👁 Исследователи DeepMind, Гарварда и Стэнфорда обсуждают путь к AGI через зрение В статье Visual General Intelligence авторы предлагают развивать ИИ, который учится на изображениях, видео, трёхмерной геометрии и взаимодействии с окружающей средой. Такая система должна уметь: * строить модель мира — понимать объекты, пространство и связи между ними; * запоминать изменения — сохранять представление о происходящем между наблюдениями; * предсказывать последствия действий и учитывать скрытые части сцены; * собирать недостающую информацию — выбирать, куда посмотреть перед действием; * учиться на новом опыте, обновляя накопленные знания. Среди возможных компонентов — генерация видео, реконструкция сцен, долговременная память, непрерывное обучение и робототехника. Оценивать такие системы авторы предлагают по способности предсказывать, адаптироваться и действовать в незнакомой среде. Ответов на вопросы по картинкам и реалистичного видео для этого недостаточно. Работа объединяет несколько исследовательских подходов. Готовой архитектуры AGI в ней пока нет. Статья - https://arxiv.org/abs/2608.25924