Το Μέλλον της Ρομποτικής: Ρομπότ που Μαθαίνουν όπως τα Νήπια

Στα γραφεία της Generalist AI στο Κέιμπριτζ της Μασαχουσέτης, η ρομποτική κάνει ένα άλμα που θυμίζει περισσότερο την ανθρώπινη ανάπτυξη παρά τον παραδοσιακό προγραμματισμό. Ρομποτικοί βραχίονες εκτελούν εργασίες όπως το στοίβαγμα κυπέλλων και η τοποθέτηση αντικειμένων σε μπολ, επιδεικνύοντας μια εντυπωσιακή ικανότητα να μαθαίνουν σχεδόν ακαριαία, παρακολουθώντας απλώς σύντομα εκπαιδευτικά βίντεο.

Αυτοσχεδιασμός και Φυσική Νοημοσύνη

Το πιο εντυπωσιακό χαρακτηριστικό αυτών των μηχανών είναι η ικανότητά τους να αυτοσχεδιάζουν. Σε μια επίδειξη, ένα ρομπότ που είχε λάβει οδηγίες να σκουπίσει ένα αντικείμενο χρησιμοποίησε ένα φαράσι ως υποκατάστατο βούρτσας όταν η βούρτσα αφαιρέθηκε από το σημείο. Σε μια άλλη περίπτωση, ένα ρομπότ επέλεξε να σκουπίσει αντικείμενα με μια μπανάνα που είχε τοποθετηθεί μπροστά του. Αυτή η «φυσική νοημοσύνη» —μια διαισθητική κατανόηση της φυσικής του κόσμου— επιτρέπει στα ρομπότ να προσαρμόζονται σε νέα σενάρια χωρίς να απαιτούνται χιλιάδες παραδείγματα εκπαίδευσης για κάθε συγκεκριμένη εργασία.

Η Προσέγγιση της Generalist AI

Η εταιρεία, που ιδρύθηκε από πρώην στελέχη των Google DeepMind και Boston Dynamics, ακολουθεί μια διαφορετική οδό από τους ανταγωνιστές της. Αντί να βασίζονται σε έτοιμα μοντέλα γλώσσας ανοιχτού κώδικα, οι Pete Florence, Andrew Barry και Andy Zeng αναπτύσσουν τα μοντέλα τεχνητής νοημοσύνης τους από το μηδέν. Η εκπαίδευση περιλαμβάνει εξειδικευμένα γάντια εξοπλισμένα με κάμερες που χρησιμοποιούνται από ανθρώπους —συμπεριλαμβανομένων εργαζομένων στο Μεξικό— για την εκτέλεση εργασιών, δημιουργώντας ένα τεράστιο σύνολο δεδομένων φυσικής αλληλεπίδρασης.

Προκλήσεις και Προοπτικές

Παρά την εντυπωσιακή πρόοδο, η τεχνολογία δεν είναι ακόμη έτοιμη για μαζική εφαρμογή. Το τρέχον ποσοστό επιτυχίας στην ολοκλήρωση εργασιών ανέρχεται περίπου στο 59%, ενώ οι εμπορικές εφαρμογές απαιτούν συνήθως ποσοστά άνω του 99%. Ωστόσο, η ικανότητα αυτών των μηχανών να μεταφέρουν γνώσεις από ένα σενάριο σε άλλο υποδηλώνει ότι πλησιάζουμε σε μια εποχή όπου τα ρομπότ θα μπορούν να αναπτυχθούν γρήγορα σε τομείς όπως η μεταποίηση.