Η Google παρουσιάζει το RT-2, μια πλατφόρμα τεχνητής νοημοσύνης για επικοινωνία με ρομπότ

Παρά το γεγονός ότι τα chatbots AI που βασίζονται σε μεγάλα γλωσσικά μοντέλα (LLMs) κυριαρχούν σήμερα στις ειδήσεις χάρη στην ταχεία αύξηση της δημοτικότητας των ChatGPT, Bing Chat, Meta's Llama και Google Bard, αυτό είναι ένα σχετικά μικρό κομμάτι του συνολικού τοπίου AI. Το ρομποτικό υλικό που χρησιμοποιεί εξελιγμένους τρόπους είτε για να αντικαταστήσει είτε για να βοηθήσει τους ανθρώπους είναι ένας άλλος τομέας που ερευνάται εντατικά εδώ και χρόνια. Πρόσφατα, η Google αποκάλυψε ένα νέο μοντέλο τεχνητής νοημοσύνης που αποτελεί εξέλιξη σε αυτόν τον τομέα.

Το Robotics Transformer 2 (RT-2) είναι το πιο πρόσφατο μοντέλο ΤΝ της Google και έχει έναν πολύ σαφή στόχο: να λέει σε ένα ρομπότ τι θέλετε να κάνει. Χρησιμοποιεί μεθόδους αιχμής για την επίτευξη αυτού του στόχου και προωθείται από μια ειδική δράση οπτικής γλώσσας (VLA) που η Google ισχυρίζεται ότι είναι η πρώτη του είδους της. Ακόμα και αν τα προηγούμενα μοντέλα, όπως το RT-1 και το PaLM-E, βελτίωσαν την ενίσχυση των δυνατοτήτων συλλογισμού των ρομπότ και εξασφάλισαν ότι μαθαίνουν το ένα από το άλλο, ο κόσμος που κυριαρχείται από τα ρομπότ και απεικονίζεται στις ταινίες επιστημονικής φαντασίας εξακολουθεί αναμφίβολα να φαίνεται να είναι μια ιδέα από το πολύ μακρινό μέλλον.

Εξασφαλίζοντας ότι τα ρομπότ κατανοούν πλήρως το περιβάλλον τους με ελάχιστη έως καθόλου βοήθεια, το RT-2 επιδιώκει να κλείσει το χάσμα μεταξύ φαντασίας και πραγματικότητας. Χρησιμοποιώντας ένα μοντέλο βασισμένο στον Transformer, μαθαίνει για το περιβάλλον χρησιμοποιώντας κειμενικές και οπτικές πληροφορίες που είναι διαθέσιμες στο διαδίκτυο και στη συνέχεια τις μεταφράζει σε ρομποτικές ενέργειες, ακόμη και σε δοκιμαστικές καταστάσεις στις οποίες δεν έχει εκπαιδευτεί ρητά. Με αυτόν τον τρόπο, είναι εννοιολογικά πολύ παρόμοιο με τα LLM.

Για να εξηγήσει τις δυνατότητες του RT-2, η Google έχει παράσχει ορισμένα σενάρια χρήσης. Για παράδειγμα, ένα ρομπότ που τροφοδοτείται από το RT-2 θα μπορούσε εύκολα να καταλάβει τι είναι τα σκουπίδια, πώς να τα διακρίνει από άλλα αντικείμενα στο περιβάλλον, πώς να τα μετακινεί και να τα μαζεύει μηχανικά και πώς να τα πετάει στον κάδο απορριμμάτων - και όλα αυτά χωρίς να έχει εκπαιδευτεί ειδικά για οποιαδήποτε από αυτές τις εργασίες.

Η Google δημοσίευσε επίσης ορισμένα δεδομένα δοκιμών RT-2 που είναι μάλλον εκπληκτικά. Σε περισσότερες από 6.000 δοκιμές, το RT-2 απέδειξε ότι ήταν εξίσου καλό στις "ορατές" εργασίες με τον προκάτοχό του. Το πιο ενδιαφέρον είναι ότι απέδωσε σχεδόν δύο φορές καλύτερα σε αθέατες συνθήκες, σημειώνοντας 62% έναντι 32% του RT-1. Παρόλο που οι χρήσεις μιας τέτοιας τεχνολογίας φαίνεται να είναι ήδη πολύ πραγματικές, χρειάζεται κάποιος χρόνος για να ωριμάσει, επειδή οι νόμιμες περιπτώσεις χρήσης συχνά απαιτούν ενδελεχείς δοκιμές και ακόμη και κανονιστική έγκριση.