Fale mózgowe kluczem do rozwoju fizycznej sztucznej inteligencji?

Rozwój fizycznej sztucznej inteligencji napotyka na znaczące wyzwania, z których jednym z kluczowych jest niedobór wysokiej jakości danych treningowych. W odpowiedzi na tę potrzebę, firma Encord, specjalizująca się w narzędziach do trenowania modeli AI, eksploruje innowacyjne metody pozyskiwania danych, w tym wykorzystanie fal mózgowych, aby przyspieszyć postępy w dziedzinie robotyki humanoidalnej i magazynowej.

Innowacyjne podejście do zbierania danych

W San Leandro w Kalifornii, w magazynie Encord, odbywają się eksperymenty mające na celu stworzenie nowych typów danych treningowych dla robotów. Andrew Ceja, jeden z „pilotów” firmy (tak Encord nazywa swoich trenerów robotów), wykonuje zadanie wyciągania drewnianych klocków z wieży Jenga, mając na sobie specjalny zestaw słuchawkowy. Urządzenie to, oprócz kamery śledzącej jego pole widzenia, zawiera czujniki mierzące fale mózgowe. Celem jest zarejestrowanie stanów mentalnych, takich jak błąd, intencja czy zaskoczenie, co ma prowadzić do stworzenia bardziej użytecznych zbiorów danych do trenowania modeli.

Encord współpracuje w tym projekcie z niemieckim startupem neuronaukowym Zander Labs, który opracował wspomniany zestaw słuchawkowy. Obecnie jest to faza próbna, mająca na celu stworzenie wstępnego zbioru danych z tagami fal mózgowych. Następnie dane te zostaną wykorzystane do trenowania modeli robotycznych klientów Encord, a ich skuteczność zostanie oceniona przed podjęciem decyzji o szerszym wdrożeniu. Lucas Gehrke, neuronaukowiec z Zander Labs, podkreśla, że intensywność aktywności mózgowej podczas zadania może dostarczyć wskazówek, kiedy należy zastosować najbardziej zaawansowane modele.

Przełamywanie bariery danych w robotyce

Vineeth Velmurugan, szef działu uczenia robotów w Encord i weteran laboratorium robotyki OpenAI oraz firmy Berkshire Grey, określa te działania jako „najnowocześniejsze” w rozwiązywaniu problemu niedoboru danych w robotyce. Encord, początkowo skupiający się na adnotacji danych i ocenie modeli dla aplikacji wizji maszynowej, zdał sobie sprawę, że musi samodzielnie produkować dane treningowe, ponieważ „dane po prostu nie istnieją”.

Podczas gdy generatywna sztuczna inteligencja zrewolucjonizowała chatboty, jej zastosowanie w robotyce fizycznej napotyka na problem skalowalności danych. Firmy produkujące samochody autonomiczne zbierają dane ze świata rzeczywistego, ale jest to trudne do skalowania. Trenowanie na podstawie wideo jest możliwe, ale brakuje mu wierności danych rzeczywistych. Velmurugan szacuje, że do przełamania tej bariery potrzebny będzie zbiór danych pięciokrotnie większy niż korpus wideo YouTube'a. To pokazuje, dlaczego generowanie danych stało się samodzielnym biznesem, a nie tylko problemem badawczym.

Nowe modalności danych i ich koszt

Firmy rozwijające „mózgi” robotów zwracają się obecnie do dwóch głównych źródeł danych:

• Wideo „egocentryczne” zbierane przez pracowników noszących kamery, często uzupełniane o dodatkowe kąty kamery i inne metryki.
• Dane z robotów sterowanych zdalnie.

Encord wykorzystuje obie te metody, zbierając dane egocentryczne z fabryk na całym świecie i eksperymentując z nowymi modalnościami, takimi jak fale mózgowe, w swoim obiekcie w San Leandro. Firma testuje również inną nową modalność danych, wykorzystując zestaw czujników przymocowanych do przedramienia, aby wykrywać sygnały elektryczne w mięśniach. Ma to na celu stworzenie trójwymiarowego obrazu położenia dłoni w dowolnym momencie, co zapewni modelom bardziej kompleksowe zrozumienie.

Zbiory danych Encord są szczegółowo anotowane fizycznymi opisami, np. „prawa ręka dokręca śrubę”, aby pomóc modelom opartym na dużych modelach językowych (LLM) w zrozumieniu zachodzących działań. Velmurugan ocenia, że tego rodzaju gęsta adnotacja jest stokrotnie cenniejsza niż „śmieciowe dane ego” do trenowania konkretnych zadań, a jej produkcja kosztuje tylko dwudziestokrotnie więcej, co na papierze wydaje się dobrą inwestycją.

Jednak „dwudziestokrotnie więcej” to nadal znaczące koszty. W przeciwieństwie do zbierania tekstu z internetu dla LLM, generowanie fizycznych danych treningowych jest kosztowne. To zmienia ekonomię budowania modeli fizycznej sztucznej inteligencji, która wymaga produkcji danych, a nie tylko ich zbierania.

Przyszłość fizycznej AI

Velmurugan zauważa, że postępy są widoczne, a Encord, dzięki swojej pozycji między wieloma firmami robotycznymi, jest w stanie obserwować, które techniki danych zyskują na popularności w całej branży. Ta perspektywa pozwala firmie identyfikować skuteczne metody, zanim zrobi to pojedynczy klient. To z kolei utrzymuje w pełnym zaangażowaniu kilkunastu pilotów w obiekcie Encord, takich jak Sofia Infante i Andrew Ceja, którzy wcześniej pracowali w innej firmie zajmującej się adnotacją danych AI, Scale. Ceja, który wcześniej zajmował się utrzymaniem robotycznego sortownika śmieci, teraz czerpie satysfakcję z wyzwań związanych z trenowaniem robotów, podkreślając, że „każdy dzień przynosi coś nowego!”.

Rozwój fizycznej sztucznej inteligencji, choć kosztowny i wymagający innowacyjnych podejść do zbierania danych, jest kluczowy dla automatyzacji zadań wymagających precyzji i zręczności. Wykorzystanie fal mózgowych i innych zaawansowanych modalności danych może znacząco przyspieszyć ten proces, otwierając drogę do bardziej zaawansowanych i autonomicznych robotów zdolnych do interakcji ze złożonym środowiskiem fizycznym. Obserwacja postępów w tej dziedzinie będzie kluczowa dla zrozumienia przyszłych kierunków rozwoju AI.

Źródło: techcrunch.com