หุ่นยนต์ AI เรียนรู้ได้ดั่งเด็กน้อย: ก้าวล้ำสู่โลกแห่งปัญญาประดิษฐ์ที่ปรับตัวได้

หุ่นยนต์ AI เรียนรู้ได้ดั่งเด็กน้อย: ก้าวล้ำสู่โลกแห่งปัญญาประดิษฐ์ที่ปรับตัวได้การพัฒนาปัญญาประดิษฐ์ (AI) ได้ก้าวไปสู่จุดที่น่าทึ่งอีกครั้ง เมื่อเราได้เห็นหุ่นยนต์ที่สามารถเรียนรู้และปรับตัวให้เข้ากับสถานการณ์ใหม่ๆ ได้อย่างรวดเร็ว โดยไม่ต้องอาศัยการฝึกฝนแบบเจาะจงสำหรับแต่ละงานอีกต่อไป การมาถึงของเทคโนโลยีนี้ ทำให้เราได้เห็นศักยภาพอันไร้ขีดจำกัดของ AI ที่อาจเปลี่ยนแปลงโลกที่เราอาศัยอยู่ประสบการณ์ตรงกับ AI ที่เรียนรู้ได้ทันที 🤖ผู้เขียนได้มีโอกาสเยี่ยมชมสำนักงานของ Generalist AI สตาร์ทอัพด้าน AI ในเมืองเคมบริดจ์ รัฐแมสซาชูเซตส์ ที่นั่นได้เห็นแขนกลของหุ่นยนต์ทำงานบ้านง่ายๆ เช่น การซ้อนแก้ว หรือการหย่อนบล็อกลงในชาม สิ่งที่น่าประหลาดใจคือความสามารถในการเรียนรู้ที่รวดเร็วราวกับมนุษย์ หุ่นยนต์เหล่านี้สามารถเชี่ยวชาญงานต่างๆ ได้หลังจากดูวิดีโอสอนสั้นๆ โดยไม่ต้องมีการฝึกฝนเฉพาะสำหรับงานนั้นๆหนึ่งในตัวอย่างที่น่าประทับใจที่สุด คือหุ่นยนต์ที่ได้รับคำสั่งให้กวาดบล็อกลงในชามโดยใช้ที่ตักผงและแปรง เมื่อแปรงถูกนำออกไป หุ่นยนต์ก็สามารถประยุกต์ใช้ที่ตักผงแทนแปรงได้อย่างชาญฉลาด โดยการสะบัดบล็อกลงในชาม ในอีกกรณีหนึ่ง หุ่นยนต์สองแขนได้ดูวิดีโอการรูดซิปกระเป๋าเพื่อนำเงินออกมา จากนั้นหุ่นยนต์ก็สามารถรูดซิปกระเป๋าอีกใบที่แตกต่างออกไปและนำเงินออกมาได้อย่างระมัดระวัง ที่น่าทึ่งกว่านั้นคือ เมื่อหุ่นยนต์ไม่สามารถหยิบเงินได้ มันได้เปลี่ยนจากการใช้กริปเปอร์ด้านขวามาใช้ด้านซ้าย เพื่อให้ได้มุมการเข้าถึงที่ดีขึ้นAI ที่เรียนรู้จากฟิสิกส์และสัญชาตญาณ 💡Pete Florence ผู้ร่วมก่อตั้งและ CEO ของ Generalist AI กล่าวว่า "นี่คือสิ่งที่ผู้คนรู้สึกตื่นเต้นกับ GPT-3 จริงๆ" เขาหมายถึงโมเดลภาษาที่ล้ำสมัยของ OpenAI ที่เปิดตัวในปี 2020 ซึ่งสามารถทำงานใหม่ๆ ได้ทันทีเมื่อได้รับคำสั่งGeneralist AI ดูเหมือนจะมุ่งเน้นไปที่การสอนหุ่นยนต์เกี่ยวกับฟิสิกส์ของโลก ซึ่งได้รับแรงบันดาลใจจากสัญชาตญาณทางฟิสิกส์ที่มนุษย์มีมาตั้งแต่เด็ก สิ่งนี้อาจเป็นส่วนสำคัญที่ช่วยให้โมเดลสามารถถ่ายทอดสิ่งที่ได้เรียนรู้จากสถานการณ์หนึ่งไปยังอีกสถานการณ์หนึ่งได้การเรียนรู้แบบเด็กน้อย: การทดลองและการประยุกต์ใช้ 🧸การสาธิตบางส่วนของบริษัททำให้ผู้เขียนนึกถึงวิธีการที่เด็กๆ ทดลองและประยุกต์ใช้สิ่งต่างๆ เมื่อได้รับมอบหมายงาน นักวิจัยมักจะประหลาดใจกับการตัดสินใจของหุ่นยนต์ เช่น หุ่นยนต์ตัวหนึ่งเลือกที่จะกวาดสิ่งของด้วยกล้วย เมื่อมันถูกวางอยู่ตรงหน้า สิ่งนี้อาจดูเล็กน้อย แต่นี่คือ "ความฉลาดทางกายภาพ" ที่ยังคงขาดหายไปในเครื่องจักร และวิธีการที่ทารกเรียนรู้โลกอย่างมีประสิทธิภาพ อาจเป็นข้อมูลเชิงลึกที่สำคัญสำหรับนักวิจัย AIเบื้องหลังเทคโนโลยี: ทีมผู้เชี่ยวชาญและข้อมูลคุณภาพสูง 🧠Florence และ Andrew Barry ผู้ร่วมก่อตั้งและ CTO รวมถึง Andy Zeng ผู้ร่วมก่อตั้งและนักวิทยาศาสตร์หลัก