&format=webp)
Как да си тренираш хуманоиден робот във виртуален свят – според визията на Nvidia
Сферата на хуманоидната роботика към този момент наподобява не е на светлинни години разстояние от всеобщия консуматор. Благодарение на AI напредъка, софтуерни компании като Nvidia към този момент приказват не за това дали, а по кое време хуманоидните машини ще се трансфорат в неизменима част от всекидневието ни.
На ревюто Computex в Тайван вицепрезидентът на компанията Рев Лебаредиан споделя по какъв начин симулациите, данните и действителните потребности от работна ръка ще задвижат идната гражданска война – тази на физическия AI.
„ Намираме се в извънредно забавен миг “, споделя Лебаредиан в изявление за Euronews Next. „ Обещанието на роботиката съществува от много време – още от научната фантастика. Но през днешния ден сме по-близо от всеки път до реализацията ѝ. “
След години, прекарани в опити за основаване на универсални роботи, най-голямото предизвикателство наподобява не е физиката, а програмирането. Сега това се трансформира с помощта на изкуствения разсъдък.
„ AI направи по този начин, че роботите към този момент могат да се програмират по повсеместен метод – от елементарни хора, а освен от инженери по роботика “, споделя Лебаредиан.
Компании като Tesla към този момент показват забележителен прогрес – Optimus неотдавна е подготвен да прави домашен задания. Но с цел да бъдат роботите в действителност потребни, те първо би трябвало да бъдат „ дресирани “ – и това няма по какъв начин да се случи напълно в действителния свят.
„ Физическият AI има потребност от извънредно доста данни “, изяснява Лебаредиан.
„ При езиковите модели можем да използваме интернет като източник на данни. Но при роботите такива данни просто не съществуват – сами би трябвало да ги създадем. “
Обучението посредством симулации е по-безопасно, както и доста по-бързо и по-ефективно. Според него най-хубавият „ възобновим “ източник на данни е точно симулираната действителност – цифрова среда, в която роботите могат да натрупат нужния „ скотски “ опит, преди действително да влязат в деяние.
„ Да обучим робот да вдигне предмет в действителния свят е скъпо, рисково и постепенно. Симулацията е отговорът, който търсим “, споделя Лебаредиан пред Euronews.
След като виртуално подготвените роботи преминат сполучливо тестванията, те могат да се „ дипломират “ и да стартират работа. Подобно на новоназначен чиновник, който първо учи от отворени източници, само че става скъп едвам когато стартира да натрупа познания от вътрешната база данни на компанията, по този начин и роботите ще се специализират съгласно потребностите на съответния бизнес.
Най-вероятният сюжет е промишлеността да бъде първият действителен консуматор. „ Дори да създадем съвършения домакински робот, не е ясно дали всички хора ще желаят тъкмо подобен вкъщи. Но в промишлеността нещата стоят по друг метод, тъй като потребността е налице и непрекъснато нараства “, споделя Лебаредиан.
Той също по този начин показва, че дефицитът на работна ръка в световен мащаб се ускорява – изключително в така наречен „ 3D “ специалности: dangerous, dull, dirty – рискови, скучни и мръсни.
Тайван, да вземем за пример, към този момент разгласи петгодишен проект за развиване на роботиката за справяне с демографския спад и потребността от грижа за възрастното население.
След производството, съгласно Nvidia, роботи могат да бъдат внедрени в търговията на дребно, в минната промишленост, в нуклеарни обекти, в космоса, а даже и като асистенти за възрастни хора – стига обществото да има такава подготвеност.
Въпреки софтуерния прогрес, остава един огромен въпрос, а той е точно сигурността. Една неточност от езиков модел може да сътвори много неудобства… само че неточност от физически робот е евентуално по-опасна.
„ Да, генеративният AI към момента позволява грешки “, споделя Лебаредиан, „ само че в случай че погледнем какво се случва с ChatGPT единствено в границите на две години – точността и качеството на отговорите се усъвършенстват експоненциално. “
При роботите дилемите постоянно са ясни и измерими – да вземем за пример дали сполучливо е изместен даден обект. Това прави системите по-податливи на тестване и узаконяване преди всеобща приложимост.
