Unustage haip — nutikamate robotite saladus on peakomplektiga inimene

Kuigi populaarsed narratiivid viitavad, et humanoidrobotid jõuavad peagi meie ukse taha tänu massiivsetele superarvutitele, on tegelikkus palju maisem. California osariigis San Leandros asuvas vaikses laos meenutab füüsilise tehisintellekti tulevik vähem läikivat laborit ja rohkem Jenga mängu. Tehnoloogiaettevõtte Encord spetsialist-koolitaja Andrew Ceja veedab oma päevi ettevaatlikult tornist puitklotse tõmmates, kandes samal ajal kaamerate ja ajuanduritega varustatud peakomplekti. See ebatavaline seadistus paljastab kaasaegse tehnoloogia kohta olulise tõe: meil on saanud otsa digitaalne kütus, mida on vaja robotite nutikaks muutmiseks.

Silicon Valley on viimase kümnendi jooksul kogunud andmeid igast interneti nurgast, et treenida juturoboteid. Kui sisestate tehisintellektile küsimuse, vastab süsteem inimeste kirjutatud miljardite tekstilehekülgede põhjal. Füüsiliste ülesannete jaoks puudub aga samaväärne "liikumise internet". Robot ei saa õppida särgi voltimist või kaubaaluse virnastamist Vikipeedia artiklit lugedes. See vajab andmeid, mis näitavad, kuidas jõud, nurgad ja kavatsused kolmemõõtmelises maailmas omavahel põimuvad. See füüsilise teabe nappus on peamine põhjus, miks teie kodus puudub endiselt usaldusväärne automatiseeritud koduabiline.

Suur füüsiliste andmete põud

Generatiivse tehisintellekti loogika on lihtne: rohkem andmeid viib paremate tulemusteni. See töötas suurte keelemudelite puhul, sest veeb on lõputu inimliku mõtte raamatukogu. Robotitel seda luksust ei ole. Ettevõtted nagu Encord on nüüd liikumas olemasolevate andmete haldamiselt uute andmete nullist tootmisele. Nad ehitavad sisuliselt digitaalset tehast inimkogemuse jaoks.

Vineeth Velmurugan, kes juhib Encordis robotite õpetamist, on suurte laborite nagu OpenAI veteran. Ta selgitab, et isegi massiivsest videoteegist nagu YouTube ei piisa roboti jaoks keerukate manipulatsioonide õppimiseks. Video vaatamine kohvi valavast inimesest ei ole sama, mis tunda kannu raskust või vedeliku loksumist. Velmurugan hinnangul vajab tööstus füüsilise intelligentsuse läbimurdeks andmekogu, mis on ligikaudu viis korda suurem kui YouTube. See tekitab tohutu pudelikaela, sest selle teabe kogumine nõuab päris inimestelt päris ülesannete täitmist reaalajas. See on aeglane ja manuaalne protsess tööstuses, mis liigub tavaliselt valguse kiirusel.

Mõtete lugemine masinate õpetamiseks

Selle andmetootmise kõige eksperimentaalsem osa hõlmab neurotehnoloogiat. Encord testib praegu Saksa idufirma Zander Labs peakomplekte, et salvestada, mis toimub inimese ajus füüsilise töö ajal. Kui koolitaja nagu Ceja mängib Jengat, jälgib peakomplekt tema ajulaineid, et tuvastada vaimseid seisundeid. Sensorid otsivad üllatuse, vea või intensiivse keskendumise signaale.

Lucas Gehrke, a neuroteadlane Zander Labsist, märgib, et need signaalid pakuvad vihjeid, mida videokaamerad ei märka. Kui inimkoolitaja tunneb hetkelist paanikat, sest torn on ümber kukkumas, on see sisemine reaktsioon väärtuslik andmepunkt. See ütleb tehisintellekti mudelile, et see konkreetne hetk on kriitiline. Märgistades videoandmed ajutegevusega, saavad arendajad õpetada robotitele mitte ainult seda, mida teha, vaid ka seda, millised hetked nõuavad suurimat ettevaatust. See on nagu praktikandile mentori andmine, kes suudab jagada oma instinkte, mitte ainult kasutusjuhendit.

See lähenemine muudab iga inimese liigutuse rikkalikuks, mitmekihiliseks failiks. Andmed sisaldavad videot ülesandest, koolitaja käte asendit ja nende aju elektrilist aktiivsust. See kombinatsioon loob kõrge täpsusega kaardi inimlikest oskustest, mida masin saab lõpuks jäljendada.

