ტვინის ტალღები — ფიზიკური ხელოვნური ინტელექტის განვითარების ახალი გასაღები?

ფიზიკური ხელოვნური ინტელექტის განვითარების წინა ხაზი ამჟამად კალიფორნიაში, სან-ლეანდროს ერთ-ერთ საწყობში მიმდინარე „ჯენგას“ თამაშს ჰგავს. ამ საწყობში განთავსებულია კომპანია Encord, რომელიც ხელოვნური ინტელექტის მოდელების მოსამზადებლად საჭირო მონაცემთა ინსტრუმენტებს ქმნის. ენდრიუ სეჰა, რომელსაც კომპანიაში „პილოტს“ (რობოტების ტრენერს) უწოდებენ, ფრთხილად აცლის ხის ბლოკებს მერყევ კოშკს. მას უკეთია სპეციალური მოწყობილობა კამერით, რომელიც მის მზერას აკონტროლებს.

რობოტების სწავლებისთვის მონაცემების შეგროვების ეს მეთოდი საკმაოდ გავრცელებულია, თუმცა ამ კონკრეტულ მოწყობილობას დამატებული აქვს სენსორები, რომლებიც სეჰას ტვინის ტალღებს ზომავს კოშკის დაშლის პროცესში. Encord იმ მცირე, მაგრამ მზარდი სტარტაპების რიცხვს მიეკუთვნება, რომლებიც მიიჩნევენ, რომ ჰუმანოიდური და სასაწყობო რობოტიკის მთავარი დაბრკოლება არა მოდელების არქიტექტურა, არამედ რეალურ სამყაროში ფიზიკური სატრენინგო მონაცემების სიმცირეა.

იმის ნაცვლად, რომ მხოლოდ არსებული მონაცემების მართვაში დაეხმაროს რობოტიკის კომპანიებს, Encord-მა ბიზნესი იმ მონაცემების წარმოებაზე ააგო, რომლებიც ჯერ არ არსებობს. ტვინის ტალღების საზომი მოწყობილობა, რომელიც სეჰას უკეთია, გერმანულმა ნეირომეცნიერულმა სტარტაპმა, Zander Labs-მა შექმნა. მათი ვარაუდით, ტვინის აქტივობის გაზომვით შესაძლებელია ისეთი მენტალური მდგომარეობების დადგენა, როგორიცაა შეცდომის დაშვება, განზრახვა ან გაკვირვება, რაც მოდელების სწავლებისთვის უფრო სასარგებლო მონაცემთა ნაკრებს ქმნის.

Encord-ის თანამშრომლობა Zander-თან ამჟამად სატესტო რეჟიმშია. კომპანიის განცხადებით, მიზანია შეიქმნას ტვინის ტალღებით მარკირებული საწყისი მონაცემთა ნაკრები, რომელიც კლიენტების რობოტიკის მოდელებში გაიტესტება. ამის შემდეგ შეფასდება, რეალურად აუმჯობესებს თუ არა ეს მეთოდი მუშაობის ხარისხს, სანამ მისი მასშტაბირება გადაწყდება. ლუკას გერკე, Zander-ის ნეირომეცნიერი, რომელიც ამ პროცესს ზედამხედველობს, განმარტავს, რომ კონკრეტული დავალების შესრულებისას ტვინის აქტივობის ინტენსივობა მოდელის შემქმნელებს აძლევს მინიშნებას, თუ როდის არის საჭირო ყველაზე რთული და მაღალი რესურსის მქონე მოდელების ამოქმედება.

რობოტიკის მონაცემთა დეფიციტის პრობლემა

Encord-ის რობოტების სწავლების განყოფილების ხელმძღვანელის, ვინიტ ველმურუგანის თქმით, ეს არის რობოტიკის მონაცემთა „ბოთლის ყელის“ (შეფერხების) გადაჭრის ყველაზე თანამედროვე მცდელობა. ველმურუგანი, რომელიც მანამდე OpenAI-ის რობოტების ლაბორატორიასა და საწყობების ავტომატიზაციის ფირმა Berkshire Grey-ში მუშაობდა, Encord-ს მონაცემთა შექმნის შიდა გუნდის ჩამოსაყალიბებლად შეუერთდა.

Encord თავდაპირველად შეიქმნა იმისთვის, რომ დახმარებოდა კომპანიებს მანქანური ხედვის აპლიკაციებისთვის მონაცემების ანოტაციასა და მოდელების შეფასებაში. მას შემდეგ, რაც მათმა კლიენტებმა — მათ შორის მრავალმა წამყვანმა რობოტიკის ფირმამ — დაიწყეს „end-to-end“ სწავლების გამოყენება რობოტული მანიპულაციებისთვის, ცხადი გახდა, რომ საჭირო იყო სატრენინგო მონაცემების წარმოება და არა მხოლოდ მათი მართვა.

„მონაცემები უბრალოდ არ არსებობს“, — აცხადებს ველმურუგანი.

იმედი იმისა, რომ გენერაციული ხელოვნური ინტელექტი რობოტებისთვისაც იმავეს გააკეთებს, რაც ჩატბოტებისთვის გააკეთა, მუდმივად ერთსა და იმავე ბარიერს აწყდება. თვითმართვადი ავტომობილების კომპანიები თავად აგროვებენ ფიზიკურ მონაცემებს, მაგრამ ამის მასშტაბირება რთულია. ვიდეოებიდან სწავლება შესაძლებელია, თუმცა მას აკლია რეალური სამყაროს მონაცემების სიზუსტე. ველმურუგანის შეფასებით, გარღვევისთვის საჭიროა მონაცემთა ნაკრები, რომელიც YouTube-ის ვიდეოების მოცულობაზე ხუთჯერ დიდი იქნება — სწორედ ეს მასშტაბი ხსნის იმას, თუ რატომ იქცა მონაცემთა გენერაცია ბიზნესად და არა მხოლოდ კვლევით პრობლემად.