„ Имаме образци за извънредно рискови системи – като нуклеарни реактори – които сме се научили да управляваме безвредно. Същото може да се реализира и с физическия AI “, твърди той.
На ревюто Computex в Тайван вицепрезидентът на компанията Рев Лебаредиан споделя по какъв начин симулациите, данните и действителните потребности от работна ръка ще задвижат идната гражданска война – тази на физическия AI.
„ Намираме се в извънредно забавен миг “, споделя Лебаредиан в изявление за Euronews Next. „ Обещанието на роботиката съществува от много време – още от научната фантастика. Но през днешния ден сме по-близо от всеки път до реализацията ѝ. “
След години, прекарани в опити за основаване на универсални роботи, най-голямото предизвикателство наподобява не е физиката, а програмирането. Сега това се трансформира с помощта на изкуствения разсъдък.
„ AI направи по този начин, че роботите към този момент могат да се програмират по повсеместен метод – от елементарни хора, а освен от инженери по роботика “, споделя Лебаредиан.
Компании като Tesla към този момент показват забележителен прогрес – Optimus неотдавна е подготвен да прави домашен задания. Но с цел да бъдат роботите в действителност потребни, те първо би трябвало да бъдат „ дресирани “ – и това няма по какъв начин да се случи напълно в действителния свят.
„ Физическият AI има потребност от извънредно доста данни “, изяснява Лебаредиан.
„ При езиковите модели можем да използваме интернет като източник на данни. Но при роботите такива данни просто не съществуват – сами би трябвало да ги създадем. “
Обучението посредством симулации е по-безопасно, както и доста по-бързо и по-ефективно. Според него най-хубавият „ възобновим “ източник на данни е точно симулираната действителност – цифрова среда, в която роботите могат да натрупат нужния „ скотски “ опит, преди действително да влязат в деяние.
„ Да обучим робот да вдигне предмет в действителния свят е скъпо, рисково и постепенно. Симулацията е отговорът, който търсим “, споделя Лебаредиан пред Euronews.
След като виртуално подготвените роботи преминат сполучливо тестванията, те могат да се „ дипломират “ и да стартират работа. Подобно на новоназначен чиновник, който първо учи от отворени източници, само че става скъп едвам когато стартира да натрупа познания от вътрешната база данни на компанията, по този начин и роботите ще се специализират съгласно потребностите на съответния бизнес.
Най-вероятният сюжет е промишлеността да бъде първият действителен консуматор. „ Дори да създадем съвършения домакински робот, не е ясно дали всички хора ще желаят тъкмо подобен вкъщи. Но в промишлеността нещата стоят по друг метод, тъй като потребността е налице и непрекъснато нараства “, споделя Лебаредиан.
Той също по този начин показва, че дефицитът на работна ръка в световен мащаб се ускорява – изключително в така наречен „ 3D “ специалности: dangerous, dull, dirty – рискови, скучни и мръсни.
Тайван, да вземем за пример, към този момент разгласи петгодишен проект за развиване на роботиката за справяне с демографския спад и потребността от грижа за възрастното население.
След производството, съгласно Nvidia, роботи могат да бъдат внедрени в търговията на дребно, в минната промишленост, в нуклеарни обекти, в космоса, а даже и като асистенти за възрастни хора – стига обществото да има такава подготвеност.
Въпреки софтуерния прогрес, остава един огромен въпрос, а той е точно сигурността. Една неточност от езиков модел може да сътвори много неудобства… само че неточност от физически робот е евентуално по-опасна.
„ Да, генеративният AI към момента позволява грешки “, споделя Лебаредиан, „ само че в случай че погледнем какво се случва с ChatGPT единствено в границите на две години – точността и качеството на отговорите се усъвършенстват експоненциално. “
При роботите дилемите постоянно са ясни и измерими – да вземем за пример дали сполучливо е изместен даден обект. Това прави системите по-податливи на тестване и узаконяване преди всеобща приложимост.
„ Имаме образци за извънредно рискови системи – като нуклеарни реактори – които сме се научили да управляваме безвредно. Същото може да се реализира и с физическия AI “, твърди той.
Източник: profit.bg
КОМЕНТАРИ