Inteligencja i maszyny. Google prezentuje wyjątkowego robota
Naukowcy z Google zaprezentowali niedawno robota PaLM-E, czyli konstrukcję opartą na sztucznej inteligencji. Jest to fizyczne przedstawienie możliwości języka wizualnego z 562 miliardami różnych parametrów. Na czym polega wyjątkowość tego dzieła? Przypomnijmy sobie działanie chatbotów i przenieśmy to… do świata rzeczywistego.
Przynieś, wynieś, pozamiataj
Wszelkie próby wdrażania sztucznej inteligencji i robotyki do życia codziennego na różnych płaszczyznach budzą sporo emocji. Niektóre z nich świetnie odnajdują się w danych czynnościach, znacznie ułatwiając ludzki żywot - ot, na przykład podczas pracy z powtarzalnymi czynnościami i nie tylko.
Ogromną popularnością cieszą się ostatnio wszelkie boty, które odmieniliśmy już chyba przez wszystkie przypadki. Poza ciekawymi rozmowami pomogą nam również w pracy kreatywnej i szukaniu treści w internecie. A co gdyby tak przenieść drzemiący w nich potencjał do fizycznej postaci robota? Tak postąpili naukowcy pracujący przy projekcie Google.
W ten sposób powstał robot PaLM-E, który rzekomo posiada wiele niewiarygodnych i zaawansowanych cech. Można zaryzykować stwierdzenie, że pod pewnymi względami jego działanie (a konkretniej sposób i efekt), zbliżone są do człowieka.
Demonstrujemy wydajność PaLM-E w trudnych i różnorodnych zadaniach związanych z manipulacją mobilną. W dużej mierze podążamy za konfiguracją w Ahn i in. (2022), gdzie robot musi zaplanować sekwencję działań nawigacyjnych i manipulacyjnych na podstawie instrukcji człowieka. Na przykład, po otrzymaniu instrukcji "Rozlałem drinka, czy możesz mi przynieść coś do posprzątania?", robot musi zaplanować sekwencję zawierającą "1. Znajdź gąbkę, 2. Podnieś gąbkę, 3. Przynieś do użytkownika, 4. Odłóż gąbkę.".
W dużym skrócie chodzi o to, z jakiego polecenia robot jest w stanie wyciągnąć wystarczające informacje, a przede wszystkim samemu dopowiedzieć sobie szereg wymaganych szczegółów. Zamiast programować czynność, trasę i poszczególne ruchy, PaLM-E jest w stanie zrozumieć polecenie w stylu “Podaj mi zielone pudełko z kuchni".
Wówczas samodzielnie zinterpretuje zadanie, uda się we wskazane miejsce, znajdzie przedmiot i przetransportuje go do danej osoby lub w inne miejsce, zależnie od naszych preferencji i tego, co wynikało z wypowiedzianego zdania.
Zainspirowani tymi zadaniami opracowujemy 3 przypadki użycia, aby przetestować ucieleśnione zdolności rozumowania PaLM-E: przewidywanie afordancji, wykrywanie niepowodzeń i planowanie długoterminowe. Zasady niskiego poziomu pochodzą z RT-1 (Brohan i in., 2022), modelu transformatora, który pobiera obraz RGB i instrukcje w języku naturalnym.
Język kluczem do zrozumienia świata
Oparcie inteligencji robota na modelu językowym niesie ze sobą szereg zalet. PaLM-E obserwuje otaczający świat i zbiera zeń informacje, które później przetwarzane są na wektory i wzbogacają jego percepcję. Stąd stosunkowa łatwość odnajdywania się w sytuacji poprzez np. przemieszczanie się między pokojami. Można stwierdzić, że zachodzi duże podobieństwo w działaniu między tego rodzaju robotem a ChatemGPT.
Zaobserwowano również szalenie istotny i ciekawy proces występujący w trakcie działania maszyny. Okazuje się, że robot może przenosić wiedzę z jednego zadania do drugiego. W tym wypadku pierwsze polecenie wzbogaci jego zasób o szereg informacji, które bez problemu mogą być wykorzystane w przypadku kolejnego.
Efektywność i wydajność działania może być wręcz nieograniczona, skoro mowa o maszynie uczącej się na bieżąco. A gdzie można wykorzystać takie nowoczesne urządzenie? Zdaniem naukowców, opcji jest całkiem sporo.
Najbardziej prawdopodobna wydaje się automatyzacja naszych gospodarstw domowych. Sporo czynności może przejąc właśnie robot. Oczami wyobraźni można zobaczyć maszynę przygotowującą posiłki czy zajmującą się kontrolą i utrzymywaniem urządzeń elektrycznych. To jednak nie koniec, wszak automatyzacji chętnie poddają się procesy produkcyjne i wiele innych.
