Zusammenfassung:
Ich glaube, in den letzten zwei Tagen waren alle von den verschiedenen unglaublichen Gameplay-Elementen des GPT-6 Astra überwältigt: Vollständige 3D-Modellierung in einem Satz, Erstellen eines kompletten Spiels von Grund auf, Zerlegen von Tausenden von Teilen auf einen Blick und Verwenden Sie es sogar zur Steuerung von Robotern ... Kurz gesagt, es ist unglaublich leistungsstark. Netizens haben ein übertriebenes Sprichwort: Solange man langsam lernt, muss man nicht lernen. Aber GPT-6 Astra vermittelt den Menschen das Gefühl, dass die Komplexität, die ursprünglich viele Bereiche plagte, plötzlich gelöst zu sein scheint, sobald es herauskommt.
Dieser Trend sollte nicht unterschätzt werden, aber die aktuellen Fähigkeiten des Modells sollten nicht überbewertet werden. In diesem Artikel werden wir eine Bestandsaufnahme des unglaublichen Gameplays von GPT-6 Astra und seiner aktuellen Einschränkungen machen.
3D-Modellierung
Wird es plötzlich einfacher?
Astras intensivste Bildschirmwischfunktion in den letzten zwei Tagen ist wahrscheinlich 3D.
Jemand hat damit direkt 3D-Züge generiert:
Beide Züge werden direkt von Astra mithilfe von TypeScript und Three.js-Code generiert, wenn sie im Browser ausgeführt werden. Die Körpergröße, der Umriss und verschiedene geometrische Strukturen ergeben sich aus den Größenparametern, dem Profil und der Geometriefunktion im Code. Die Radbewegung ist der Code, und die Animation des gesamten Zuges, der explodiert, Teile auseinanderfallen und sich wieder zusammensetzen, ist ebenfalls alles Code.
Außerdem können diese Modelle nach der Herstellung in Einzelteile zerlegt werden. Eine Kamera lässt sich in 122 Baugruppen und 1877 individuell modellierte Teile zerlegen. Die Ausführung der gesamten Aufgabe dauerte etwa 3 Stunden. Der Autor sagte, er habe nie gedacht, dass Three.js (eine JavaScript-Bibliothek zum Erstellen und Anzeigen von 3D-Grafiken im Browser) auf diese Weise verwendet werden könnte.
Die Kamera ist zerlegbar, ebenso wie der Tesla. Jemand hat es in 334 Modellteile zerlegt, und die Namen, Nummern und Grundstrukturen dieser 334 Teile sind offiziell und nicht von der KI erfunden. Natürlich handelt es sich nur um einen sehr groben Teardown auf Frame-Ebene, der bei weitem nicht den Detaillierungsgrad erreicht, der für einen 3D-Teardown erforderlich ist.
Interessanterweise war dieser Autor nach der Demontage von Tesla nicht zufrieden und erstellte sogar eine Website zum „Demontage eines Mannes (männlich)“: Die 2234 Modellteile des gesamten Körpers können einzeln angezeigt und den Quelldateien zugeordnet werden.
Als einige Leute diese Fälle sahen, riefen sie: „Der Himmel stürzt für Studenten der 3D-Modellierung ein.“
Aber einige Leute sagen, dass die aktuellen direkten Ergebnisse der KI noch nicht kommerziell verfügbar sind.
Darüber hinaus ist auch die Stabilität ein großes Problem. Schließlich braucht es immer noch Leute, die Fehler beheben.
Die Bedeutung dieser Demos besteht nicht nur darin, zu beweisen, dass Astra modellieren kann. Noch wichtiger ist, dass es eine neue Art der Interaktion zeigt: Menschen müssen keine komplexe 3D-Software mehr erlernen, sondern können die Welt, die sie wollen, direkt beschreiben und die KI für die Übersetzung von Ideen in räumliche Strukturen verantwortlich machen.
In der Vergangenheit war die 3D-Modellierung die Schwelle zum Eintritt in die digitale Welt; In Zukunft könnte es zu einer grundlegenden Fähigkeit der KI werden, die reale Welt zu verstehen und zu generieren. Bis zu wirklich industrietauglichen Anwendungen ist es natürlich noch ein langer Weg, aber der Weg wird immer klarer.
