Fyzická vývojová fronta AI není jen skladiště. Jedná se o věž Jenga z dřevěných kostek.
V průmyslovém prostoru v San Laindo v Kalifornii, který okupuje Encord, se sázky zvyšují. Andrew Seiya nejen hraje. Trénuje stroj.
Seiya je v terminologii Encordu takzvaný „pilot“. Jednoduše řečeno, je to instruktor robotiky. Na hlavě má helmu s kamerou, která vyjadřuje svůj úhel pohledu. K helmě je ale připojeno i další zařízení: senzory, které měří jeho mozkové vlny.
Když vytahuje dřevěné kostky z vratké věže, systém zaznamenává více než jen vizuální data. Zaznamenává jeho záměry. Jeho soustředění. Přesný okamžik chyby.
To není sci-fi. Je to nejnovější sázka v závodě na vytvoření funkčních humanoidních robotů.
Proč jsou data pro fyzickou umělou inteligenci obtížnější než text
Generativní umělá inteligence způsobila revoluci v chatbotech, protože textová data byla všude. Bylo možné „analyzovat“ miliardy textových souborů z internetu. Stálo to penny.
Fyzikální umělá inteligence funguje jinak.
Školicí data pro roboty jednoduše neexistují v požadovaném měřítku. Zatím.
Vinith Velmurugan to ví z první ruky. Vede podnik Encord pro školení robotiky. Předtím pracoval v robotické laboratoři OpenAI a v Berkshire Gray. Přišel do Encordu, protože starý model sběru dat již nefungoval.
“Data prostě neexistují,” řekl.
Společnosti vytvářející nástroje pro strojové vidění používané k jednoduché správě dat. Nyní je musí vytvořit. Trénink od začátku do konce vyžaduje reálná manipulační data. Jedno video pro požadovanou přesnost nestačí. Ano, samořídící auta shromažďují svá vlastní data. Ale škálování tohoto procesu je skutečná noční můra.
Velmurugan cituje číslo, které by mělo vyděsit každého, kdo se snaží osvojit si ekonomiku velkých jazykových modelů (LLM) pro roboty. Potřebujete soubor dat, který je asi pětkrát větší než celý videoarchiv YouTube.
Jak takové objemy nasbírat, aniž bychom zkrachovali laboratoř?
Je třeba je vyrobit. A označte je pomocí neurovědních metod.
Encord and Zander Labs: Dimension of the Mind
Helma, kterou Seiya nosí, pochází ze Zander Labs. Jedná se o německý startup v oblasti neurověd. Nesledují jen vaše pohyby. Měří mozkovou aktivitu k určení duševního stavu.
Údiv. Chyba. Záměr.
Toto je pilotní projekt mezi Encordem a Zanderem. Cíl je konkrétní: vytvořit počáteční datovou sadu s označováním mozkových vln. Vyzkoušejte to na zákaznických robotických modelech. Podívejte se, zda se výkon skutečně zlepšuje. Pokud ano, zvětšete to. Pokud ne, změňte svůj přístup.
Lukas Goerke, neurovědec ze společnosti Zander, který na tuto práci dohlíží, okamžitě vidí praktickou hodnotu. Intenzita mozkové aktivity během úkolu říká modelářům, kdy robot potřebuje pomoc. Zaznamenává okamžiky „vysokého úsilí“.
To je to, co Velmurugan nazývá „špičkovou hranou“ technologie.
Je to také drahé.
Ekonomika nevyžádaných dat první osoby
Většina společností, které staví robotické mozky, spoléhá na sebestředná data. Dělníci nasadili kamery. Dokončete úkoly. Roboti se dívají.
Encord to dělá také. Mají piloty v továrnách po celém světě. Ale v San Laindo experimentují.
Na jedné stanici Sofia Infante ovládá robotická ramena, připojuje a odpojuje ethernetové kabely od serverových stojanů. Provozovatelé datových center sní o automatizaci tohoto procesu. Kdyby tak měli roboti takovou přesnost.
Sám jsem to zkusil.
Je to složité.
Robotická chapadla nemají takovou volnost pohybu jako lidské prsty. Jsou nemotorní. Infante má hbitost. Její mozek má mikroúpravy. Robot se musí tyto úpravy naučit. Tady leží mezera.
Další nová metoda využívá senzory na předloktí. Zaznamenávají elektrické signály ve svalech. za co? Protože video rukou člověka často neukazuje ruku samotnou. Překážky stojí v cestě. Pozorovací úhel je omezený.
Senzory na ruce tyto mezery zachytí. Pomáhají vytvářet 3D mapu polohy ruky, i když ji kamera nevidí.
Ale tady je problém s ekonomikou.
Encord své datové soubory podrobně označuje: „Pravá ruka utahuje šroub“, „Levá ruka nalévá kávu.“ Husté, detailní značení.
Velmurugan tvrdí, že tato úroveň detailů je 100krát cennější pro školení specifických úkolů než „nevyžádaná data z první osoby“. 生产成本 pouze 20krát vyšší. Na papíře je to dobrý obchod.
Ale 20krát více jsou stále skutečné peníze.
Tvůrci LM sesbírali text za haléře. Fyzická data vyžadují produkci. Vyžadují lidskou práci. Vyžadují vybavení pro neurovědy. Ekonomika je ve srovnání se softwarem zásadně rozbitá.
Kdo tato data kupuje?
Encord spolupracuje s předními robotickými společnostmi. Velmurugan nemůže říct jejich jména. Požadují však konkrétní soubory dovedností.
Pro doškolení modelů.
Zařízení Encord provozuje systémy vůdce-následovník. Spárované robotické paže. Člověk se pohybuje rychlostí lidského operátora. Druhá napodobuje její pohyby.
Mezi výzvy patří nalévání kávy bez rozlití. Skládání pokerových žetonů. Třídění umělých květin. Knihy Plastová zelenina. Podnosy na stelivo pro kočky. Tašky drátů.
Každá humanoidní společnost chce tyto sady.
Velmurugan to všechno vidí ze svého místa. Je to mezi mnoha robotickými společnostmi. Ví, co funguje. Ví, že to nejde. Startupy i pokročilé laboratoře se snaží řešit stejné problémy.
Jaké metody práce s daty zakoření? Které zmizí?
Encord odhalí vítěze dříve, než si zákazníci uvědomí, že prohrávají.
To zaměstnává piloty.
Seiya, Infante – to nejsou jen anotátoři. Jsou to stavební kameny. Dříve pracovali v Scale, další společnosti pro označování dat. Teď jsou tady: vytahování bloků z věží, připojování kabelů, nalévání kávy.
Seiya dříve sloužil jako robot na třídění odpadu pro společnost zabývající se recyklací odpadu. Technologie se stala jeho vstupenkou od manuální k automatizované práci.
Nyní učí stroje přemýšlet o skládání kostek.
“Každý den je něco nového,” řekl.
Věž se zhroutila. Ještě jednou.
Senzory to zaznamenaly. Modelka trénovala.
Hlad po datech ale nezmizí. roste to. Pětkrát více než YouTube. Pro blízkou budoucnost to není problém. To je průmyslová výzva.
Bude označování mozkových vln klíčem? Nebo je to jen další drahá sada senzorů zpomalující výrobu?
To se nedozvíme, dokud modely skutečně nebudou fungovat.
