Генеративний ШІ вчить роботів імпровізувати подібно до дітей

· Азія

Генеративний ШІ вчить роботів імпровізувати подібно до дітей

Стартап Generalist AI створив роботів, здатних навчатися на основі відео та імпровізувати, замінюючи відсутні інструменти підручними засобами, подібно до людської інтуїції.

У середині серпня я вирушив у дорогу, щоб побачити, як роботи роблять щось дивовижне — і все це лише за 15 хвилин від мого дому.

Я відвідав офіс стартапу Generalist AI, розташований у Кембриджі, штат Массачусетс. Там я спостерігав, як роботизована рука виконує прості завдання: складає чашки в стопку або кладе кубики в миску. Вражало те, як швидко робот розумів, що саме від нього вимагається. Це виглядало майже як поведінка живої людини.

Навчання через перегляд відео

Ця роботизована рука здатна опановувати різноманітні завдання, просто переглянувши коротке демонстраційне відео. Що ще дивніше — вона не проходила спеціального навчання для кожної окремої дії. Особливо вразив момент, коли роботові дали завдання перемістити кубики в миску за допомогою совка та віника. Коли віник прибрали, робот імпровізував: використав совок замість віника, щоб змести кубики в миску.

В іншому прикладі дворукому роботу показали відео, на якому людина відкриває гаманець на блискавці та дістає звідти купюру. Робот повторив дію з іншим типом гаманця, обережно витягнувши паперові гроші. Я спостерігав за цим із захопленням. Ще більшим сюрпризом став момент, коли купюра вислизнула з його «пальців». Робот спробував схопити її під зручнішим кутом і для цього перехопив її з правого маніпулятора в лівий. «Ого, — вигукнув один із розробників, що стояв поруч. — Він зробив це вперше».

«Це саме те, що викликало захват у людей, коли з’явився GPT-3», — каже Піт Флоренс, співзасновник і генеральний директор Generalist, згадуючи проривну велику мовну модель (LLM), яку OpenAI представила у 2020 році. «GPT-3 могла досить добре впоратися з новим завданням, просто отримавши інструкцію».

Схоже, Generalist зосереджується на тому, щоб навчити роботів фізичним законам нашого світу. Вони надихаються інтуїтивним розумінням фізики, яке люди набувають ще в ранньому дитинстві. Можливо, саме цей підхід дозволяє роботам застосовувати отримані знання в абсолютно нових ситуаціях.

Насправді деякі демонстрації компанії нагадували поведінку дитини, яка, побачивши, як щось робиться, починає імпровізувати й експериментувати. Дослідники часто самі дивуються діям роботів. Наприклад, один із них, побачивши банан, використав його, щоб змести предмети. На перший погляд це дрібниця, але здатність розуміти реальний світ і діяти відповідно — це те, чого досі критично не вистачає сучасним машинам. Механізм, завдяки якому немовлята так ефективно пізнають світ, може стати ключем для подальших розробок ШІ-дослідників.

Збір даних за допомогою спеціальних рукавичок

У конференц-залі я зустрівся з Флоренсом та співзасновником і технічним директором компанії Ендрю Баррі. Звідти було видно, як кілька співробітників, надягнувши спеціальні маніпулятори, навчають роботів. Третій співзасновник і головний науковий співробітник — Енді Зенг. Тріо має вражаюче резюме: раніше вони працювали в Google DeepMind і Boston Dynamics, розробляючи найсучасніше обладнання та моделі для робототехніки.

Раніше для того, щоб навчити ШІ-робота різним завданням, потрібно було надати моделі тисячі прикладів. Але цей метод має суттєвий недолік: навіть мінімальні зміни в оточенні, як-от інше освітлення, призводять до того, що робот перестає справлятися.

Generalist та деякі інші стартапи вкладають величезні кошти у створення універсальних моделей для роботів, які навчаються за участю людини. Generalist створив спеціальні рукавички, схожі на маніпулятори роботів, оснащені камерами. Людина вдягає таку рукавичку і виконує різні дії, навчаючи робота. В офісі стояв ящик, наповнений сотнями таких пристроїв, які готували до відправки працівникам, зокрема в Мексику.

Роботи стають практичнішими

Флоренс та його команда обережно висловлюються щодо конкретних методів навчання, проте зазначають, що вже зібрали величезну кількість високоякісних даних. Крім того, на відміну від деяких інших компаній, що прагнуть створити розумніших роботів, Generalist не покладається на відкриті мовні моделі, а будує власні з нуля.

Данфей Сю, дослідник робототехніки з Технологічного інституту Джорджії, знайомий з роботою Generalist, вважає, що серед компаній, які прагнуть створити універсальні моделі для роботів, Generalist виділяється. «Вони послідовно втілюють цей підхід і грамотно інтегрують його в розробку», — каже Сю. Він зазначає, що компанія не лише збирає масиви якісних даних, але й складається з «надзвичайно талановитих експертів у галузі робототехніки, які досягають видатних наукових результатів».

Сю додає, що, судячи з демонстрацій Generalist, компанія націлена на впровадження роботів у комерційні умови. «Вони найближчі до практичного застосування з усіх, кого я бачив».

«Особливістю збору даних у Generalist є масштабованість збору інформації про маніпуляції об’єктами без прив’язки до конкретного типу робота, — каже Карен Лю, дослідниця робототехніки зі Стенфордського університету. — Судячи з результатів, ця стратегія виявилася успішною».

Залишені виклики та майбутні можливості

Попри успіхи, у Generalist визнають, що здатність моделей до навчання поки що не є стабільною. Середній показник успішного виконання роботом завдання, продемонстрованого лише раз, становить близько 59%. Ідеал — підвищити цей відсоток до 99% і вище. Також поки неясно, наскільки ці навички можна масштабувати для будь-яких завдань та середовищ.

Тим не менш, потенціал величезний — наприклад, у виробництві, де роботи зможуть швидко опановувати нові навички. Одного пізнього вечора один із розробників Generalist випадково став свідком цього потенціалу. Він складав маленькі чашки на столі перед дворуким роботом, щоб перевірити його реакцію.

Раптом робот приєднався до процесу: двома маніпуляторами він почав брати чашки, що залишилися, і складати їх. Зрештою, всі чашки були акуратно складені в стопку. Розробник був настільки вражений, що вигукнув від радості.

Оригінал: wired.jp

Про Що? — новини науки, технологій і світу