Sie müssen keine Software erlernen?
Astra, geh rein
In der offiziellen Positionierung von OpenAI sind Computernutzung und Browsernutzung die Trumpffunktionen von GPT-6 Astra. In einem Canva-Gemäldebeispiel sehen wir dies in Aktion.
In diesem Fall bat der Internetnutzer Astra, ihn in Canva zu zeichnen (wobei das Porträt von einem Referenzfoto nachgebildet wurde). Während des Zeichenvorgangs kann Astra die Canva-Oberfläche direkt im Browser steuern: Werkzeuge auswählen, präzise klicken/ziehen, Schicht für Schicht zeichnen (vom Hintergrund über den Körper, die Arme bis hin zu Gesichtsdetails) und schließlich ein sehr ähnliches halbrealistisches Porträt im Pixelstil fertigstellen.
Dazu gehören auch langfristige mehrstufige Vorgänge (Autoren-Feedback dauert ca. 1 Stunde), Werkzeugwechsel (Chrome wechselt in den Computernutzungsmodus, wenn auf halbem Weg ein Problem auftritt) sowie ein extrem hohes Verständnis der Benutzeroberfläche und eine feine Steuerungsgenauigkeit.
Fable 5.1 nebenan erhielt ebenfalls die gleiche Aufforderung, aber das Ergebnis enttäuschte die Internetnutzer:
Er ist nicht der Einzige, der dieses Experiment durchführt. Ein anderer Internetnutzer machte ebenfalls das gleiche Foto und bat zwei KIs, es zu zeichnen. Die Ergebnisse waren ähnlich: Astra ist realistischer, Fable 5.1 ist kostenloser und einfacher ...
Videolink: https://mp.weixin.qq.com/s/6tOR2GptUa97ffW-jWJF2Q
Einige Internetnutzer wiesen jedoch darauf hin, dass die endgültigen visuellen Effekte dieser Dinge nicht im Mittelpunkt stehen. Wichtig ist, dass von Astra unterstützte Agenten Blender, Unreal Engine und Browser bereits selbst bedienen und Eingabeaufforderungen direkt in Projektdateien umwandeln können.
In den letzten Tagen waren „Astra nutzt Blender, um den San Francisco Palace of Fine Arts wieder aufzubauen“, „Eine alte Dampfzugzeichnung wurde in Blender in 3295 bearbeitbare Objekte verwandelt“ und „600 Astra-Agenten, die in derselben unwirklichen Welt leben“ typische Beispiele in dieser Richtung.
Videolink: https://mp.weixin.qq.com/s/6tOR2GptUa97ffW-jWJF2Q
Ein weiterer interessanter Fall ist das „Klavierspielen“. OpenAI-Mitarbeiter Victor E. Nunez bat Astra, ein Online-Klavier zu finden und „River Flows in You“ mithilfe der Computernutzung zu spielen. Während des Ausführungsprozesses suchte und öffnete Astra selbst eine virtuelle Online-Klavier-Website und nutzte dann Computer Use, um die Computerschnittstelle direkt zu steuern: Klicken Sie mit der Maus als „rechte Hand“ und klicken Sie auf die Klaviertasten. Die Tastatursteuerung wird als „linke Hand + schneller Absatz“ behandelt. Die beiden traten gleichzeitig auf, kontrollierten den Rhythmus und die Notendauer genau und führten das Lied „River Flows in You“ vollständig auf.
Videolink: https://mp.weixin.qq.com/s/6tOR2GptUa97ffW-jWJF2Q
Interessanter ist, dass Astra den Bildschirm selbst aufgenommen und dieses Demonstrationsvideo bearbeitet hat. Der gesamte Prozess ist durchgängig: vom Verstehen der Aufgabe → Finden der Website → Laden des Instruments → Spielen in Echtzeit, ohne manuelle Eingriffe in die Zwischenschritte.
