Rev Lebaredian z firmy Nvidia spotkał się z Euronews Next na Tajwanie, aby wyjaśnić, jak wytrenować humanoidalnego robota.
REKLAMA
Kolejną fazą sztucznej inteligencji są roboty, które pomogą w walce z globalnym niedoborem siły roboczej - powiedział dyrektor wykonawczy Nvidii w wywiadzie dla Euronews Next.
"Jesteśmy w bardzo interesującym momencie. Obietnica robotyki istnieje już od dłuższego czasu. To było w naszej wyobraźni i science fiction" - tłumaczył Rev Lebaredian, wiceprezes Omniverse i technologii symulacji w Nvidii, Euronews Next na targach technologicznych Computex na Tajwanie.
Powiedział, że pomimo tego, że firmy technologiczne od lat próbują zbudować robota ogólnego przeznaczenia, problem polega na tym, że pomimo możliwości zbudowania fizycznego robota, programowanie go zawsze było wyzwaniem.
"Sztuczna inteligencja zmieniła to wszystko. Dysponujemy teraz technologią umożliwiającą programowanie robotów w sposób ogólny i sprawiającą, że mogą je programować zwykli ludzie, a nie tylko inżynierowie zajmujący się programowaniem robotów" - podkreślił.
Firmy takie jak Tesla ścigają się w budowaniu humanoidalnych robotów i poczyniły już postępy. W zeszłym tygodniu firma Elona Muska poinformowała, że jej robot Optimus nauczył się wykonywać prace domowe.
Jednak roboty muszą się jeszcze wiele nauczyć.
Firma Nvidia twierdzi, że roboty powinny uczyć się swoich zadań w świecie wirtualnym ze względów bezpieczeństwa, ale także dlatego, że szkolenie robotów z ludźmi zajęłoby zbyt dużo czasu.
"Jedynym sposobem na stworzenie inteligentnych robotów jest zastosowanie symulacji" - powiedział Lebaredian.
"Podstawowy problem, jaki mamy z fizyczną sztuczną inteligencją, polega na tym, że sztuczna inteligencja jest głodna danych. Do fabryki sztucznej inteligencji trzeba dostarczyć wiele wysokiej jakości danych, aby zapewnić jej doświadczenie życiowe, na podstawie którego można trenować".
Powiedział, że w przypadku dużych modeli językowych (LLM) istnieje duża ilość danych online do ich trenowania.
Szkolenie robota za pomocą danych
Lebaredian zaznaczył jednak, że w przypadku fizycznej sztucznej inteligencji nie ma takich danych, które można by wydobyć.
"Aby uzyskać wszystkie informacje potrzebne do szkolenia robota w zakresie podnoszenia przedmiotów, musimy je jakoś stworzyć" - powiedział.
"Zbieranie ich z rzeczywistego świata nie jest możliwe. Nie możemy stworzyć wystarczającej ilości danych. Nawet jeśli jest to możliwe, w niektórych przypadkach jest to niebezpieczne, czasochłonne i kosztowne".
Potrzebny jest "sposób na przejście od danych kopalnych do odnawialnych źródeł danych" - powiedział Lebaredian. Dodał, że najlepszym odnawialnym źródłem danych fizycznych jest symulator fizyczny.
Gdy robot zostanie przetestowany lub "ukończy studia" i wygląda na to, że działa dobrze, może udać się do swojego pierwszego pracodawcy.
"Nowy absolwent college'u jest szkolony na korpusie publicznie dostępnych danych. Uczy się z podręczników i informacji, do których każdy ma dostęp wszędzie. I masz generalistę, który wchodzi do twojej firmy i jest przydatny" - powiedział Lebaredian dla Euronews Next.
"Ale nie są tak naprawdę przydatni, dopóki nie przeszkolisz ich przez kilka lat w zakresie konkretnych zastrzeżonych informacji i danych w twojej firmie, które dotyczą twojej domeny i twoich konkretnych praktyk oraz sposobu, w jaki rzeczy są robione" - dodał.
W kontekście robotów oznacza to, że można wyspecjalizować swojego robota za pomocą własnych danych, aby działał jak najlepiej.
