Τα ρομπότ AI+ προχωρούν προς την πραγματικότητα βήμα προς βήμα.
Πριν από λίγο καιρό, το ανθρωποειδές ρομπότ Figure έδειξε την αυτόνομη λειτουργία της καφετιέρας, χρειάζεται μόνο να μάθει από άκρη σε άκρη 10 ώρες, το ρομπότ μπορεί να χειριστεί με ακρίβεια την καφετιέρα, χωρίς τηλεχειριστήριο και έχει την ικανότητα να διορθώνει αυτόματα το σφάλμα, μπορεί να αναγνωρίσει τη μη τοποθετημένη σακούλα καφέ και να βάλει την ίδια τη σακούλα καφέ.
Για να μην ξεφύγουμε, η Toyota, η δεύτερη μεγαλύτερη εταιρεία αυτοκινήτων στον κόσμο, χρησιμοποιεί τεχνολογία AI και συστήματα μηχανικής μάθησης για να επιτρέψει στα ρομπότ να παρατηρούν και να μαθαίνουν την ανθρώπινη συμπεριφορά στις οικιακές δραστηριότητες και να μιμούνται τους ανθρώπους στις δουλειές του σπιτιού. Αυτό το έργο όχι μόνο καταδεικνύει την πρόοδο της γενετικής τεχνητής νοημοσύνης για τη βοήθεια της ρομποτικής, αλλά παρέχει επίσης νέες λύσεις για το μέλλον των έξυπνων σπιτιών και της ζωής των ηλικιωμένων.
Από το δημόσιο βίντεο του πειράματος, ο πειραματιστής, από την οπτική γωνία ενός ατόμου που του αρέσει να οργανώνει, έλεγξε το τηλεχειριστήριο με έναν μηχανικό βραχίονα, έτσι ώστε το ρομπότ έμαθε πώς να χρησιμοποιεί ένα σκουπιδοτενεκέ και μια βούρτσα για να σκουπίζει τα φασόλια στο τραπέζι και οι αισθητήρες του ίδιου του ρομπότ επέτρεψαν στο ρομπότ να αντιληφθεί τη σύλληψη στερεών αντικειμένων και το βάρος των αντικειμένων. Αφού διδάξετε, μπορείτε να ολοκληρώσετε αυτήν τη δραστηριότητα οικιακής εργασίας ανεξάρτητα.
Σε αυτόν τον ρομποτικό βραχίονα, η Toyota χρησιμοποιεί ένα σύστημα μηχανικής μάθησης που ονομάζεται στρατηγική διάχυσης, το οποίο είναι παρόμοιο με το σύστημα που χρησιμοποιείται στις γεννήτριες εικόνων τεχνητής νοημοσύνης, για να προτείνει γρήγορα τη σωστή επόμενη ενέργεια μέσω πολλαπλών δυνατοτήτων και πληροφοριών.
Η τεχνολογία, που αναπτύχθηκε σε συνεργασία με ερευνητές με επικεφαλής τον καθηγητή του Πανεπιστημίου Κολούμπια, Σούραν Σονγκ, προσφέρει στα ρομπότ έναν πιο αποτελεσματικό τρόπο μάθησης.
Η χρήση τέτοιων συστημάτων μηχανικής μάθησης επιτρέπει στα ρομπότ να απορροφούν δεδομένα πιο ευέλικτα, προσαρμόζοντας έτσι καλύτερα τον περίπλοκο φυσικό κόσμο και το ανθρώπινο περιβάλλον και κάνει τα ρομπότ πιο κατάλληλα για εργασία που απαιτεί προσαρμοστικότητα, αυτοσχεδιασμό και ευελιξία από τις παραδοσιακές προ-προγραμματισμένες ρουτίνες.
Η Toyota προσπαθεί να συνδυάσει συστήματα μηχανικής εκμάθησης με μοντέλα γλώσσας που υποστηρίζουν το ChatGPT και τους ανταγωνιστές της, συνδυάζοντας μοντέλα γλώσσας που τα ρομπότ μπορούν να μάθουν να εκτελούν εργασίες παρακολουθώντας βίντεο, μετατρέποντας διαδικτυακούς πόρους όπως το YouTube σε ισχυρούς πόρους εκπαίδευσης ρομπότ που μπορούν να επιτρέψουν στα ρομπότ να μάθουν περισσότερες εργασίες παρακολουθώντας βίντεο. Έτσι ώστε να βελτιωθεί η αποτελεσματικότητα της μάθησης.