Diese Fälle zeigen, dass der GPT-6 Astra einen neuen Höhepunkt in der Verwendung von Agentencomputern erreicht hat, wobei Geschwindigkeit, Genauigkeit, Multi-Tool-Parallelität und Echtzeit-Feedback-Fähigkeiten ein sehr hohes Niveau erreichen.
Vielleicht können die Menschen in Zukunft aufhören, darüber nachzudenken, wie sie die Fähigkeiten einer bestimmten professionellen Software in KI-Funktionen umwandeln können, und die Software einfach der KI übergeben. Die Möglichkeit, jede für den Menschen konzipierte Software bedienen zu können, erweitert die Anwendungsszenarien der KI enorm.
Außerhalb des Bildschirms
Astra beginnt, den Roboter zu steuern
Ganz gleich, wie empörend die vorherigen Demos waren, sie fanden im Grunde alle auf dem Computer statt.
Der vom Internetnutzer Jay Chooi durchgeführte Test war anders: Sie verbanden Astra tatsächlich mit dem Roboterarm.
Eine der Aufgaben besteht darin, den Roboterarm Blöcke in eine Schüssel legen zu lassen. GPT-6 Astra wurde 20 Mal durchgeführt und die Erfolgsquote erreichte 95 %; die Kontrolle Fable 5.1 betrug 40 %. Gleichzeitig beträgt die Anzahl der ausgegebenen Token nur etwa 16 % der letzteren und ihre Kosten nur etwa 43 % der letzteren.
Noch wichtiger ist, dass es keine Demonstration oder Feinabstimmung von Astra für diese Aufgabe gibt. Jay Chooi fügte später ausdrücklich hinzu, dass es sich um einen Zero-Shot-Test handele. Das Modell ist dafür verantwortlich, die Position und Lage des Endeffektors des Roboterarms anzugeben und diese dann durch den automatischen inversen Kinematiklöser in eine Bewegung des Roboterarms umzuwandeln.
Da sich die Ausgabegeschwindigkeit großer Modell-Token beschleunigt, prognostiziert Jay Chooi optimistisch, dass LLM bereits Ende dieses Jahres und erst 2029 in der Lage sein wird, den Roboterarm in Echtzeit zu steuern.
Yu Xiang, ein ehemaliger Forschungswissenschaftler bei NVIDIA, wies weiter darauf hin, dass die nächste Herausforderung der Robotik darin bestehen könnte, fortschrittliche KI-Modelle wirklich zur Steuerung zu nutzen. Es reicht nicht aus, sie lediglich als Agenten zum Aufrufen von Wahrnehmungs- und Planungsmodulen zu nutzen. Wir brauchen neue Wege, um diese Modelle mit der physischen Welt zu verbinden.
Solche Ergebnisse machen auch neugierig. Was hat OpenAI nach dem Training hinzugefügt, um das Modell so vielseitig zu machen? Oder gibt es einen Durchbruch in der Vorschulung?
Studieren Sie noch?
Nachdem sie dies gelesen hatten, beklagten einige Leute, dass KI sich nicht mehr damit zufrieden gibt, ein Bild zu erzeugen, sondern begonnen hat, zu versuchen, „die Welt zu rekonstruieren“.
Natürlich stellt sich die Frage: Wenn KI modellieren, Code schreiben, Software bedienen und sogar beginnen kann, die physische Welt zu berühren, wie viele der Fähigkeiten, die wir heute so hart erlernt haben, werden dann noch in ihrer jetzigen Form existieren?
Auf diese Frage gibt es derzeit sicherlich keine Antwort. Es gibt immer noch viele Dinge an Astra, die instabil, rau oder gar unbrauchbar sind, aber was in diesen beiden Tagen wirklich beunruhigend und aufregend ist, könnte genau das sein: Zum ersten Mal ist es möglich geworden, viele komplexe Vorgänge, die von Menschen standardmäßig beherrscht werden müssen, als Ganzes für die KI zu verpacken.
Auf die Frage „Soll ich es in Zukunft noch lernen?“ lautet die Antwort definitiv, dass ich es noch lernen muss. Es ist nur so, dass wir möglicherweise überdenken müssen, was es wert ist, gelernt zu werden.
Kommentare