Ξεχάστε την τεχνητή νοημοσύνη που μπορεί να σχεδιάσει εικόνες, το πιο πρόσφατο μοντέλο τεχνητής νοημοσύνης της Google μπορεί να ελέγχει ρομπότ. Η Google παρουσίασε πρόσφατα το Robotics Transformer 2 (RT2), ένα μοντέλο όρασης-ομιλίας-δράσης (VLA) που μπορεί να λάβει κείμενο και εικόνες και να τα μετατρέψει σε ρομποτικές ενέργειες.
"Όπως τα γλωσσικά μοντέλα μαθαίνουν από κείμενο από τον Ιστό για να μάθουν γενικές ιδέες και έννοιες, το RT-2 μεταφέρει γνώση από δεδομένα ιστού για να ενημερώσει τη συμπεριφορά του ρομπότ", εξηγεί ο Vincent Vanhoeke, επικεφαλής του τμήματος ρομποτικής DeepMind της Google, στο ιστολόγιό του. «Με άλλα λόγια, το RT-2 μπορεί να μιλήσει σαν ρομπότ».
Ο Vanhoeke λέει ότι ενώ τα chatbots μπορούν να εκπαιδευτούν παρέχοντάς τους πληροφορίες για ένα συγκεκριμένο θέμα, τα ρομπότ πρέπει να το κάνουν ένα βήμα παραπέρα και να «γειωθούν» στον πραγματικό κόσμο. Αναφέρει ως παράδειγμα ένα κόκκινο μήλο. Εάν μπορείτε απλά να εξηγήσετε σε ένα chatbot τι είναι ένα μήλο, τότε το ρομπότ θα πρέπει να γνωρίζει τα πάντα για αυτό και πώς να το ξεχωρίζει από ένα παρόμοιο αντικείμενο, όπως μια κόκκινη μπάλα, και θα πρέπει επίσης να μάθει πώς πρέπει να το μαζεύει μήλο στο χερι
Το RT-2 πηγαίνει ένα βήμα παραπέρα από το RT-1 της Google και άλλα μοντέλα χρησιμοποιώντας δεδομένα από το Διαδίκτυο. Για παράδειγμα, εάν θέλατε το προηγούμενο μοντέλο να πετάξει κάτι, θα έπρεπε να του διδάξετε τι είναι τα σκουπίδια και πώς να τα χρησιμοποιεί. Με το RT-2, είναι πιθανό να μην εξηγήσετε τι είναι τα σκουπίδια και πώς να τα χρησιμοποιήσετε, αλλά το ρομπότ μπορεί να το καταλάβει μόνο του χρησιμοποιώντας δεδομένα από το Διαδίκτυο.
Χάρη στο RT-2, τα ρομπότ είναι σε θέση να μαθαίνουν, να αφομοιώνουν την αποκτηθείσα γνώση και να την εφαρμόζουν σε μελλοντικές καταστάσεις. Ωστόσο, η Google σημειώνει ότι ως έχει, οι περιορισμοί σημαίνουν ότι το RT-2 μπορεί μόνο να βοηθήσει το ρομπότ να βελτιώσει τις φυσικές εργασίες που ήδη ξέρει να εκτελεί, αντί να τις μάθει από την αρχή.
Συνολικά, αυτό είναι ένα τεράστιο βήμα προς τα εμπρός και μας δείχνει τι μπορεί να είναι δυνατό στο μέλλον. Για περισσότερα σχετικά με τον τρόπο λειτουργίας του RT-2, η Google λέει στο ιστολόγιό του στο DeepMind.
Διαβάστε επίσης:
- Η Google κυκλοφορεί μια λειτουργία στο Android για να αποτρέψετε την ανεπιθύμητη παρακολούθηση Bluetooth
- Βρέθηκε ένας καθολικός τρόπος παράκαμψης των ηθικών περιορισμών των περισσότερων μοντέλων τεχνητής νοημοσύνης