Αυτό δεν είναι το πρώτο ρομπότ που μαθαίνει δεξιότητες μέσω του YouTube, μια ομάδα ερευνητών στο Ηνωμένο Βασίλειο κυκλοφόρησε ένα παρόμοιο ρομπότ σεφ, η ομάδα εμφύτευσε έναν νέο αλγόριθμο μάθησης για αυτόν τον ρομπότ σεφ, με βάση την οπτική παρατήρηση του ανθρώπινου σεφ τη συνταγή με τη συνταγή του ρομπότ, υπολογίζοντας την ομοιότητα μεταξύ της διανυσματοποίησης των δύο. Μάθετε και προσθέστε νέες συνταγές σε πραγματικό χρόνο.
Σε μεταγενέστερα πειράματα, η ομάδα τάισε το ρομπότ οκτώ απλές συνταγές για σαλάτες και το έβαλε να παρακολουθήσει βίντεο από ανθρώπους που ετοίμαζαν τη σαλάτα. Αφού παρακολούθησε αυτά τα βίντεο, το ρομπότ ήταν σε θέση να αναγνωρίσει τη συνταγή που χρησιμοποιήθηκε και να την επαναλάβει.
Το ρομπότ ανέλυσε κάθε καρέ του βίντεο, εντοπίζοντας διάφορα αντικείμενα όπως ένα μαχαίρι ή το χέρι του παρουσιαστή, μια ικανότητα που του επέτρεψε να συμπεράνει τι θα συνέβαινε στη συνέχεια - για παράδειγμα, αν ο παρουσιαστής κρατούσε ένα μαχαίρι και ένα καρότο, το ρομπότ μπορούσε προβλέψτε ότι το καρότο ήταν έτοιμο να τεμαχιστεί. Αφού το ρομπότ παρακολούθησε 16 βίντεο, ο αλγόριθμος εντόπισε σωστά γνωστές συνταγές στο 93 τοις εκατό των περιπτώσεων.
Αξίζει να αναφέρουμε ότι η ομάδα που ανέπτυξε το ρομπότ είναι από το Cambridge Robotics Institute που ιδρύθηκε από την Toyota το 2015.
Η εφαρμογή γλωσσικών μοντέλων στην έρευνα στη ρομποτική φαίνεται να είναι μια νέα τάση αυτές τις μέρες, με ορισμένες μεγάλες εταιρείες τεχνολογίας, όπως η Google DeepMind, να πιέζουν για παρόμοια έρευνα. Μια ομάδα στο Google DeepMind κυκλοφόρησε λογισμικό Auto-R, το οποίο χρησιμοποιεί μεγάλα μοντέλα γλώσσας για να βοηθήσει τα ρομπότ να προσδιορίσουν πρακτικές και ασφαλείς εργασίες, όπως η απλή ταξινόμηση αντικειμένων και η παραλαβή ενός ποτηριού νερού.
Χρησιμοποιώντας το γρήγορο τρένο της γενετικής τεχνητής νοημοσύνης, τα ρομπότ έχουν σταδιακά υλοποιηθεί για να βοηθούν τους ανθρώπους να μοιράζονται τις οικιακές δραστηριότητες μέσω της μάθησης, κάτι που θα φέρει περισσότερη άνεση στη ζωή μας και θα προωθήσει επίσης την εμπορευματοποίηση ρομπότ υπηρεσιών, όπως τα καυτά ανθρωποειδή ρομπότ. Το μέλλον μπορεί να είναι αληθινό όπως είπε ο Μασκ, κάθε οικογένεια θα έχει πολλά ρομπότ που θα δουλεύουν για εμάς και αυτά τα πιο έξυπνα και πιο ευέλικτα ρομπότ θα γίνουν σημαντικοί συνεργάτες στη ζωή μας.
