اختصاصی: OpenAI تیم روباتیک خود را منحل می کند زیرا مدل های عمومی آن شروع به اجرای روبات ها می کنند

OpenAI تیم رباتیک مستقل خود را منحل کرده و محققان خود را به تیم های دیگر منتقل کرده است.

این شرکت وقتی از Fortune در مورد آن سؤال شد، سازماندهی مجدد را تأیید کرد. یکی از سخنگویان شرکت گفت که رباتیک بخش اصلی چشم انداز بلند مدت OpenAI است و سازماندهی مجدد را به عنوان نشانه ای از تعهد شرکت به روباتیک به جای عقب نشینی از آن به تصویر می کشد.

OpenAI گفت که تیم تحقیقاتی رباتیک خود را به تیم تحقیقاتی اصلی شرکت، گزارش به مدیر ارشد تحقیقات مارک چن، اختصاص داده است، در حالی که تیم‌های رباتیک کاربردی و سخت‌افزار به سازمان کاربردی بزرگ‌تر شرکت، که به رئیس OpenAI، گرگ براکمن گزارش می‌دهد، منصوب شده‌اند.

این تغییر اخیرا به اندازه‌ای اتفاق افتاد که OpenAI قبلا غرفه‌ای را در CoRL، یک کنفرانس برتر روباتیک دانشگاهی در آستین، در این هفته ثبت کرده بود. اگرچه برنامه کنفرانس و پلان طبقه نقطه OpenAI را مشخص کردند، اما وقتی فورچون از غرفه شماره 208 بازدید کرد، با لوگوی OpenAI در جایی خالی بود.

OpenAI در روزهای اولیه خود یک تیم رباتیک داشت اما در سال 2020 آن را منحل کرد، وویچیچ زارمبا، یکی از بنیانگذاران آن، بعدا از داده‌های محدود ربات و مسیر کارآمدتر به سمت هوش مصنوعی عمومی (AGI) - هوش مصنوعی شبیه انسان که از زمان تأسیس آن هدف OpenAI بوده است - از طریق روش‌های دیگر اشاره کرد. به طور خاص، OpenAI به طور فزاینده‌ای به آموزش مدل‌های زبان فوق‌العاده بزرگ بر روی مجموعه داده‌های گسترده متن نوشته شده توسط انسان اختصاص یافت. این رویکردی است که در نهایت محصول موفق ChatGPT شرکت را در اواخر سال 2022 به ارمغان آورد.

OpenAI یک تیم رباتیک مستقل را در سال 2024 بازسازی کرد و اعلام کرد که با استارتاپ Figure برای توسعه مدل‌های هوش مصنوعی برای روبات‌های انسان‌نما همکاری می‌کند. این همکاری در فوریه 2025 پایان یافت، زمانی که فیگور گفت که ربات هوش مصنوعی خود را توسعه خواهد داد. OpenAI گفته است که در حال حاضر در حال توسعه ربات انسان نمای خود است و مدیر عامل شرکت سم آلتمن اولین نمایش عمومی را در سال 2027 هدف قرار داده است.

سخنگوی شرکت گفت که با وجود سازماندهی مجدد، OpenAI همچنان متعهد به آوردن ربات های همه منظوره به جهان است.

سازمان‌دهی مجدد نشان‌دهنده شرطی است که در صنعت هوش مصنوعی در حال افزایش است: این که مدل‌های همه منظوره ساخته‌شده برای زبان، کد و بینش نیز می‌توانند برای «هوش مصنوعی تجسم‌یافته» استفاده شوند – جایی که مدل‌های هوش مصنوعی دستگاه‌هایی را کنترل می‌کنند که می‌توانند در دنیای فیزیکی عمل کنند، مانند ربات‌ها، ماشین‌های بدون راننده یا پهپادها. این امر نیاز به تیم‌های روباتیک مجزا برای ساخت مدل‌های تخصصی هوش مصنوعی را برطرف می‌کند تا «مغز» دیجیتالی روبات‌ها باشند.

محققان عملکرد شگفت انگیزی را هنگام اتصال GPT-6 Astra به روبات ها مشاهده کرده اند که مستقیما از مدل هوش مصنوعی همه منظوره برای انجام برخی از وظایف رباتیک استفاده می کنند.

گوانیا شی، استادیار مؤسسه رباتیک دانشگاه کارنگی ملون که قبلا در مورد سازماندهی مجدد OpenAI شنیده بود، به فورچون گفت که او این حرکت را به عنوان سیگنالی تفسیر می کند که OpenAI رباتیک را "دیگر مشکل خاصی" می بیند. در عوض، او گفت، آنها احتمالا رباتیک را به عنوان یک چالش می بینند که می تواند به عنوان یک کاربرد پایین دستی از هوش عمومی مورد توجه قرار گیرد - شبیه به روشی که همان مدل های زیربنایی هوش مصنوعی در حال حاضر ابزارهای کدگذاری تخصصی یا ابزارهایی برای کارهای حقوقی یا مالی را تامین می کنند.

به نظر می رسید OpenAI این دیدگاه را در پاسخ خود به Fortune تأیید می کند. در ابتدای سال، محققان این شرکت تصور کردند که بهترین راه برای پیشرفت در رباتیک این است که بر روی مدل‌های هوش مصنوعی مانند Sora، مدلی برای تولید ویدیو که برای ایجاد ویدیوهای واقع‌گرایانه، درک ضمنی از نحوه عملکرد دنیای فیزیکی داشته باشد، استفاده کنند.

