La frontiera dell’intelligenza artificiale fisica non è solo un magazzino. È una torre Jenga.
A San Leandro, in California, all’interno di un’anonima unità industriale occupata dalla Encord, il gioco si fa sempre più pesante. Andrew Ceja non sta solo giocando. Sta addestrando una macchina.
Ceja è quello che Encord chiama un “pilota”. In parole povere, è un addestratore robotico. Indossa un visore dotato di una fotocamera per catturare la sua prospettiva. Ma c’è qualcos’altro legato alla sua testa. Sensori che misurano le sue onde cerebrali.
Mentre estrae i blocchi di legno da una pila traballante, il sistema registra molto più che semplici dati visivi. Cattura il suo intento. Il suo focus. Il momento esatto dell’errore.
Questa non è fantascienza. È l’ultima scommessa nella corsa per costruire robot umanoidi funzionali.
Perché i dati fisici dell’IA sono più difficili del testo
L’intelligenza artificiale generativa ha rivoluzionato i chatbot perché i dati erano ovunque. Potresti racimolare miliardi di file di testo da Internet. Non è costato quasi nulla.
L’intelligenza artificiale fisica non funziona in questo modo.
I dati di addestramento per i robot semplicemente non esistono nella scala necessaria. Non ancora.
Vineeth Velmurugan lo sa bene. Dirige l’apprendimento dei robot presso Encord. Prima di ciò, ha lavorato presso il laboratorio di robotica di OpenAI e Berkshire Grey. È entrato in Encord perché il vecchio modello si è rotto.
“I dati semplicemente non esistono”, ha detto.
Aziende che costruiscono strumenti di visione artificiale utilizzati solo per gestire i dati. Ora devono farcela. L’apprendimento end-to-end richiede dati di manipolazione del mondo reale. Solo video? Fedeltà insufficiente. Le auto a guida autonoma raccolgono i propri dati, certo. Ma ridimensionarlo è un incubo.
Velmurugan ha un numero che dovrebbe spaventare chiunque cerchi di replicare l’economia LLM per i robot. Hai bisogno di un set di dati circa cinque volte più grande dell’intera libreria video di YouTube.
Come si fa a costruirlo senza mandare in bancarotta il laboratorio?
Lo produci tu. E lo tagghi con le neuroscienze.
Encord e Zander Labs: Misurare la mente
Le cuffie che indossa Ceja provengono da Zander Labs. È una startup tedesca di neuroscienze. Non si limitano a guardarti muovere. Misurano l’attività cerebrale per dedurre gli stati mentali.
Sorpresa. Errore. Intento.
Questa è una corsa di prova tra Encord e Zander. L’obiettivo è specifico: creare un set di dati iniziale contrassegnato dalle onde cerebrali. Eseguilo attraverso i modelli di robotica del cliente. Verifica se le prestazioni migliorano effettivamente. Se lo fa, lo ingrandiscono.
In caso contrario, ruotano.
Lukas Gehrke, neuroscienziato dello Zander che supervisiona il lavoro, ne vede subito il valore pratico. L’intensità dell’attività cerebrale durante un’attività indica ai costruttori di modelli quando il robot ha bisogno di aiuto. Segna i momenti di “alto impegno”.
Questo è ciò che Vineeth Velmurugan chiama il “bordo sanguinante”.
È anche costoso.
L’economia dei “dati dell’ego drogato”
La maggior parte delle aziende che costruiscono cervelli robotici si stanno rivolgendo a dati “egocentrici”. I lavoratori indossano telecamere. Eseguono compiti. I robot guardano.
Anche Encord fa questo. Hanno piloti nelle fabbriche di tutto il mondo. Ma a San Leandro stanno sperimentando.
In una stazione, Sofia Infante manovra i bracci robotici per collegare e scollegare i cavi Ethernet dai rack dei server. Gli operatori dei data center sognano di automatizzare tutto questo. Se solo i robot avessero la precisione.
L’ho provato io stesso.
È difficile.
Le pinze dei robot non hanno i gradi di libertà delle dita umane. Sono goffi. Infante ha la destrezza. Il suo cervello ha i micro-aggiustamenti. Il robot deve apprendere tali regolazioni. Questo è il divario.
Un’altra nuova modalità coinvolge i sensori sull’avambraccio. Rilevano i segnali elettrici nei muscoli. Perché? Perché nei video delle mani umane spesso non si vede la mano stessa. Si verificano ostacoli. Limitazioni angolari.
I sensori del braccio colmano le lacune. Aiutano a creare una mappa 3D della posizione della mano anche quando la fotocamera non riesce a vederla.
Ma ecco il problema con l’economia.
Encord annota i propri set di dati. “La mano destra stringe il bullone.” “La mano sinistra versa il caffè.” Annotazione densa.
Velmurugan afferma che questo livello di dettaglio vale 100 volte di più dei “dati dell’ego drogato” per l’addestramento di compiti specifici. Realizzarlo costa solo 20 volte di più. Sulla carta è un buon affare.
Venti volte di più sono ancora soldi veri.
I produttori di LLM hanno raschiato il testo per pochi centesimi. I dati fisici richiedono la produzione. Richiede lavoro umano. Richiede attrezzature neuroscientifiche. L’economia è fondamentalmente rotta rispetto al software.
Chi acquista questi dati?
Encord collabora con le principali aziende di robotica. Velmurugan non può nominarli. Ma chiedono set di dati sulle competenze specifiche.
Ritocchi.
Nello stabilimento di Encord sono in funzione impianti leader-follower. Bracci robotici accoppiati. Ci si muove alla velocità degli operatori umani. L’altro lo imita.
I compiti includono versare il caffè senza sbattere. Impilare le fiches da poker. Ordinamento di fiori finti. Libri. Verdure di plastica. Vaschette per lettiera per gattini. Sacchi di filo.
Ogni azienda umanoide vuole questi pezzi.
Velmurugan vede tutto dal suo punto di vista vantaggioso. Si siede tra molte aziende di robotica. Sa cosa funziona. Sa cosa non va. Sia le startup che i laboratori di frontiera stanno cercando di risolvere gli stessi problemi.
Quali tecniche di dati guadagnano terreno? Quali svaniscono?
Encord individua i vincitori prima ancora che i clienti sappiano che stanno perdendo.
Ciò tiene occupati i piloti.
Ceja, Infante, non sono solo annotatori. Sono gli elementi costitutivi. In precedenza avevano lavorato presso Scale, un’altra società di annotazione dati. Ora sono qui, a staccare i blocchi dalle torri, a collegare i cavi, a versare il caffè.
Ceja gestiva una selezionatrice robotizzata dei rifiuti presso un’azienda di gestione dei rifiuti. La tecnologia era il suo biglietto per uscire dallo smistamento manuale.
Ora sta insegnando alle macchine come pensare all’impilamento dei blocchi.
“È qualcosa di nuovo ogni giorno”, ha detto.
La torre è crollata. Ancora.
I sensori lo hanno registrato. Il modello ha imparato.
Ma la fame di dati non si ferma. Cresce. Cinque volte più grande di YouTube. Non è un problema a breve termine. È una sfida industriale.
Il tagging delle onde cerebrali sarà la chiave? O semplicemente un altro costoso stack di sensori che rallenta la produzione?
Non lo sapremo finché i modelli non funzioneranno davvero.
