हाल ही में, Meta AI टीम ने वीडियो संयुक्त एम्बेडिंग पूर्वानुमान ढांचे (V-JEPA) मॉडल पेश किया है, यह नवाचार मशीन इंटेलिजेंस के विकास को बढ़ावा देने के उद्देश्य से किया गया है। मनुष्य स्वाभाविक रूप से दृश्य संकेतों से जानकारी को संसाधित कर सकता है, जिससे वह अपने चारों ओर की वस्तुओं और गति पैटर्नों की पहचान कर सकता है। मशीन लर्निंग का एक महत्वपूर्ण लक्ष्य उन मूलभूत सिद्धांतों को उजागर करना है जो मानव को बिना पर्यवेक्षण के सीखने के लिए प्रेरित करते हैं। शोधकर्ताओं ने एक महत्वपूर्ण धारणा प्रस्तुत की - पूर्वानुमान विशेषता सिद्धांत, जो मानता है कि निरंतर संवेदी इनपुट के प्रतिनिधित्वों को एक-दूसरे की पूर्वानुमान क्षमता होनी चाहिए। प्रारंभिक शोध विधियाँ धीमी विशेषता विश्लेषण के माध्यम से हैं।

हाल ही में, Meta के एआई प्रमुख वैज्ञानिक Yann LeCun के नेतृत्व में एक शोध ने दिखाया है कि कैसे आर्टिफिशियल इंटेलिजेंस वीडियो देखकर बुनियादी भौतिकी की समझ विकसित कर सकता है। यह शोध Meta FAIR, पेरिस विश्वविद्यालय और EHESS के वैज्ञानिकों द्वारा संयुक्त रूप से किया गया, यह दर्शाता है कि एआई सिस्टम पूर्व निर्धारित नियमों के बिना आत्म-निगरानी की शिक्षा के माध्यम से सहज भौतिक ज्ञान प्राप्त कर सकते हैं। शोध टीम ने एक नए दृष्टिकोण 'वीडियो ज्वाइंट एम्बेडिंग प्रीडिक्शन आर्किटेक्चर (V-JEPA)' का उपयोग किया।