ეგოცენტრული მონაცემების როლი

რობოტების „ტვინის“ შემქმნელი კომპანიები ახლა ორ ძირითად წყაროს მიმართავენ:

• „ეგოცენტრული“ ვიდეოები: მონაცემები, რომლებიც გროვდება კამერებით აღჭურვილი მუშაკების მიერ, ხშირად დამატებითი კუთხეებითა და მეტრიკებით.
• დისტანციური მართვა: მონაცემები, რომლებიც მიიღება რობოტების დისტანციურად მართვისას.

Encord ორივე მეთოდს იყენებს. ისინი აგროვებენ ეგოცენტრულ მონაცემებს მსოფლიოს სხვადასხვა ქარხნიდან, ხოლო სან-ლეანდროს ობიექტს ახალი მეთოდების გამოსაცდელად (მაგალითად, ტვინის ტალღები) ან კონკრეტული უნარების დასახვეწად იყენებენ. ადგილზე პილოტები იყენებენ სპეციალურ მოწყობილობებს — წყვილ რობოტულ ხელებს, სადაც ერთს ადამიანი მართავს, მეორე კი ზუსტად იმეორებს მის მოძრაობებს. ასე იქმნება მონაცემები ისეთ დავალებებზე, როგორიცაა ყავის დასხმა ან სათამაშო ჩიპების დალაგება.

საწყობის თაროებზე განთავსებულია ხელოვნური ყვავილები, წიგნები, პლასტმასის ბოსტნეული და სხვა საყოფაცხოვრებო ნივთები, რომლებიც რობოტების მანიპულატორების გასაწვრთნელად გამოიყენება. ერთ-ერთ სადგურზე პილოტი სოფია ინფანტე რობოტული ხელებით სერვერიდან ეთერნეტის კაბელების შეერთებასა და გამოერთებას ცდილობს. ეს არის სამუშაო, რომლის ავტომატიზაციაც მონაცემთა ცენტრების ოპერატორებს ძალიან სურთ, თუმცა რობოტებს ამისთვის საჭირო სიზუსტე ჯერ არ გააჩნიათ.

მართვის პროცესზე დაკვირვებისას ნათელი ხდება, თუ რატომ არის ეს მიზანი ჯერ კიდევ მიუღწეველი: რობოტის მარწუხები გაცილებით ნაკლებად მოქნილია, ვიდრე ადამიანის თითები და მათ არ გააჩნიათ მოძრაობის ის თავისუფლება, რაც ადამიანის ხელს აქვს.

ახალი მეთოდები და ეკონომიკური ფაქტორები

კიდევ ერთი ახალი მეთოდი, რომელსაც Encord ავითარებს, იყენებს წინამხარზე დამაგრებულ სენსორებს კუნთებში ელექტრული სიგნალების დასაფიქსირებლად. ადამიანის ხელის მიერ ობიექტებით მანიპულირების ვიდეოები ხშირად ვერ აფიქსირებს მთლიან ხელს, თუმცა ველმურუგანს იმედი აქვს, რომ კუნთების სენსორებზე დაყრდნობით შექმნის ხელის 3D გამოსახულებას, რაც მოდელებს მოვლენების უკეთ აღქმაში დაეხმარება.

Encord-ის მონაცემთა ნაკრებები აღჭურვილია ფიზიკური აღწერილობებით — მაგალითად, „მარჯვენა ხელი აჭერს ჭანჭიკს“. ეს ეხმარება LLM-ზე (დიდი ენობრივი მოდელი) დაფუძნებულ სისტემებს იმის გაგებაში, თუ რა ხდება კადრში. ველმურუგანის შეფასებით, ასეთი დეტალური ანოტაცია 100-ჯერ უფრო ღირებულია, ვიდრე „უხარისხო ეგო-მონაცემები“, ხოლო მისი წარმოება მხოლოდ 20-ჯერ ძვირი ჯდება, რაც თეორიულად მომგებიანი გარიგებაა.

თუმცა, „20-ჯერ ძვირი“ მაინც დიდ თანხებთან არის დაკავშირებული. ინტერნეტიდან ტექსტების ამოკრება, რითაც LLM მოდელები იქმნებოდა, ლაბორატორიებს თითქმის არაფერი უჯდებოდათ. ფიზიკური სატრენინგო მონაცემების გენერირება კი სულ სხვა რეალობაა — ეს მონაცემები უნდა დამზადდეს და არა უბრალოდ შეგროვდეს, რაც ცვლის ამ მოდელების შექმნის ეკონომიკურ მოდელს.

მიუხედავად სირთულეებისა, პროგრესი აშკარაა. Encord-ს, თავისი პოზიციიდან გამომდინარე, შეუძლია დაინახოს, რომელი ტექნიკა ხდება პოპულარული მთელ ინდუსტრიაში, სანამ ამას რომელიმე კონკრეტული კლიენტი გააცნობიერებს. ეს უზრუნველყოფს კომპანიის პილოტების მუდმივ დატვირთვას. სოფია ინფანტე და ენდრიუ სეჰა ადრე Scale-ში (კიდევ ერთი AI მონაცემთა ფირმა) მუშაობდნენ. სეჰა მანამდე ნარჩენების მართვის კომპანიაში მუშაობდა, სადაც რობოტიზებული ნაგვის დამხარისხებლის გამართულობაზე იყო პასუხისმგებელი. ახლა კი, როდესაც „ჯენგას“ კოშკი ინგრევა, ის ამბობს, რომ რობოტებისთვის სატრენინგო დავალებების შესრულება მისთვის ყოველდღიურად ახალი და საინტერესო გამოწვევაა.