ارزش Eka به لطف یک مدل هوش مصنوعی فیزیکی که کارشناسان را به شدت مشغول کرده است، 1.45 میلیارد دلار است

علیرغم میلیاردها دلار سرمایه گذاری و ویدیوهای بی پایانی که در مدل های یادگیری عمیق تغذیه می شوند، ربات ها هنوز در انتخاب چیزها آنقدر خوب نیستند.

راگو راگورام، شریک عمومی a16z که دور جمع‌آوری سرمایه را رهبری می‌کرد، به TechCrunch گفت: «آن‌ها در حال حاضر عملکرد فوق‌العاده‌ای برای برخی وظایف دارند، و بنابراین ما فکر می‌کنیم در چند ماه آینده عملکرد فوق‌العاده‌ای در بسیاری از کارهای دستکاری ماهرانه وجود خواهد داشت.

در عصر نمایش های رباتیک بی پایان، قابلیت های Eka ربات سازان کهنه کار را شوکه می کند.

کریس هاوزر، استاد دانشگاه ایلینویز Urbana-Champaign، گفت که در مقایسه با دیگر دموهای روباتی که اخیرا دیده است، «عامل شگفت انگیزی» دارد. هاوزر گفت: ربات Eka "توانست بدون آموزش مجدد با تعداد زیادی از اشیاء مختلف سازگار شود" و افزود که جنبه "انسانیت، انسانیت وحشتناکی نیز دارد که اگر بار اول شکست بخورد، بارها و بارها تلاش می کند."

روباتیک دیگری که به دلیل کار خود در یک آزمایشگاه مرزی خواست نامش فاش نشود، به TechCrunch گفت که دیدن ربات Eka در حال عمل یک تجربه احساسی بود که قابل مقایسه با زمانی است که ربات ها برای اولین بار پنج تا ده سال پیش به حرکت با پاهای قابل اعتماد دست یافتند. خودتان نگاهی بیندازید:

چه چیزی در اینجا قابل توجه است؟ ربات چقدر نرم و سریع حرکت می کند. می تواند در یک ساعت حدود 1500 شیء را که وزن آنها به 1 کیلوگرم می رسد، در مقایسه با حدود 600 جسم برای یک انسان، بردارد. Eka می گوید که بیش از 95 درصد مواقع اشیاء را به طور قابل اعتمادی می گیرد. و بازوی ربات آنقدر قوی است که به سرعت به خود آسیب برساند. به گفته ناظر آزمایشگاه مرزی، این نشان می دهد که "آنها به الگوریتم خود اعتماد زیادی دارند که ربات را خراب نمی کند. من نمی دانم چند ربات را در طول راه شکستند؟"

زمانی که رباتیک آزمایشگاه مرزی با ربات اکا ملاقات کرد، یک تمشک به او دادند که ظاهرا مورد علاقه آزمایشگاه بود. آنها به TechCrunch گفتند: «تجربه یک ربات بزرگ و سنگین که با عجله به سمت بازوی من می‌رود و سپس به موقع سرعتش را کاهش می‌دهد و خیلی آرام مرا لمس می‌کند، این احساس را دارد که من در حال صحبت کردن، این احساس را در بدنم حمل می‌کنم.

این قابلیت‌ها نتیجه چگونگی ساخت مدل بنیادی است. به جای یک مدل بینایی-زبان-عملی - که برای درک رابطه بین زبان، ورودی های بصری و کنش ها آموزش داده شده است - طرح واره در اینجا یک مدل بینایی-نیروی-عملی است که بر رابطه بین زبان، ورودی های نیرو و کنش ها تمرکز دارد. منتقدان جهت فعلی مدل های رباتیک هوش مصنوعی مولد، مانند رادنی بروکس، می گویند که آنها بدون تلاش برای نمایش نیرو و لمس شکست خواهند خورد. نتایج Eka نشان می دهد که چنین منتقدانی نکته ای دارند.

آگراوال، یکی از بنیانگذاران Eka، به TechCrunch گفت: «بینایی راه اصلی برای بستن این آخرین مشکل میلی متری نیست. "دید به شما می گوید که شی تقریبا کجاست، ژست چیست، اما گرفتن واقعی، جستجوی واقعی از طریق نیروها انجام می شود."

Eka مجبور شد یک دست رباتیک منحصر به فرد طراحی کند که نسبت به گیره های سنتی انعطاف پذیرتر بود و دارای حسگرهای نیروی بیشتری بود. به تماس واکنش نشان می دهد، به همین دلیل است که تمشک را خرد نمی کند. بنیانگذاران در مورد چگونگی دستیابی به آن به دلایل رقابتی آشکار، نگران هستند، اما استفاده از شبیه ساز فیزیک برای مدل سازی نیروهای متعددی که ربات در تلاش برای درک چیزی با آن مواجه می شود، و استفاده از آن برای ایجاد یک محیط یادگیری تقویتی است که می تواند در مقیاس اجرا شود. آنها می گویند که می توانند هزاران ساعت تجربه ربات را در چند دقیقه ایجاد کنند.

هاوزر می‌گوید: «به جای محدود شدن به داده‌هایی که مثلا از تظاهرات انسانی جمع‌آوری می‌کنید، Eka در حال تلاش برای یادگیری این رویکرد است که در آن ربات می‌تواند از هر نوع نمایشی که به او داده می‌شود پیشی بگیرد.» «آنچه واقعا هیجان‌انگیز است این است که آنها می‌توانند به داده‌هایی که برای آموزش به آنها ارائه می‌شود محدود نشوند.»

