Dimenticate l'hype: il segreto per robot più intelligenti è un essere umano con un visore

Mentre le narrazioni popolari suggeriscono che i robot umanoidi arriveranno presto nelle nostre case grazie a enormi supercomputer, la realtà è molto più concreta. In un tranquillo magazzino a San Leandro, in California, il futuro dell'IA fisica somiglia meno a un laboratorio asettico e più a una partita di Jenga. Andrew Ceja, un istruttore specializzato presso l'azienda tecnologica Encord, trascorre le sue giornate estraendo con cura blocchi di legno da una torre mentre indossa un visore dotato di telecamere ed elettrodi per il rilevamento cerebrale. Questa insolita configurazione rivela una verità fondamentale sulla tecnologia moderna: abbiamo esaurito il carburante digitale necessario per rendere intelligenti i robot.

Silicon Valley ha trascorso l'ultimo decennio a setacciare ogni angolo di Internet per addestrare i chatbot. Se digiti una domanda in un'IA, il sistema risponde basandosi su miliardi di pagine di testo scritte da esseri umani. Tuttavia, non esiste un equivalente "Internet del movimento" per i compiti fisici. Un robot non può imparare a piegare una camicia o a impilare un pallet leggendo una voce di Wikipedia. Ha bisogno di dati che mostrino come forze, angoli e intenzioni interagiscono nel mondo tridimensionale. Questa scarsità di informazioni fisiche è il motivo principale per cui la vostra casa manca ancora di un maggiordomo automatizzato affidabile.

La grande siccità di dati fisici

La logica alla base dell'IA generativa è semplice: più dati portano a risultati migliori. Questo ha funzionato per i Large Language Models perché il web è una biblioteca infinita del pensiero umano. I robot non hanno questo lusso. Aziende come Encord stanno ora passando dalla gestione dei dati esistenti alla produzione di nuovi dati da zero. Stanno essenzialmente costruendo una fabbrica digitale per l'esperienza umana.

Vineeth Velmurugan, che guida l'apprendimento robotico presso Encord, è un veterano di importanti laboratori come OpenAI. Spiega che anche una vasta libreria video come YouTube è insufficiente affinché un robot apprenda manipolazioni complesse. Guardare un video di una persona che versa il caffè non è la stessa cosa che sentire il peso della caffettiera o il movimento del liquido. Velmurugan stima che l'industria abbia bisogno di un set di dati circa cinque volte superiore a quello di YouTube per ottenere una svolta nell'intelligenza fisica. Ciò crea un enorme collo di bottiglia perché la raccolta di queste informazioni richiede che persone reali eseguano compiti reali in tempo reale. È un processo manuale e lento in un settore che solitamente si muove alla velocità della luce.

Leggere le menti per istruire le macchine

La parte più sperimentale di questa produzione di dati coinvolge la neurotecnologia. Encord sta attualmente testando i visori di Zander Labs, una startup tedesca, per registrare ciò che accade all'interno del cervello umano durante il lavoro manuale. Quando un istruttore come Ceja gioca a Jenga, il visore traccia le sue onde cerebrali per rilevare gli stati mentali. I sensori cercano segnali di sorpresa, errore o concentrazione intensa.

Lucas Gehrke, neuroscienziato presso Zander Labs, osserva che questi segnali offrono indizi che le telecamere perdono. Se un istruttore umano prova un momento di panico perché una torre sta per cadere, quella reazione interna è un punto dati prezioso. Indica al modello di IA che questo momento specifico è critico. Taggando i dati video con l'attività cerebrale, gli sviluppatori possono insegnare ai robot non solo cosa fare, ma quali momenti richiedono la massima cautela. È come dare a un tirocinante un mentore in grado di condividere il proprio istinto piuttosto che solo il manuale di istruzioni.

