Как човешките мозъчни вълни и мускулни сигнали обучават новото поколение хуманоидни роботи?

Игра на Дженга в склад в Сан Леандро, Калифорния, може да изглежда като обикновено упражнение за сръчност, но всъщност е част от новата надпревара в изкуствения интелект – създаването на роботи, които разбират и изпълняват физически задачи почти като хората.

Според TechCrunch тук се намира една от водещите компании в тази област – Encord. Тя разработва инструменти за създаване и управление на данни, използвани за обучение на AI модели. Вместо да използва само съществуващи информационни масиви, компанията създава необходимите данни, за да могат роботите да взаимодействат с реалния свят.

След успеха на генеративния изкуствен интелект все повече компании се стремят да постигнат подобни резултати и в роботиката. Основното предизвикателство обаче не е създаването на по-добри алгоритми, а недостигът на качествени обучителни данни.

За разлика от езиковите модели, които се обучават с големи обеми текст от интернет, роботите трябва да „видят“ и „преживеят“ физическия свят. Това изисква милиони реални действия, които да бъдат заснети, описани и анализирани подробно.

Encord се фокусира върху този проблем. Първоначално компанията разработва платформа за анотиране на изображения и оценка на AI модели за компютърно зрение. С нарастващия интерес към end-to-end обучение на роботи клиентите вече търсят нещо по-ценно – нови данни, които все още не съществуват.

„Данните просто ги няма“, разказва пред TechCrunch ръководителят на отдела за роботизирано обучение в компанията Винит Велмуруган, който преди това е работил в лабораторията за роботи на OpenAI и във фирмата Berkshire Grey.

Една от иновативните инициативи на Encord е използването на електроенцефалографски (EEG) сензори.

По време на демонстрация служителят Андрю Сеха разглобява кула от дървени блокчета, носейки специална каска с камери и сензори, които измерват мозъчната му активност.

Автономният флот на Европа: Как Нидерландия преобразява армията си с роботи, AI и дронове

Системата е разработена от германския стартъп Zander Labs. Чрез анализ на мозъчните вълни се разпознават състояния, като концентрация, намерение, изненада или моментите, в които човек допуска грешка.

В момента проектът е в експериментална фаза. По данни на TechCrunch Encord планира първо да създаде малък набор от такива данни и да ги използва за обучение на роботизирани модели на свои клиенти. Технологията ще бъде внедрена в по-голям мащаб само ако докаже, че подобрява представянето на роботите.

Според невролога Лукас Герке от Zander Labs количеството мозъчна активност по време на задача може да помогне на разработчиците да определят кога AI моделите трябва да използват най-сложните си механизми за вземане на решения.

Както отбелязва TechCrunch, компаниите в сектора все по-често разчитат на два основни източника на данни.

Първият са така наречените „егоцентрични“ видеа, заснети от гледната точка на човек с камера на главата. Вторият са записи от роботи, управлявани дистанционно от оператори.

Encord комбинира двата подхода. Компанията събира записи от производствени предприятия по света, а в базата си в Сан Леандро разработва нови методи за събиране на данни и обучава модели за специфични умения.

Според TechCrunch операторите използват т.нар. leader-follower системи – двойки роботизирани ръце, при които едната се управлява директно от човек, а другата копира движенията ѝ в реално време.

Този подход създава големи масиви от данни за на пръв поглед елементарни дейности, като наливане на кафе, подреждане на покер чипове или хващане на различни предмети.

„Всяка компания, разработваща хуманоидни роботи, ни е искала подобни данни“, казва Велмуруган.

Получаваш безплатно чистене, даваш личното си пространство. Новият AI бизнес модел

Encord разработва и друга технология за подобряване на обучението на роботите. Освен видеозаписи компанията използва сензори, поставени върху човешката предмишница, които измерват електрическите сигнали в мускулите.

Това се налага, тъй като камерите често не улавят всички движения на пръстите и дланта. Чрез комбиниране на мускулните сигнали с видеозаписа компанията цели да създаде триизмерен модел на движението на човешка ръка, който да служи като по-прецизен ориентир за обучението на роботите.

Всеки запис в базата данни на Encord съдържа не само видео, но и подробно текстово описание на случващото се – например „дясната ръка затяга болт“. Това позволява на езиковите AI модели по-добре да разбират наблюдаваните действия.

Според Велмуруган този тип детайлно анотирани данни са около 100 пъти по-ценни от стандартните видеозаписи, използвани при обучението на роботи. Производството им обаче струва приблизително 20 пъти повече.

Именно тук се крие основната разлика между генеративния и физическия изкуствен интелект. Езиковите модели бяха изградени върху практически безплатна информация, събрана от интернет – от сайтове, форуми и платформи, като Stack Overflow. Данните, които са нужни за роботите, обаче не могат да бъдат просто изтеглени онлайн. Те трябва да бъдат създадени, заснети, описани и проверени в реална физическа среда.

Това прави разработването на физически AI значително по-скъпо и превръща създаването на качествени тренировъчни данни в самостоятелен бизнес.

В склада на Encord работят десетки специалисти, наричани „пилоти“. Те ежедневно изпълняват стотици задачи, които по-късно служат като учебен материал за роботите. Много от тях са с опит от Scale AI – една от най-големите компании за анотиране на данни за изкуствен интелект.

Например Андрю Сеха е работил в компания за управление на отпадъци, където е поддържал роботизирана система за сортиране на боклук.

Днес той обучава бъдещите роботи чрез задачи, като подреждане на дървени блокчета.

„Всеки ден има нещо ново“, казва той пред TechCrunch.

Историята показва, че следващата голяма надпревара в изкуствения интелект вероятно няма да бъде спечелена само от компаниите с най-мощните модели. Все по-важни ще бъдат тези, които създават най-качествените данни за обучение, особено за машини, които трябва не само да говорят, но и да действат в реалния свят.