Як штучний інтелект втілюється у фізичні роботи: революція від General Intuition
Ще до появи GPT-3 від OpenAI, яка розпочала еру універсальних мовних моделей, компанії створювали спеціалізовані системи обробки природної мови з нуля. Кожна з них тренувалась на великих обсягах даних, орієнтованих на певні завдання. Зараз же більшість організацій бере за основу універсальні моделі, такі як GPT, Claude або Llama, і налаштовує їх для вирішення конкретних потреб.
Шлях до універсальних моделей у втіленні штучного інтелекту
Пім де Вітте, керівник General Intuition, вважає, що embodied AI (уявний або втілений ІІ) розвиватиметься за подібним сценарієм. Замість того, щоб накопичувати об’ємні реальні датасети для побудови спеціалізованих роботів, він пропонує зосередитись на якісних даних, які дозволять створити фундаментальні моделі. Ці моделі зможуть переносити знання про рух і взаємодію у різні середовища.
“Багато компаній зараз витрачають ресурси на вузькоспеціалізовані проекти, орієнтовані на конкретних роботів, конкретні середовища і уявлення,” — розповів Пім у недавньому інтерв’ю TechCrunch у програмі Equity.
Нові підходи до навчання на даних
Він переконаний, що незабаром ця робота стане зайвою завдяки появі універсальних моделей, як у General Intuition. Основною перевагою буде не просто модель, а її здатність узагальнювати інформацію про простір і час.
“Модель, яка володіє базовим розумінням простору і часу, змінить правила гри. Уже не потрібно буде збирати мільйони годин практичних даних, адже насправді достатньо кількох хвилин,” — підкреслює він.
Унікальна база даних і результати General Intuition
General Intuition створили власну фундаментальну модель, тренуючи її на мільйонах годин ігрових відео, де зафіксовані дії гравця: які кнопки і коли він натискав. Ця інформація про дії стала ключем до розроблення інтуїтивного розуміння просторово-часової логіки, подібного до людського.
Стартап нещодавно залучив $320 млн інвестицій при оцінці в $2,3 млрд, спираючись на цю концепцію. Команда показала, що їхня модель може не тільки нескінченно грати у відеоігри, а й керувати чотириногим роботом.
Вражаючі можливості робототехніки
Для роботи з роботом знадобилось лише 8 хвилин справжніх даних з датчиків. “Факт того, що робот зміг сприймати і реагувати на об’єкти в офісі лише через одну камеру, без додаткових сенсорів, і адаптуватися до людей, які ходили навколо — це було для нас несподіванкою,” — ділиться Пім.
Що далі для General Intuition і ринку робототехніки?
Компанія не планує сама створювати роботів. Їхня мета – бути фундаментом для інших: пропонувати універсальну модель фізичного штучного інтелекту, на якій можна будувати різноманітні пристрої і машини.
Пім філософськи зазначає: “Ми не хочемо створювати компанію з автопілотами, ми хочемо зробити процес створення таких компаній у 10 разів простішим.”
- Універсальні моделі з якісними даними дозволять економити ресурси.
- Штучний інтелект навчиться ефективніше адаптуватися до реального світу.
- Інновації в робототехніці отримають потужний поштовх завдяки цим фундаментальним розробкам.
Нові підходи до навчання штучного інтелекту реально змінюють наше уявлення про майбутнє робототехніки, роблячи її більш гнучкою і доступною для широкого кола розробників.
Коли ви купуєте товари за посиланнями в наших статтях, ми можемо отримати невелику комісію. Це не впливає на незалежність нашої редакції.
