, понимая смысл происходящего. Исследователи хотят научить модель делать более сложные и долгосрочные прогнозы.

Нейросеть хоть и носит неблагозвучное русскому уху название V-JEPA, представляет собой большой шаг вперед в области искуственного интеллекта.

Мета планирует дополнить функционал модели аудиоанализом, а в перспективе её можно будет использовать для AR-очков и других технологий дополненной реальности.

Скорее всего мы более детально обсудим эту новость в воскресенье в еженедельном подкасте Экспатпренёров. Подписывайтесь, если вам интересен маркетинг на международке.