Το επόμενο μεγάλο ορόσημο στην τεχνητή νοημοσύνη μπορεί να μην βρίσκεται σε έναν υπολογιστή ή ένα chatbot, αλλά σε ένα ανθρωποειδές ρομπότ.
Η κινεζική startup Spirit AI εκτιμά ότι έως τα μέσα του 2027 τα ρομπότ θα μπορούν να κατανοούν φυσικές εντολές και να εκτελούν σειρά σύνθετων ενεργειών στον πραγματικό κόσμο, σε μια εξέλιξη που η εταιρεία συγκρίνει με το άλμα που έφερε το ChatGPT το 2022 στην παραγωγική τεχνητή νοημοσύνη.
Η πρόβλεψη έρχεται σε μια περίοδο κατά την οποία η Κίνα έχει σημειώσει εντυπωσιακή πρόοδο στο hardware των ανθρωποειδών ρομπότ. Οι μηχανές μπορούν πλέον να τρέχουν, να χορεύουν και να εκτελούν ακόμη και ακροβατικές κινήσεις.
Το επόμενο μεγάλο στοίχημα, όμως, δεν είναι πλέον το πόσο καλά κινούνται, αλλά το πόσο καλά μπορούν να «σκεφτούν», να αντιληφθούν το περιβάλλον τους και να ολοκληρώσουν χρήσιμες εργασίες.
Το «μυαλό» είναι το πραγματικό στοίχημα
«Ο εγκέφαλος είναι πράγματι ο πιο αδύναμος κρίκος σε ολόκληρη την αλυσίδα της ρομποτικής», δήλωσε στο Reuters ο Γκάο Γιανγκ, συνιδρυτής και επικεφαλής επιστήμονας της Spirit AI, από τα γραφεία της εταιρείας στο Πεκίνο.
Η Spirit AI δραστηριοποιείται στον χώρο της «ενσώματης τεχνητής νοημοσύνης» (embodied AI), δηλαδή της τεχνολογίας που επιτρέπει σε ένα σύστημα τεχνητής νοημοσύνης να αντιλαμβάνεται το φυσικό περιβάλλον και να αλληλεπιδρά με αυτό μέσω ενός ρομπότ.
Ο Γκάο εκτιμά ότι η βιομηχανία μπορεί να φτάσει μέχρι τα μέσα του 2027 σε ένα επίπεδο αντίστοιχο με το GPT-3.0, το μοντέλο που αποτέλεσε τη βάση για την εκρηκτική διάδοση του ChatGPT.
Στην πράξη, αυτό σημαίνει ότι ένας άνθρωπος θα μπορεί να δίνει μια εντολή στο ρομπότ με φυσική γλώσσα και εκείνο να αντιλαμβάνεται τι ζητείται και να εκτελεί μια σειρά από λογικές, διαδοχικές φυσικές ενέργειες για να ολοκληρώσει την εργασία.
Από το εργοστάσιο στο σπίτι
Η μετάβαση, ωστόσο, δεν θα γίνει από τη μία ημέρα στην άλλη. Η Spirit AI εκτιμά ότι τα επόμενα ένα έως δύο χρόνια αποτελούν το πρώτο παράθυρο για ευρύτερες βιομηχανικές εφαρμογές.
Περίπου δύο χρόνια από σήμερα, σύμφωνα με τον Γκάο, ρομπότ θα μπορούσαν να χρησιμοποιούνται σε εμπορικές υπηρεσίες για απλούστερες εργασίες. Η είσοδός τους στα σπίτια είναι πολύ πιο δύσκολη υπόθεση.
Ο λόγος είναι ότι ένα εργοστάσιο προσφέρει ένα σχετικά ελεγχόμενο περιβάλλον, όπου οι εργασίες επαναλαμβάνονται και τα αντικείμενα, οι χώροι και οι διαδικασίες είναι σε μεγάλο βαθμό προβλέψιμα.
Ένα σπίτι, αντίθετα, είναι γεμάτο απρόβλεπτες καταστάσεις. Ένα ρομπότ πρέπει να μπορεί να αντιμετωπίσει διαφορετικά αντικείμενα, διαφορετικές επιφάνειες, ανθρώπους που κινούνται γύρω του, καλώδια, έπιπλα και εκατοντάδες μικρές αλλαγές που δεν μπορούν να προγραμματιστούν εκ των προτέρων.
