في حين تمكن علماء الروبوتات من جعل الروبوتات تقوم بأشياء مثيرة للإعجاب مثل رياضة الباركور في المختبر، فقد تم التخطيط لكل ذلك بعناية ليتم تنفيذه في بيئة خاضعة لرقابة مشددة. إن وجود روبوت يعمل بشكل مستقل في منزلك لا يزال أمرًا مقلقًا إلى حد ما، خاصة في المنازل التي بها أطفال وحيوانات أليفة. علاوة على ذلك، تختلف المنازل في التصميم، كما أن ترتيب الغرف والأشياء أكثر تنوعًا.
هناك وجهة نظر معترف بها على نطاق واسع بين خبراء الروبوتات تُعرف باسم "مفارقة مورافيك": ما هو صعب على البشر سهل على الآلات، وما هو سهل على البشر صعب على الآلات. لكن بفضل الذكاء الاصطناعي، بدأ هذا يتغير. بدأت الروبوتات تصبح قادرة على أداء مهام مثل طي الغسيل، والطهي، وتفريغ سلال التسوق، والتي كانت تعتبر منذ وقت ليس ببعيد مستحيلة تقريبًا على الروبوتات لإنجازها.
وفقاً لأحدث عدد من مجلة MIT Technology Review، فإن الروبوتات كحقل وصلت إلى نقطة تحول: حيث تنتقل الروبوتات من المختبر إلى ملايين المنازل. الروبوتات على وشك الوصول إلى أعلى مستوياتها.
لا يمكن أن تكون الروبوتات المنزلية باهظة الثمن
كانت الروبوتات في الماضي مرادفة لكونها باهظة الثمن، حيث تكلف النماذج المعقدة للغاية مئات الآلاف من الدولارات، مما يجعلها غير ميسورة التكلفة بالنسبة لمعظم العائلات. على سبيل المثال، كان PR2، وهو أحد أقدم التكرارات للروبوت المنزلي، يزن 200 كيلوجرام ويكلف 400 دولار،000 دولار أمريكي.
ولحسن الحظ، يظهر تدريجيا جيل جديد من الروبوتات الرخيصة. إن Stretch3، وهو روبوت منزلي جديد طورته شركة HelloRobot الأمريكية الناشئة، بسعر معقول جدًا حيث يبلغ 24950 دولارًا ويزن 24.5 كجم. تحتوي على قاعدة متحركة صغيرة، وعصا تحكم تتدلى منها الكاميرا، وذراع قابل للتعديل، وأداة تثبيت مع كوب شفط في النهاية يمكن تشغيلها بواسطة وحدة التحكم.
وفي الوقت نفسه، قام فريق من الباحثين في جامعة ستانفورد في الولايات المتحدة ببناء نظام يسمى MobileALOHA (أجهزة منخفضة التكلفة مفتوحة المصدر للتشغيل عن بعد) يمكّن الروبوت من تعلم طهي الجمبري بمساعدة 20 قطعة فقط من البيانات، بما في ذلك البيانات البشرية. المظاهرات. استخدم الفريق مكونات جاهزة لبناء روبوت بسعر معقول، على الرغم من أنه يكلف أيضًا عشرات الآلاف من الدولارات، لكن النماذج المماثلة السابقة يمكن أن تكلف بسهولة مئات الآلاف من الدولارات.
الذكاء الاصطناعي يبني "عقلًا آليًا عالميًا"
ما يفصل هذه الروبوتات الجديدة عن "أسلافها" هو في الواقع برامجها. وبفضل طفرة الذكاء الاصطناعي، يتحول تركيز التكنولوجيا الآن من الروبوتات الباهظة الثمن التي تحقق البراعة البدنية إلى الشبكات العصبية التي تبني "عقل الروبوت العالمي".
يستخدم خبراء الروبوتات التعلم العميق والشبكات العصبية لإنشاء أنظمة "دماغية" يمكنها التعلم من البيئة وتعديل سلوك الروبوت وفقًا لذلك في التطبيقات، بدلاً من التخطيط التقليدي الدقيق والتدريب المضني.
في صيف عام 2023، قدمت Google RT-2، وهو نموذج رؤية لفظية وعملية يكتسب فهمًا عامًا للعالم من النصوص والصور عبر الإنترنت المستخدمة للتدريب، وكذلك من تفاعلاته الخاصة، ويترجم ذلك البيانات إلى إجراءات روبوتية.
قام معهد أبحاث تويوتا وجامعة كولومبيا وفريق معهد ماساتشوستس للتكنولوجيا بالفعل بتعليم الروبوتات العديد من المهام الجديدة بسرعة بمساعدة تقنية تعلم الذكاء الاصطناعي التي تسمى التعلم بالتقليد بالإضافة إلى الذكاء الاصطناعي التوليدي. سيدفع هذا النهج إلى توسيع تقنيات الذكاء الاصطناعي التوليدية من عالم النصوص والصور والفيديو إلى عالم حركة الروبوت.
Covariant، وهي شركة ناشئة انبثقت من قسم أبحاث الروبوتات المغلق الآن في OpenAI، قامت بدلاً من ذلك ببناء نموذج متعدد الوسائط، RFM-1، الذي يقبل الإشارات من النصوص والصور والفيديو وأوامر الروبوت. يتيح الذكاء الاصطناعي التوليدي للروبوتات فهم التعليمات وإنشاء الصور أو مقاطع الفيديو المتعلقة بتلك المهام.
المزيد من البيانات تولد روبوتات أكثر ذكاءً
تكمن قوة نماذج الذكاء الاصطناعي الكبيرة مثل GPT-4 في تخزين كميات كبيرة من البيانات من الإنترنت، ولكن هذا لا ينطبق على الروبوتات، التي تحتاج إلى بيانات يتم جمعها خصيصًا لها. إنهم بحاجة إلى عروض مادية حول كيفية فتح الغسالات والثلاجات، أو التقاط الطبق، أو طي الغسيل. في الوقت الحالي، هذه البيانات نادرة جدًا ويستغرق جمعها وقتًا طويلاً.
أطلقت Google Deep Mind برنامجًا جديدًا يسمى Open Source X-Embodiment Collaboration لتغيير ذلك. في العام الماضي، دخلت الشركة في شراكة مع حوالي 150 باحثًا في 34 مختبرًا لجمع البيانات من 22 روبوتًا مختلفًا، بما في ذلك HelloRobot’s Stretch 3. وستتضمن مجموعة البيانات الناتجة، التي سيتم إصدارها في أكتوبر 2023، 527 من مهارات الروبوت، مثل الانتقاء والدفع. ، وتتحرك.
هناك أيضًا روبوت يسمى RT-X، والذي قام الباحثون ببناء نسختين من النموذج له على وجه التحديد، والتي يمكن تشغيلها محليًا على أجهزة الكمبيوتر في مختبرات مختلفة والوصول إليها عبر الويب.
تم تدريب النموذج الأكبر الذي يمكن الوصول إليه عبر الويب مسبقًا باستخدام بيانات الإنترنت لتطوير "الحس السليم البصري" من نماذج اللغة والصور الكبيرة. عندما قام الباحثون بتشغيل نموذج RT-X على العديد من الروبوتات المختلفة، وجدوا أن هذه الروبوتات أكثر نجاحًا بنسبة 50٪ في مهارات التعلم من الأنظمة التي تم تطويرها بشكل مستقل في كل مختبر.
باختصار، المزيد من البيانات هي التي تصنع الروبوتات الأكثر ذكاءً.