Yapay zekada önümüzdeki yıldan neler beklenmeli?

Evde utanç sandalyem var. Bununla, yatak odamda, yıkanacak kadar kirli olmayan kullanılmış kıyafetleri üzerine yığdığım bir sandalyeyi kastediyorum. Açıklanamayan bir nedenden dolayı, gece yatağa gittiğimde bu kıyafetleri katlamak ve kaldırmak çok zor bir iş gibi geliyor, bu yüzden onları “sonra” için sandalyenin üzerine bırakıyorum. Sandalyenin üzeri bir giysi yığınıyla kaplanmadan önce, bu işi otomatikleştirmek için iyi para öderdim.

Yapay zeka sayesinde ev işlerimizi yapabilen robotlar hedefine doğru yavaş yavaş ilerliyoruz. Görevleri kolayca aktarabileceğimiz gerçekten kullanışlı ev robotları yapmak, onlarca yıldır bir bilim kurgu fantezisi olmuştur ve birçok robot bilimcinin nihai hedefidir. Ancak robotlar beceriksizdir ve kolay bulduğumuz şeyleri yapmakta zorlanırlar. Ameliyat gibi çok karmaşık şeyler yapabilen robot türleri genellikle yüzbinlerce dolara mal oluyor ve bu da onları aşırı derecede pahalı kılıyor.

Stanford'un Mobile ALOHA adında yeni bir robotik sistemi hakkında kısa bir süre önce bir hikaye yayınladım. Araştırmacılar bu sistemle karides pişirmek, yüzeylerdeki lekeleri silmek gibi inanılmaz derecede karmaşık şeyleri kendi başına yapmak için ucuz, kullanıma hazır tekerlekli bir robot ediniyordu. ve hareketli sandalyeler. Hatta üç çeşit yemek pişirmeyi bile başardılar; ancak bu insan gözetimindeydi. Bununla ilgili daha fazlasını buradan okuyun.

Stanford Üniversitesi'nde yardımcı doçent olan ve projenin danışmanlığını yapan Chelsea Finn, robot biliminin bir dönüm noktasında olduğunu söylüyor. Geçmişte araştırmacılar robotları eğitebilecekleri veri miktarıyla sınırlıydı. Artık çok daha fazla veri mevcut ve Mobile ALOHA gibi çalışmalar, sinir ağları ve daha fazla veriyle robotların karmaşık görevleri oldukça hızlı ve kolay bir şekilde öğrenebileceğini gösteriyor.

Sohbet robotlarına güç veren büyük dil modelleri gibi yapay zeka modelleri, internetten alınan devasa veri kümeleri üzerinde eğitilirken, robotların fiziksel olarak toplanan veriler üzerinde eğitilmesi gerekiyor. Bu, geniş veri kümeleri oluşturmayı çok daha zorlaştırır. NYU ve Meta'dan bir araştırma ekibi yakın zamanda bu sorunu çözmenin basit ve akıllı bir yolunu buldu. Evde görevler yapan gönüllüleri kaydetmek için, uzanma-yakalama çubuğuna bağlı bir iPhone kullandılar. Daha sonra Dobb-E (bu isim için Ravenclaw'a 10 puan) adı verilen bir sistemi, 100'den fazla ev işini yaklaşık 20 dakikada tamamlayacak şekilde eğitebildiler. (Burada Rhiannon Williams'tan daha fazlasını okuyun.)

Carnegie Mellon Üniversitesi'nde yardımcı doçent olan ve kendisi de araştırma ekibinin bir parçası olmayan Deepak Pathak, Mobile ALOHA'nın aynı zamanda robotik topluluğunda, robotların bu tür görevleri yapma becerisini engelleyen şeyin öncelikle donanım eksiklikleri olduğu yönündeki inancı çürüttüğünü söylüyor.

“Eksik parça yapay zekadır” diyor.

Yapay zeka ayrıca robotların sözlü komutlara yanıt vermesini sağlama ve onların gerçek dünyadaki çoğunlukla karmaşık ortamlara uyum sağlamalarına yardımcı olma konusunda da umut vaat ediyor. Örneğin Google'ın RT-2 sistemi, görüş-dil-eylem modelini bir robotla birleştiriyor. Bu, robotun dünyayı “görmesine” ve analiz etmesine ve onu hareket ettirmek için sözlü talimatlara yanıt vermesine olanak tanır. DeepMind'ın AutoRT adlı yeni sistemi, robotların görünmeyen ortamlara uyum sağlamasına yardımcı olmak için benzer bir görüş dili modeli ve bir robot filosu için talimatlar oluşturmak üzere büyük bir dil modeli kullanıyor.

Şimdi de kötü haber: En son teknolojiye sahip robotlar bile hâlâ çamaşır yıkamayı başaramıyor. Bu, robotlar için insanlardan çok daha zor olan bir iştir. Buruşuk giysiler tuhaf şekiller oluşturarak robotların işlemesini ve tutmasını zorlaştırıyor.