Questo approccio trasforma ogni movimento umano in un file ricco e stratificato. I dati includono il video del compito, la posizione delle braccia dell'istruttore e l'attività elettrica del suo cervello. Questa combinazione crea una mappa ad alta fedeltà dell'abilità umana che una macchina può eventualmente imitare.

Perché il tempo trascorso davanti allo schermo non può addestrare un robot

Per il consumatore medio, è facile chiedersi perché non possiamo semplicemente usare i miliardi di ore di filmati dei campanelli intelligenti e delle telecamere di sicurezza per addestrare queste macchine. Il problema risiede nella prospettiva. La maggior parte dei video esistenti è in "terza persona" e manca dei dati spaziali precisi di cui un robot ha bisogno per muovere i propri arti. Per risolvere questo problema, Encord utilizza video "egocentrici", filmati dalla prospettiva della persona che svolge il lavoro.

A San Leandro, i piloti utilizzano sistemi "leader-follower". Si tratta di bracci robotici accoppiati in cui un essere umano muove un set e il robot imita esattamente il movimento. Mentre l'essere umano inserisce un cavo Ethernet in un server o impila fiches da poker, ogni micro-regolazione viene registrata. Questo è molto più preciso di un semplice video. Cattura la fatica del compito. Sofia Infante, un'altra pilota della struttura, dimostra la difficoltà di collegare i cavi. Anche con sensori avanzati, le pinze robotiche mancano della destrezza delle dita umane. I dati raccolti qui registrano quei fallimenti e successi per aiutare i modelli futuri a colmare tale divario.

L'alto costo dell'intuizione prodotta artificialmente

C'è un ostacolo economico significativo in questo nuovo approccio all'IA. Estrarre testo dal web è praticamente gratuito, ma produrre dati fisici è costoso. Encord aggiunge annotazioni dense ai propri dati, come etichettare un movimento specifico come "la mano destra stringe il bullone". Velmurugan osserva che questi dati annotati di alta qualità sono 100 volte più preziosi dei video grezzi per l'addestramento di abilità specifiche. Tuttavia, produrli costa 20 volte di più.

Questo cambiamento economico modifica la traiettoria del settore. L'IA non è più solo un problema software risolvibile con più elettricità e chip più veloci. Ora è un problema di logistica e di manodopera. I mattoni dei futuri robot umanoidi vengono realizzati a mano da lavoratori specializzati nei magazzini. Ciò significa che la transizione all'IA fisica sarà probabilmente più costosa e lenta rispetto alla transizione all'IA digitale. La spina dorsale invisibile dell'industria non è più solo il silicio, ma lo sforzo fisico degli istruttori umani.

Cosa significa per la vostra casa del futuro

In termini pratici, la spinta verso i dati delle onde cerebrali e i sistemi di addestramento manuale suggerisce che i robot specializzati arriveranno molto prima di quelli generici. Vedremo probabilmente macchine eccellenti in compiti specifici e di alto valore, come la gestione dei data center o lo smistamento dell'inventario dei magazzini, prima di vedere un robot in grado di pulire una cucina disordinata. I dati per i data center sono più facili da produrre e più redditizi da raccogliere.

Guardando al quadro generale, questa ricerca evidenzia un ritorno al valore del tocco umano. Anche le aziende di IA più avanzate si stanno rendendo conto di non poter ignorare la complessità del corpo e della mente umana. La "formula segreta" per la prossima generazione di gadget non è un nuovo algoritmo, ma una comprensione più profonda di come gli esseri umani interagiscono con il mondo.

In definitiva, il progresso dell'IA fisica dipende da quanto bene riusciremo a tradurre le nostre abitudini subconscie in codice. Quando in futuro vedrete un robot eseguire con successo un compito, sarà il risultato di migliaia di ore di piloti umani che indossano visori e giocano. Il percorso verso l'automazione è, ironicamente, lastricato da un intenso lavoro umano. Per i consumatori, ciò significa che, sebbene la tecnologia stia emergendo, rimane un prodotto premium definito dall'alto costo della sua istruzione.

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