اما از آن زمان، سخنگوی شرکت گفت، مدل های مرزی همه منظوره این شرکت، از جمله GPT-6 Astra، نشان داده اند که می توانند مستقیما در رباتیک اعمال شوند. این کشف همان چیزی است که OpenAI را برانگیخت تا تیم رباتیک مستقل را منحل کند و محققان وابسته را به تیم‌هایی منتقل کند که روی مدل‌های عمومی‌تر هوش مصنوعی کار می‌کنند.

سازماندهی مجدد همچنین در زمانی انجام می شود که OpenAI تحت فشار است تا هزینه های خود را مهار کند و نشان دهد که بیشتر بر روی چند محصول اصلی متمرکز شده است. سال گذشته، آلتمن به شرکت گفت که باید «جستجوهای جانبی» را کنار بگذارد، و این شرکت برخی از تلاش‌ها - از جمله Sora - را به منظور تخصیص مجدد منابع محاسباتی به تلاش‌های اصلی و بالقوه سودآور، کنار گذاشته است. این شرکت تحت فشار است تا زیان های عملیاتی سنگین خود را که طبق گزارش ها در سه ماهه اخیر بالغ بر 10.9 میلیارد دلار بوده است، جبران کند، زیرا به دنبال بستن دور جدید سرمایه گذاری و آماده شدن برای عرضه اولیه اولیه سهام احتمالی در اوایل سال 2027 است.

این خط فکری - که مدل‌های هوش مصنوعی عمومی را می‌توان مستقیما برای ربات‌های کنترل‌کننده بدون نیاز به ایجاد مدل‌های تخصصی با "هوش فضایی" به کار برد - به نظر می‌رسد مفروضات بسیاری از استارت‌آپ‌های رباتیک امروزی را به چالش می‌کشد که میلیاردها دلار را با این فرض که ربات‌ها به مغز خود نیاز دارند، جمع‌آوری کرده‌اند.

اما راس تدریک، پروفسور MIT و یکی از بنیانگذاران و مدیرعامل Walden Robotics، گفت که شرکت‌های روباتیک هنوز مزیتی دارند که آزمایشگاه‌های هوش مصنوعی ندارند: روبات‌های آنها در حال حاضر در مکان‌های واقعی، مانند کف کارخانه‌ها، تجربه کاری کسب می‌کنند. چنین تجربه «استقرار» - و داده‌هایی که این روبات‌ها جمع‌آوری می‌کنند - به ربات‌ها کمک می‌کند تا با مکان‌های کاری و وظایف خاص سازگار شوند. تدریک گفت که مدل‌های بنیادی بهتر این داده‌های مربوط به سایت را با ارزش‌تر می‌کنند، زیرا روبات‌ها می‌توانند سریع‌تر از آن یاد بگیرند.

آزمایش‌های اخیر آزمایش کرده‌اند که یک مدل همه‌منظوره بدون آموزش تخصصی روی داده‌های رباتیک چقدر کار می‌تواند انجام دهد. محققان تصاویر دوربین Astra، اطلاعات ربات و یک رابط کنترلی را ارائه کردند که به مدل اجازه می‌داد تا به ربات دستور دهد تا اقدامات خاصی را انجام دهد. در یک مطالعه انویدیا، یک عامل مجهز به Astra به نرخ موفقیت 74.8 درصدی در معیار دستکاری شبیه سازی شده دست یافت - جایی که مدل به یک ربات شبیه سازی شده در یک شبیه سازی دیجیتالی فرمان می دهد، برخلاف یک ربات واقعی - در مقایسه با 51.0٪ گزارش شده توسط بهترین مدل های رباتیک تخصصی در این امتیاز.

شی گفت: پیشرفت‌ها در قابلیت‌های فضایی و استدلالی مدل‌های عمومی به آنها اجازه می‌دهد تا کارهایی را انجام دهند که قبلا به آموزش اختصاصی نیاز داشتند. او گفت که آنها می توانند وقتی یک بطری در موقعیت دیگری قرار می گیرد یا نور تغییر می کند کنار بیایند و درباره ترتیب کار یا اینکه کدام مرحله اشتباه پیش رفته است استدلال کنند.

در همین حال، مدل‌های زبان بزرگ قدرتمند اما کند هستند و باید در فضای ابری میزبانی شوند، به این معنی که ربات یا دستگاه به یک اتصال شبکه ثابت نیاز دارد. شی همچنان نیاز به مدل‌های کوچک‌تر و تخصصی‌تری را می‌بیند که می‌توانند بدون نیاز به اتصال دائمی به اینترنت روی رایانه داخلی ربات اجرا شوند.

پیت فلورنس، یکی از بنیانگذاران Generalist، استارت آپی که مدل های هوش مصنوعی همه منظوره برای روبات ها را آموزش می دهد، به فورچون گفت: «ممکن است نقاط شروع متفاوتی برای رشد هوش وجود داشته باشد. او گفت مشخص نیست که هر مدل موجود بتواند در درازمدت بر رباتیک تسلط داشته باشد.

به نوبه خود، OpenAI گفت که محققان رباتیک خود را به تیم های دیگر واگذار می کند زیرا اکنون معتقد است این بهترین راه برای تسریع پیشرفت در ساخت ربات های همه منظوره است.

در غرفه شماره 208 در CoRL، چند نفر از اعضای سابق تیم روباتیک OpenAI با وجود نداشتن نمایشگر یا نسخه ی نمایشی، هنوز هم جمعیت را به خود جلب کردند. به هر حال، یکی از داغ‌ترین سؤالات کنفرانس این بود که با افزایش توانمندی مدل‌های همه‌منظوره، چقدر تخصص روباتیک ارزشمند باقی می‌ماند – و تجربه آن محققان سابق روباتیک OpenAI، که اکنون به تیم‌های دیگر اعزام شده‌اند، یک پاسخ را ارائه می‌دهد.

این داستان در ابتدا در سایت Fortune.com منتشر شد