Lebaredian nie określił daty, kiedy humanoidalne roboty pojawią się w naszym życiu, ale powiedział, że nastąpi to "wkrótce".
Gdzie i do czego używać robota
Pierwszymi przypadkami ich użycia będą fabryki i magazyny.
"Myślę, że zastosowanie przemysłowe będzie pierwszym z nich, ponieważ nawet jeśli uda nam się zbudować idealnego robota, którego można używać w domu, nie jest jasne, czy wszyscy ludzie będą go chcieli" - stwierdził Lebaredian.
"Ale przemysł bardzo tego potrzebuje. Nie ma wystarczającej liczby młodych ludzi zastępujących starszych wykwalifikowanych pracowników, którzy przechodzą na emeryturę w każdym kraju".
Według OECD globalne niedobory siły roboczej osiągnęły historycznie wysoki poziom w ciągu ostatniej dekady.
Spadek liczby ludności, a także starzenie się społeczeństw oraz fakt, że wiele osób nie chce wykonywać zawodów, które według dyrektora Nvidii były "pracami, które są niebezpieczne, nudne i brudne".
Tajwan odpowiedział na tę potrzebę robotyki i ma zamiar uruchomić pięcioletni plan rozwoju tej branży w celu uzupełnienia niedoborów siły roboczej - ogłosił rząd w zeszłym tygodniu.
Spadek liczby ludności Tajwanu nadwyrężyłby gospodarkę i zdolność kraju do opieki nad bezbronnymi i starszymi ludźmi - powiedział Peter Hong, który kieruje Departamentem Inżynierii i Technologii Narodowej Rady Nauki i Technologii (NSTC), jak podają lokalne media.
Lebaredian powiedział, że po zastosowaniu w fabrykach, humanoidalne roboty mogłyby pomóc w handlu detalicznym, ponieważ wiele firm twierdzi, że nie może zatrudnić wystarczającej liczby osób do układania towarów na półkach.
Powiedział również, że mogą być używane w kopalniach, reaktorach jądrowych, a nawet w kosmosie. W końcu powiedział, że mogą być wykorzystywane do opieki nad osobami starszymi, jeśli będzie na to zapotrzebowanie.
Jak sprawić, by robot był bezpieczny
Jednak podczas gdy my ekscytujemy się kolejną fazą rozwoju sztucznej inteligencji, roboty LLM wciąż popełniają wiele błędów, co powoduje, że czasami wymyślają różne rzeczy. Błędy spowodowane przez robota w świecie fizycznym mogą być znacznie bardziej niebezpieczne.
Lebaredian uważa jednak, że podobnie jak autonomiczne pojazdy wydawały się początkowo science fiction, ludzie w końcu przyzwyczaili się do nich, a technologia staje się coraz lepsza.
"W generatywnej sztucznej inteligencji, owszem, niektóre rzeczy są nadal niedokładne, ale myślę, że trzeba przyznać, że w ciągu ostatnich dwóch i pół roku od wprowadzenia ChatGPT, dokładność i jakość tego, co produkuje, również wzrosły wykładniczo" - powiedział.
Dodał jednak, że być może chatboty nigdy nie będą całkowicie dobre, ponieważ chcemy, aby ludzie wykonywali zadania.
"W rzeczywistości nie ma dobrej odpowiedzi na wiele z tych rzeczy" - powiedział.
"Ale w przypadku zadań, które mamy w przemyśle, jest to w rzeczywistości coś, co jest bardzo wymierne, na przykład, czy dokładnie podniósł ten obiekt i przeniósł go tutaj oraz zrobił to bezpiecznie i solidnie?"
Powiedział, że systemy te można tworzyć, testować i upewniać się, że są bezpieczne od wdrożenia.
"Mamy maszyny i systemy, które tworzymy, a które są dość niebezpieczne, jeśli nie są odpowiednio skonfigurowane. Ale udało nam się stworzyć reaktory jądrowe i te systemy i jakoś je zabezpieczyć. To samo możemy zrobić z fizyczną sztuczną inteligencją" - podkreślił.