Γι’ αυτό και η ευρεία αξιοποίηση ανθρωποειδών ρομπότ στα νοικοκυριά μπορεί να απέχει τουλάχιστον οκτώ χρόνια, σύμφωνα με την εκτίμηση που μεταφέρει το Reuters.
Η Spirit AI έχει ήδη πελάτες
Η Spirit AI δεν περιορίζεται στις προβλέψεις. Η startup έχει ήδη δεκάδες τροχοφόρα ανθρωποειδή ρομπότ Moz1 (κινούνται με ροδάκια) σε γραμμές παραγωγής της κινεζικής εταιρείας κατασκευής μπαταριών CATL, καθώς και στον όμιλο λιανικής JD.com, ο οποίος αποτελεί παράλληλα επενδυτή της εταιρείας.
Σε δομημένο περιβάλλον που προσομοιώνει σαλόνι, τα ρομπότ της Spirit AI έχουν επιτύχει ποσοστό επιτυχίας περίπου 90% σε απλές εργασίες.
Η απόσταση, ωστόσο, από μια επιτυχία 90% σε ελεγχόμενο περιβάλλον μέχρι ένα ρομπότ που μπορεί να λειτουργήσει αξιόπιστα μέσα σε ένα πραγματικό σπίτι παραμένει μεγάλη.
Οι δυσκολίες αφορούν ακόμη και φαινομενικά απλές κινήσεις. Το να ξεβιδώσει ένα ρομπότ ένα καπάκι μπουκαλιού ή να χειριστεί ένα αντικείμενο που δεν έχει συναντήσει προηγουμένως μπορεί να αποδειχθεί πολύ πιο σύνθετο από μια προγραμματισμένη κίνηση σε μια γραμμή παραγωγής.
670 εκατ. δολάρια για το «μυαλό» των ρομπότ
Το επενδυτικό ενδιαφέρον για την τεχνολογία είναι ήδη σημαντικό. Η Spirit AI ιδρύθηκε το 2024 και μέσα σε μόλις δύο χρόνια έχει αντλήσει περισσότερα από 670 εκατ. δολάρια.
Η εταιρεία, η οποία απασχολεί περίπου 300 εργαζομένους, αποτιμάται σήμερα στα 20 δισ. γουάν, περίπου 2,9 δισ. δολάρια.
Ο Γκάο δεν σχολίασε εάν η Spirit AI σχεδιάζει να προχωρήσει σε αρχική δημόσια προσφορά μετοχών, όμως η ταχύτητα με την οποία έχει προσελκύσει κεφάλαια δείχνει το ενδιαφέρον που υπάρχει πλέον για την «ενσώματη» τεχνητή νοημοσύνη.
Το στοίχημα δεν είναι μόνο ποιος θα κατασκευάσει το καλύτερο ρομπότ. Είναι ποιος θα δημιουργήσει το μοντέλο τεχνητής νοημοσύνης που θα μπορεί να το κάνει πραγματικά χρήσιμο.
1.000 άνθρωποι εκπαιδεύουν τα ρομπότ
Και εδώ εμφανίζεται ένα από τα μεγαλύτερα προβλήματα της νέας τεχνολογίας: τα δεδομένα.
Η Spirit AI απασχολεί περίπου 1.000 συνεργάτες σε ολόκληρη την Κίνα, οι οποίοι φορούν ειδικό εξοπλισμό συλλογής δεδομένων σε σπίτια και εργοστάσια.
Στο κέντρο εκπαίδευσης της εταιρείας στο Πεκίνο, εργαζόμενοι εξοπλισμένοι με αισθητήρες επαναλαμβάνουν καθημερινές κινήσεις, όπως το άνοιγμα ενός ψυγείου, το ξεκλείδωμα ενός χρηματοκιβωτίου ή το κόψιμο λαχανικών με μαχαίρι.
Οι κινήσεις αυτές καταγράφονται και χρησιμοποιούνται για την εκπαίδευση των μοντέλων που ελέγχουν τα ρομπότ.
Η διαδικασία είναι χρονοβόρα. Σε άλλες εγκαταστάσεις εκπαίδευσης ρομπότ στην Κίνα, οι χειριστές μπορεί να χρειάζεται να επαναλάβουν μια κίνηση περισσότερες από 50 φορές προκειμένου να καταγραφεί μία «καθαρή» κίνηση με την απαιτούμενη ακρίβεια.