มีภูมิหลังที่น่าประทับใจ เคยทำงานที่ Google DeepMind และ Boston Dynamics ในโมเดลฮาร์ดแวร์และหุ่นยนต์ที่ทันสมัยที่สุดโดยทั่วไป การฝึก AI ที่ควบคุมหุ่นยนต์ให้ทำงานต่างๆ ต้องใช้ข้อมูลตัวอย่างจำนวนมาก ซึ่งเป็นวิธีการเรียนรู้ที่มักมีข้อจำกัด และหุ่นยนต์จะประสบปัญหาหากมีการเปลี่ยนแปลงเพียงเล็กน้อย เช่น แสงสว่างGeneralist AI และสตาร์ทอัพหุ่นยนต์อื่นๆ กำลังลงทุนอย่างหนักในโมเดลหุ่นยนต์ทั่วไปที่ฝึกฝนโดยมนุษย์ บริษัทได้สร้างถุงมือพิเศษที่คล้ายกับก้ามปูของหุ่นยนต์ พร้อมติดกล้อง ซึ่งผู้คนจะใช้ในการทำงานต่างๆ ผู้เขียนได้เห็นกล่องที่เต็มไปด้วยถุงมือเหล่านี้หลายร้อยชิ้นที่ส่งไปยังคนงานในเม็กซิโกและที่อื่นๆความโดดเด่นของ Generalist AI ในวงการ 🚀Danfei Xu นักวิจัยหุ่นยนต์จาก Georgia Tech ซึ่งคุ้นเคยกับงานของ Generalist AI กล่าวว่าสตาร์ทอัพนี้โดดเด่นท่ามกลางบริษัทอื่นๆ ที่กำลังพัฒนาโมเดลหุ่นยนต์ทั่วไป "พวกเขาผลักดันสิ่งนี้ไปสู่ขีดสุด และทำได้ดีมากในการดำเนินการ" เขากล่าวเสริมว่า นอกจากจะรวบรวมข้อมูลคุณภาพสูงจำนวนมหาศาลแล้ว "พวกเขายังเป็นนักหุ่นยนต์ที่ยอดเยี่ยม และได้ทำการวิจัยทางวิทยาศาสตร์ที่ดีจริงๆ"ศักยภาพในการใช้งานจริงและเป้าหมายในอนาคต 🏭Xu ยังกล่าวอีกว่า สิ่งที่ Generalist AI ได้สาธิตมาจนถึงขณะนี้ บ่งชี้ว่าพวกเขามีเป้าหมายในการนำหุ่นยนต์ไปใช้ในสภาพแวดล้อมเชิงพาณิชย์จริง "พวกเขาเข้าใกล้สิ่งที่สามารถนำไปใช้งานได้มากที่สุด" เขากล่าวKaren Liu นักวิจัยหุ่นยนต์จาก Stanford University กล่าวว่า "แนวทางการใช้ข้อมูลของ Generalist คือการรวบรวมข้อมูลการโต้ตอบทางกายภาพในสเกลใหญ่ โดยไม่ผูกติดกับหุ่นยนต์ตัวใดตัวหนึ่งมากเกินไป" "ผลลัพธ์ที่แข็งแกร่งที่สุดของพวกเขาชี้ให้เห็นว่าการเดิมพันนี้อาจกำลังได้ผล"ความท้าทายและความก้าวหน้า 📈อย่างไรก็ตาม Generalist AI ยอมรับว่าทักษะการเรียนรู้ของโมเดลยังไม่น่าเชื่อถือทั้งหมด โดยหุ่นยนต์สามารถทำงานที่ได้รับมอบหมายได้เพียงประมาณ 59% โดยเฉลี่ย ซึ่งในอุดมคติ อัตราความสำเร็จควรจะสูงกว่า 99% นอกจากนี้ ยังไม่ชัดเจนว่าทักษะเหล่านี้จะสามารถนำไปปรับใช้กับทุกงานหรือทุกสถานการณ์ได้อย่างไรแม้จะมีข้อจำกัดเหล่านี้ ศักยภาพของหุ่นยนต์ในการเรียนรู้ทักษะอย่างรวดเร็วในภาคการผลิตนั้นมีมหาศาล ตัวอย่างเช่น วิศวกรของ Generalist คนหนึ่งได้ค้นพบสิ่งนี้ในช่วงดึกคืนหนึ่ง วิดีโอที่บันทึกเหตุการณ์แสดงให้เห็นวิศวกรกำลังวางแก้วเล็กๆ ซ้อนกันบนโต๊ะหน้าหุ่นยนต์สองแขน เพื่อดูว่าเครื่องจักรจะทำอะไรได้บ้าง ทันใดนั้น หุ่นยนต์ก็เข้าร่วม โดยหยิบและวางแก้วอื่นๆ ด้วยกริปเปอร์ทั้งสองข้าง เมื่อหุ่นยนต์วางแก้วจนเป็นกองเดียวที่เรียบร้อย วิศวกรก็ตะโกนด้วยความยินดีกับความสามารถนั้นนี่คือส่วนหนึ่งของจดหมายข่าว AI Lab ของ Will Knight โปรดอ่านจดหมายข่าวฉบับก่อนหน้าได้ที่นี่#AI #หุ่นยนต์ #ปัญญาประดิษฐ์ #เทคโนโลยีhttps://www.wired.com/story/generalist-ai-robots-learn-like-clever-toddlers/