В мире искусственного интеллекта произошло событие, которое может кардинально изменить подход к обучению нейросетей. Компания NVIDIA, известная своими графическими процессорами и платформой CUDA, тайно разработала новый язык программирования, который позволяет ИИ самостоятельно постигать законы физики. Результатом этой работы стала модель Cosmos 3, которая, по заявлениям разработчиков, обошла по ключевым показателям знаменитую Veo 3 от Google DeepMind. Что стоит за этим прорывом и почему он так важен для будущего робототехники и Physical AI?
Секретный язык для обучения физике
В отличие от традиционных подходов, где нейросети обучаются на огромных массивах видеоданных и текстов, NVIDIA пошла другим путём. Исследователи создали внутренний доменно-специфичный язык (DSL), который описывает физические взаимодействия на фундаментальном уровне. Вместо того чтобы просто «смотреть» на падающие предметы, ИИ учится моделировать гравитацию, трение, инерцию и упругость через формальные правила, заложенные в синтаксис нового языка.
Этот подход напоминает то, как физики выводят уравнения, а не просто запоминают результаты экспериментов. Язык позволяет ИИ генерировать гипотезы о поведении объектов, проверять их в симуляции и корректировать свои внутренние модели без участия человека. По данным источников, знакомых с проектом, система получила рабочее название PhysLang (хотя официального подтверждения от NVIDIA пока нет).
Как это работает на практике
Представьте, что робот должен научиться ставить чашку на стол, не разлив воду. Традиционно для этого требуются тысячи попыток в реальном мире или фотореалистичной симуляции. С новым языком ИИ сначала описывает задачу в терминах физических параметров: масса чашки, центр тяжести, вязкость жидкости, коэффициент трения стола. Затем Cosmos 3 строит внутреннюю симуляцию, которая обновляется в реальном времени.
- Agentic AI — система сама ставит эксперименты и делает выводы.
- Physical AI — обучение происходит с учётом реальных законов природы, а не только визуальных паттернов.
- Vision Language Model — визуальные данные интегрируются с физическими символами для более точного понимания сцены.
Cosmos 3 против Veo 3: в чём преимущество?
Модель Veo 3 от Google DeepMind долгое время считалась эталоном в генерации видео и предсказании движений. Однако, как утверждают инсайдеры, Cosmos 3 превзошла её по трём ключевым метрикам:
- Точность физических предсказаний — на 34% меньше ошибок при моделировании столкновений и деформаций.
- Скорость обучения — благодаря новому языку модель достигает уровня понимания физики в 5 раз быстрее.
- Перенос в реальный мир — роботы, обученные с помощью Cosmos 3, реже ломают объекты и лучше адаптируются к незнакомым поверхностям.
Важно отметить, что Veo 3 остаётся выдающимся инструментом для генерации реалистичного видео. Но там, где требуется взаимодействие с физическим миром — в робототехнике, автономном транспорте, хирургических системах — подход NVIDIA показывает себя убедительнее.
Почему это важно для индустрии
До сих пор одной из главных проблем Physical AI оставался разрыв между симуляцией и реальностью. Нейросети, обученные на видео, часто «не понимают», что предметы имеют вес, что жидкости текут, а трение зависит от материала. Новый язык NVIDIA предлагает способ встроить физику в саму архитектуру обучения, а не надеяться, что модель выучит её из пикселей.
Для разработчиков это означает несколько практических преимуществ:
- Меньше необходимости в дорогостоящих реальных испытаниях.
- Более безопасное обучение роботов (например, манипуляторов на производстве).
- Возможность создавать Agentic AI, которые самостоятельно ставят физические эксперименты.
Тайна вокруг проекта
NVIDIA пока не сделала официального анонса. Утечки появились в виде AI Paper Summary на закрытых форумах для разработчиков, а также в нескольких AI Shorts на YouTube, которые быстро удалили. Тем не менее, энтузиасты уже называют Cosmos 3 «убийцей Veo 3» в нише физического ИИ. Официальный релиз, по слухам, ожидается на конференции GTC в следующем квартале.
Стоит подчеркнуть: даже если часть деталей преувеличена, сам факт появления языка для обучения физике — это серьёзный шаг вперёд. Он меняет парадигму: от «больше данных» к «больше структуры». И, возможно, именно такой подход приблизит нас к созданию по-настоящему универсальных роботов.
Вывод
NVIDIA в очередной раз доказала, что инновации в ИИ не всегда лежат на поверхности. Тайная разработка языка PhysLang и модели Cosmos 3 показывает: будущее за гибридными системами, где нейросети учатся не только на примерах, но и на формальных правилах. Если информация подтвердится, Physical AI и робототехника получат мощный ускоритель, а конкуренция с Google DeepMind перейдёт на новый уровень. Следите за новостями — возможно, нас ждёт самая тихая, но самая важная революция в обучении ИИ за последние годы.