Η Spirit AI, ωστόσο, διαπιστώνει ότι δεν χρειάζεται πάντα τέλειο υλικό. Τα λεγόμενα «βρώμικα δεδομένα», δηλαδή ένα πολύ μεγαλύτερο εύρος διαφορετικών κινήσεων, μπορούν σε ορισμένες περιπτώσεις να βοηθήσουν τα μοντέλα να βελτιωθούν ταχύτερα.
Γιατί τα ρομπότ δεν μπορούν ακόμα να μάθουν μόνο σε προσομοιώσεις
Ένα ακόμη πρόβλημα αφορά τον τρόπο με τον οποίο εκπαιδεύονται τα ρομπότ.
Πολλές εταιρείες χρησιμοποιούν εικονικές προσομοιώσεις για να περιορίσουν το κόστος και τον χρόνο εκπαίδευσης. Η Spirit AI βασίζεται σε μεγάλο βαθμό σε δεδομένα από τον πραγματικό κόσμο.
Ο λόγος είναι ότι οι προσομοιωτές μπορούν να χειριστούν σχετικά καλά τα άκαμπτα αντικείμενα, αλλά δυσκολεύονται περισσότερο με εύκαμπτα αντικείμενα, όπως ένα ηλεκτρικό καλώδιο που παραμορφώνεται και αλλάζει σχήμα.
Αυτό δημιουργεί ένα κρίσιμο παράδοξο: για να γίνει ένα ρομπότ πραγματικά έξυπνο στον φυσικό κόσμο, χρειάζεται τεράστιες ποσότητες δεδομένων από τον πραγματικό κόσμο. Όμως η συλλογή αυτών των δεδομένων είναι ακριβή, αργή και απαιτεί ανθρώπους να εκτελούν ξανά και ξανά τις ίδιες ή παρόμοιες εργασίες.
Η μάχη για το «ChatGPT των ρομπότ»
Η κούρσα έχει πλέον περάσει από το εντυπωσιακό hardware στην οικονομική χρησιμότητα.
Η κινεζική βιομηχανία ανθρωποειδών ρομπότ αναζητά το δικό της «ChatGPT moment»: τη στιγμή κατά την οποία μια τεχνολογική εξέλιξη θα μετατρέψει μια εντυπωσιακή αλλά περιορισμένη τεχνολογία σε προϊόν μαζικής εμπορικής αξιοποίησης.
Η Spirit AI τοποθετεί αυτό το ορόσημο ήδη στο 2027. Άλλες κινεζικές εταιρείες έχουν κάνει αντίστοιχες εκτιμήσεις, αν και τα χρονοδιαγράμματα διαφέρουν.
Τον Αύγουστο, ο πρόεδρος της ACE Robotics είχε εκτιμήσει ότι ένα αντίστοιχο «ChatGPT moment» για την ενσώματη τεχνητή νοημοσύνη μπορεί να έρθει έως το τέλος του 2027, ενώ ο ιδρυτής της Unitree είχε τοποθετήσει ένα μεγάλο άλμα στην τεχνολογία σε ορίζοντα δύο έως τριών ετών.
Το μεγάλο στοίχημα, τελικά, δεν είναι αν τα ρομπότ θα μπορούν να κάνουν εντυπωσιακά ακροβατικά. Αυτό το στάδιο έχει ήδη σε μεγάλο βαθμό ξεπεραστεί.
Το πραγματικό ερώτημα είναι αν θα μπορούν να ακούσουν μια απλή ανθρώπινη εντολή, να καταλάβουν τι πρέπει να κάνουν, να προσαρμοστούν σε ένα απρόβλεπτο περιβάλλον και να ολοκληρώσουν την εργασία χωρίς ανθρώπινη παρέμβαση.
Εάν αυτό συμβεί μέσα στα επόμενα χρόνια, το 2027 μπορεί πράγματι να αποδειχθεί για τα ρομπότ ό,τι ήταν το 2022 για το ChatGPT: η στιγμή που η τεχνητή νοημοσύνη θα περάσει από την επίδειξη δυνατοτήτων στην καθημερινή οικονομική δραστηριότητα.