Miks teie ekraaniaeg ei saa robotit treenida

Tavatarbija jaoks on lihtne imestada, miks me ei saa nende masinate treenimiseks kasutada miljardeid tunde uksekellade ja turvakaamerate salvestisi. Probleem seisneb perspektiivis. Suurem osa olemasolevast videost on "kolmandas isikus" ja sellel puuduvad täpsed ruumiandmed, mida robot vajab oma jäsemete liigutamiseks. Selle lahendamiseks kasutab Encord "egotsentrilist" videot, mis on filmitud tööd tegeva inimese vaatepunktist.

San Leandros kasutavad piloodid juhitavaid seadmeid (leader-follower rigs). Need on paaristatud robotkäed, kus inimene liigutab ühte komplekti ja robot kopeerib liigutust täpselt. Kui inimene ühendab Etherneti kaabli serverisse või virnastab pokkerimärke, salvestatakse iga pisimgi kohandus. See on palju täpsem kui lihtne video. See jäädvustab ülesande sooritamisega kaasneva pingutuse. Sofia Infante, teine piloot asutuses, demonstreerib kaablite ühendamise keerukust. Isegi täiustatud anduritega puudub robotkäppadel inimeste sõrmede osavus. Siin kogutud andmed salvestavad need ebaõnnestumised ja õnnestumised, et aidata tulevastel mudelitel seda lõhet ületada.

Toodetud intuitsiooni kõrge hind

Selles uues lähenemises tehisintellektile on märkimisväärne majanduslik takistus. Teksti kogumine veebist on praktiliselt tasuta, kuid füüsiliste andmete tootmine on kallis. Encord lisab oma andmetele tihedaid annotatsioone, näiteks märgistades konkreetse liigutuse kui "parem käsi pingutab polti". Velmurugan märgib, et need kvaliteetsed märgistatud andmed on konkreetsete oskuste treenimiseks 100 korda väärtuslikumad kui toores video. Kuid nende tootmine maksab 20 korda rohkem.

See muutus majanduses muudab tööstuse trajektoori. Tehisintellekt ei ole enam lihtsalt tarkvaraprobleem, mida saab lahendada suurema koguse elektri ja kiiremate kiipidega. See on nüüd logistika- ja tööjõuprobleem. Tulevaste humanoidrobotite ehituskivid valmivad spetsialiseerunud töötajate käsitööna ladudes. See tähendab, et üleminek füüsilisele tehisintellektile on tõenäoliselt kallim ja aeglasem kui üleminek digitaalsele tehisintellektile. Tööstuse nähtamatu selgroog ei ole enam ainult räni, vaid inimkoolitajate füüsiline pingutus.

Mida see tähendab teie tulevase kodu jaoks

Praktiliselt võttes viitab ajulainete andmete ja manuaalsete treeningseadmete kasutamine sellele, et spetsialiseeritud robotid saabuvad palju varem kui üldotstarbelised. Tõenäoliselt näeme masinaid, mis on suurepärased konkreetsetes kõrge väärtusega ülesannetes — nagu andmekeskuste haldamine või laovarude sordiimine — enne, kui näeme robotit, mis suudab koristada segamini kööki. Andmekeskuste andmeid on lihtsam toota ja tulusam koguda.

Suurt pilti vaadates rõhutab see uurimistöö inimliku puudutuse väärtuse taastumist. Isegi kõige arenenumad tehisintellekti ettevõtted mõistavad, et nad ei saa ignoreerida inimkeha ja -mõistuse keerukust. Järgmise põlvkonna seadmete "salajane koostisosa" ei ole uus algoritm, vaid sügavam mõistmine sellest, kuidas inimesed maailmaga suhestuvad.

Lõppkokkuvõttes sõltub füüsilise tehisintellekti progress sellest, kui hästi suudame oma alateadlikud harjumused koodi tõlkida. Kui näete tulevikus robotit edukalt ülesannet täitmas, on see tuhandete tundide tulemus, mil inimpiloodid kandsid peakomplekte ja mängisid mänge. Tee automatiseerimiseni on iroonilisel kombel sillutatud intensiivse inimtööga. Tarbijate jaoks tähendab see, et kuigi tehnoloogia on tekkimas, jääb see esmaklassiliseks tooteks, mille määrab selle hariduse kõrge hind.

Sources: TechCrunch industrial reporting, Encord corporate briefings, Zander Labs technical documentation, OpenAI robotics research archives.