آگراوال و هاارنوجا، که برای اولین بار در مقطع کارشناسی ارشد در دانشگاه کالیفرنیا، برکلی با یکدیگر آشنا شدند، محققان پیشرو در زمینه یادگیری تقویتی برای کنترل رباتیک هستند. شرط کلیدی Eka این بود که این تکنیک را می‌توان در مقیاس از طریق شبیه‌سازی انجام داد، به جای تکیه بر ویدیوهای جمع‌آوری‌شده توسط گیگ‌ورک‌ها یا اپراتورهای ربات که وظایف را در طول ساعت‌ها انجام می‌دهند. شبیه سازی کلید دستیابی به دستکاری قابل اعتماد ربات آنها بود، شاهکاری که در گذشته برای کارهایی که نیاز به تعامل با اشیاء دارند، به جای اجتناب از آنها، دشوارتر بود.

آگراوال استدلال می کند: «آنچه EKA پل می کند، شکاف کلی-عملکردی است که بسیاری از رباتیک های مدرن را آزار می دهد.

در حال حاضر، تعمیم‌پذیرترین مدل‌های هوش مصنوعی فیزیکی - آنهایی که می‌توانند کارهای مختلف زیادی را انجام دهند - در آن‌ها مهارت خاصی ندارند. اما مدل‌های هوش مصنوعی آموزش‌دیده برای توانایی بسیار بالا در یک کار واحد ممکن است پرونده تجاری را برای یک شرکت نبندند: وعده هوش مصنوعی مولد این است که روبات‌ها می‌توانند به سرعت چندین کار، حتی کارهای جدید را یاد بگیرند.

رویکردهای فعلی در تولید ربات‌هایی که عموما هوشمندتر از قبل هستند خوب هستند - Astra، آخرین LLM ChatGPT، می‌تواند یک ربات را در محیطی ناآشنا کار کند و وظایف را با آن انجام دهد، اما به آرامی و با هزینه بالا. وعده مدلی مانند Eka این است که از جنبه فیزیکی استفاده می کند در حالی که یک مدل کلی تر در مورد چگونگی حل یک مشکل تصمیم می گیرد. به عنوان مثال، آسترا ممکن است بداند که بشقاب‌ها وقتی از ماشین ظرفشویی بیرون می‌آیند در کمد انباشته می‌شوند، اما مدل Eka می‌تواند ظرف را بدون شکستن بردارد.

هاارنوجا، یکی از بنیان‌گذاران Eka، می‌گوید: «بیشتر بخش‌ها بر برنامه‌ریزی تمرکز کرده‌اند، بنابراین آنها از بالا نزدیک می‌شوند: هوش سطح بالا، به سمت پایین به سمت فیزیکی. در حالی که ما از پایین به بالا به آن فکر می‌کنیم.»

با این حال، اکا هنوز باید خود را در میدان نشان دهد. این شرکت در حال کار در خلبان های مخفی با تعدادی از مشتریان صنعتی است که انتخاب و جابجایی و دستکاری سیم را انجام می دهند، اما جهش از آزمایشگاه به خط تقریبا به اندازه شکاف بین سیم کارت و واقعی است.

هاوزر گفت: «آنچه که قرار است یک چالش بزرگ باشد این است که آنها با یکپارچه‌سازها در خطوط مونتاژ واقعی کار می‌کنند و نیاز است که برای یک سال تمام بدون خرابی کار کنند. سوال باز دیگر این است که «این تکنیک‌ها چقدر می‌توانند به وظایف مختلف تعمیم‌پذیر باشند؟» چیزی که من دیده‌ام انتخاب و مکان است، اما بسیاری از وظایف صنعتی که ارزش افزوده دارند فراتر از انتخاب و مکان هستند.

آگراوال می‌گوید: «آنچه ما در حال ساختن آن هستیم مهندسی نحوه طراحی کل گردش کار است، اما ما بسیار عمل‌گرایانه عمل می‌کنیم و می‌گوییم که در اینجا دو حالت عمودی در انتخاب، چیدمان، مکان و جابجایی سیم وجود دارد، بیایید آن‌ها را در خانه اجرا کنیم. هنگامی که ما خانه را بر روی آن‌ها انجام دادیم، آسمان محدودیتی است که می‌توانیم با رویکردی که در حال توسعه آن هستیم انجام دهیم.»

وقتی از طریق پیوندهای موجود در مقالات ما خرید می کنید، ممکن است کمیسیون کمی کسب کنیم. این بر استقلال تحریریه ما تأثیر نمی گذارد.

One Pass بخرید، جلد دوم رایگان را در بوت کمپ نهایی سال TechCrunch با آوردن هم بنیانگذار یا شریک خود به صورت کتاب رایگان قبل از انقضای قرارداد BOGO دریافت کنید.

مردم از هوش مصنوعی استفاده می کنند تا تلویزیون های هوشمند خود را دوباره احمق کنند سارا پرز

همه در حال تماشای مستند الیزابت هلمز "شما می توانید همه چیز را ببینید" آنتونی ها هستند

آنتروپیک می گوید که نیروی کارش کمتر جوان شده است و زمان بیشتری را در جلسات آنتونی ها می گذراند

کریستن کوروسک لوکاس روپک، ربکا بلان، مدیرعامل می گوید که Replit OpenAI را به طور پیش فرض نسبت به Anthropic تبدیل می کند.

مارک والبرگ می‌خواهد با یک باشگاه ورزشی مقرون‌به‌صرفه، Connie Loizos، استارت‌آپ‌های با طول عمر بالا را بر عهده بگیرد.

هند آخرین کشوری است که فعالیت عامل هوش مصنوعی آدیتیا مهتا را گزارش کرده است

تسلا از رودستر اسپیس ایکس رونمایی کرد که با سبک شان اوکین پرواز و سقوط می کند.