Yapay Zeka: Model, robotların insanlar gibi öğrenmesine yardımcı oluyor
2021 yazında OpenAI, ilerlemenin uygun veri eksikliği nedeniyle sekteye uğradığını öne sürerek robot ekibini sessizce kapattı. Robotları yapay zeka (AI) ile hareket edecek ve düşünecek şekilde eğitmek için veri gerekiyordu. Mart ayı ortasında, OpenAI'nin ilk araştırmacılarından üçü, 2017'de kurulan start-up Covariant'ın bu sorunu çözdüğünü ve büyük dil modellerinin düşünme yeteneklerini gelişmiş bir robotun fiziksel becerisiyle birleştiren bir sistem sunduğunu duyurdu.
Duyuru
RFM-1 adı verilen yeni model, Crate & Barrel ve Bonprix gibi müşterilerin dünyanın dört bir yanındaki depolarda kullandığı küçük Covariant robot filosundan toplanan yılların verilerinin yanı sıra internetten alınan metin ve video kullanılarak eğitildi. Model önümüzdeki aylarda Covariant müşterilerine sunulacak. Şirket, uygulamaya geçildiğinde sistemin zaman içinde daha güçlü ve verimli hale gelmesini umuyor.
“Nesneyi iyi kavrayamıyorum”
Peki ne yapabilir? Mart başında yapılan bir gösteride Covariant'ın kurucu ortakları Peter Chen ve Pieter Abbeel, kullanıcıların modeli beş farklı türde girdi (istem) ile nasıl harekete geçirebileceklerini gösterdiler: metin, resimler, videolar, robot talimatları ve ölçümler. Örneğin robota spor malzemeleriyle dolu bir konteynerin resmini gösterdiler ve ona tenis toplarının bulunduğu paketi almasını söylediler. Robot daha sonra nesneyi kavrayabilir, tenis topları bittiğinde kabın nasıl görüneceğine dair bir görüntü oluşturabilir veya robotun görevi tamamlarken nasıl görüneceğini kuşbakışı gösteren bir video oluşturabilir.
Model, nesneyi doğru kavrayamayacağını öngörüyorsa şunu da bildirebilir: “Nesneyi doğru kavrayamıyorum. Tavsiyeniz var mı?” Bir yanıt, daha iyi bir kavrama sağlamak için kollarında altı yerine sekiz gibi belirli sayıda vantuz kullanmasını tavsiye edebilir.
Chen, bunun, önceki nesil endüstriyel robotlara güç veren karmaşık, göreve özel kod yerine, eğitim verilerini kullanarak çevrelerine uyum sağlayabilen robotlar için ileriye doğru büyük bir adım olduğunu söyledi. Bu aynı zamanda yöneticilerin, insan işinin sınırlamaları konusunda endişelenmeden, insan dilinde talimat verebileceği işyerlerine doğru da bir adımdır: “Aşağıdaki tarifi kullanarak 600 biber salçası yemek takımı hazırlayın. Mola vermeyin!”
New York Üniversitesi Robotik ve Yapay Zeka Genel Laboratuvarı'nı yöneten ve Covariant'la hiçbir bağlantısı bulunmayan Lerrel Pinto'ya göre, robot bilimi araştırmacıları basit çok modlu robotlar inşa etmiş ve bunları ABD'de konuşlandırmadan önce laboratuvarlara yerleştirmiş. bu kadar çok yöntemle iletişim kurmak şirket için etkileyici bir başarıyı temsil ediyor.
Pinto, rakiplerini yenmek için Covariant'ın robotun doğada kullanılmasına yetecek kadar veri toplaması gerektiğini söylüyor. Depolarda ve yükleme iskelelerinde sürekli olarak yeni talimatlarla, insanlarla, nesnelerle ve ortamlarla etkileşimde bulunarak teste tabi tutulacak. “İyi modeller oluşturacak gruplar, halihazırda büyük miktarda robot verisine erişimi olan veya bu tür verileri üretebilen gruplar olacaktır” diyor.
Robotun gösterimi
Covariant'a göre model “insan benzeri” düşünme yeteneğine sahip ama aynı zamanda sınırlamaları da var. Bir Covariant robotun canlı yayınını ve onunla iletişim kurmak için bir sohbet penceresini içeren bir gösteri sırasında Chen beni modele bir görev atamaya davet etti. Ancak robottan “muzları ikinci alışveriş çantasına geri koymasını” istediğimde, adımlarını takip etmekte zorlandı, önce bir süngeri, sonra bir elmayı ve ardından çeşitli başka nesneleri alıp nihayet çözülen görevi tamamladı. . muzlu. Chen, “Yeni konsepti anlamıyor” diye açıkladı, “ancak bu iyi bir örnek: İyi eğitim verileriniz yoksa işe yaramayabilir.”
Şirketin yeni modeli, robotik dünyasında sürmekte olan bir paradigma değişimini temsil ediyor. Araştırmacılar, bir robota dünyanın nasıl çalıştığını fizik denklemleri ve kodları gibi talimatlarla öğretmek yerine, onu insanların öğrendiği gibi öğretiyor: milyonlarca gözlem yoluyla. Chen, sonucun “herhangi bir robotik görevi çözmek için gerçekten çok etkili ve esnek bir beyin gibi davranabileceğini” söylüyor.
Daha çevik robotik sistemlere güç sağlamak için yapay zeka kullanan şirketlerin oyun alanı bu yıl muhtemelen daha da kalabalıklaşacak. Bu ayın başlarında insansı robot teknolojisi girişimi Figure AI, OpenAI ile ortaklık kurduğunu duyurdu ve Nvidia ve Microsoft gibi teknoloji devlerinden 675 milyon dolar topladı. Boston Dynamics'in kurucusu Marc Raibert, yakın zamanda yapay zekayı robotiğe daha iyi entegre etmek için bir girişim başlattı. Bu, makine öğrenimindeki ilerlemelerin muhtemelen robotikte de ilerlemelere yol açacağı anlamına geliyor.
Özel olarak oluşturulmuş videolarla robotları eğitin
Ancak bazı sorular yanıtsız kalıyor. Büyük dil modelleri, sözlerin yazarlarına herhangi bir ücret ödenmeden milyonlarca kelimeyle eğitilmeye devam ederse, belki robotik modeller de yaratıcılarına ücret ödemeden videolarla eğitilecek. Ve eğer dil modelleri halüsinasyonlar yaratıyor ve önyargıları sürdürüyorsa, robotikte ne gibi benzer sorunlar ortaya çıkacak?
RFM-1 sürekli olarak öğrenmek ve gelişmek üzere tasarlandığından şimdilik Covariant geliştirmeye devam edecek. Sonuçta araştırmacılar, robotu modelin kendisi tarafından oluşturulan videolarla eğitmek istiyor: Bu, çok fazla baş ağrısına neden olan ve aynı zamanda modelin yaptığı hataların birikmesi durumunda ne olacağı sorusunu gündeme getiren bir tür meta-öğrenme. Ne yazık ki, daha fazla eğitim verisine olan mevcut talep nedeniyle araştırmacılar bunun neredeyse kaçınılmaz olduğuna inanıyor. Abbeel, “Bu eğitim gerçek olacak” diyor. “Altı ay sonra bu konuyu tekrar konuştuğumuzda bunu konuşacağız.”
(Jle)
Haberin Sonu