Миналата седмица се осмелих да измина огромното разстояние от цели 15 минути от къщата си, за да видя как роботи правят някои наистина умопомрачителни и изумителни неща.

Посетих офисите в Кеймбридж, Масачузетс, на стартъп компания, наречена Generalist AI, където наблюдавах как роботизирани ръце изпълняват прости домакински задължения като подреждане на чаши, поставяне на блокчета в купички и други подобни. Бях изумен от това колко бързо се ориентираха в ситуациите – това напомняше за човек от плът и кръв.

Ръцете усвоиха редица задачи след усвояването на кратко видео с инструкции и, което е най-впечатляващо, без конкретно обучение за дадена задача. Един от най-поразителните примери включваше робот, който беше инструктиран да измете блокче в купа с помощта на лопатка и четка. Когато четката беше премахната от сцената, роботът импровизира, като използва лопатката като четка и избута блокчето в купата.

В друг случай двурък робот изгледа видеоклип на човек, който разкопчава чанта, преди да извади банкноти. Гледах – донякъде с отворена уста – как роботът разкопча чанта от друг тип и внимателно извади банкнотите. Най-удивителното беше, че когато не успя да хване парите, той премина от използване на дясната си щипка към лявата, за да получи по-добър ъгъл за действие. „Ха“, каза един инженер, стоящ наблизо. „Никога не е правил това преди.“

„Това е точно от вида неща, от които хората бяха наистина развълнувани при GPT-3“, сподели ми съоснователят и изпълнителен директор на Generalist Пийт Флорънс, визирайки пробивния голям езиков модел на OpenAI, пуснат през 2020 г. „Можехте да вземете този модел и просто да му зададете нова задача, и той щеше да има реален шанс да я изпълни.“

Generalist изглежда се фокусира върху обучението на своите роботи за физиката на света, което изглежда вдъхновено от интуитивното усещане за физика, което хората демонстрират от ранна възраст. Това може да допринася за способността на модела да пренася наученото от един сценарий в друг. Всъщност някои от демонстрациите на компанията ме накараха да се замисля за това как децата импровизират и експериментират, когато им се покаже дадена задача. Изследователите често са били изненадвани от това, което роботът решава да направи – един например избра да измете предмети с банан, когато такъв беше поставен пред него. Това може да изглежда тривиално, но физическият интелект е нещо, което все още до голяма степен липсва на машините, а начинът, по който бебетата се учат толкова ефективно за своя свят, може да предложи важни насоки за изследователите на изкуствения интелект.

Срещнах се с Флорънс и Андрю Бари, съосновател и технически директор, в конферентна зала с изглед към екипи от хора, провеждащи обучение на роботи със специални щипки на ръцете си. Другият съосновател и главен научен сътрудник на компанията е Анди Зенг. Триото има впечатляваща биография: преди това са работили в Google DeepMind и Boston Dynamics по някои от най-модерните хардуерни и роботизирани модели.

Традиционно обучението на захранван с изкуствен интелект робот да изпълнява различни задачи означава захранването на модела с хиляди примери. Това обаче е всеизвестно несъвършен вид обучение и роботът ще се затрудни със задачата, ако промените нещо толкова просто като осветлението.

Generalist и някои други стартъпи в областта на роботиката инвестират сериозно в общ роботизиран модел, обучен от хора. Компанията изгражда специални ръкавици, наподобяващи щипки на робот, към които има прикрепени камери, които след това хората използват за изпълнение на различни задачи. Видях щайга, препълнена с няколкостотин такива щипки, предназначени за работници в Мексико и другаде.

Флорънс и екипът му са потайни относно точната рецепта, която използват за обучение на роботите, но казват, че компанията вече е събрала огромно количество висококачествени данни за обучение. За разлика от някои други компании, стремящи се към по-умни роботи, те също така са изградили своите модели с изкуствен интелект изцяло от нулата, вместо да разчитат на езиков модел с отворен код.

Данфей Сю, специалист по роботика в Технологичния институт на Джорджия, който е запознат с работата на Generalist, казва, че стартъпът се откроява сред компаниите, стремящи се към по-общи модели на роботи. „Те са изтласкали това до краен предел и са свършили наистина добра работа при изпълнението“, казва Сю. Освен събирането на огромно количество висококачествени данни, той добавя: „те са отлични специалисти по роботика и са направили наистина добра наука“.

Сю също така казва, че нещата, демонстрирани от Generalist досега, подсказват, че те имат за цел внедряването на роботи в реални търговски среди. „Те са най-близо до нещо, което е готово за внедряване“, казва той.

„Подходът на Generalist към данните е да събира данни за физическо взаимодействие в голям мащаб, без да ги обвързва твърде тясно с един конкретен робот“, казва Карън Лиу, специалист по роботика в Станфордския университет, която също познава компанията. „Техните най-силни резултати показват, че този залог може да работи.“

Въпреки това от Generalist споделят, че уменията за учене на техните модели все още не са толкова надеждни. Роботът е в състояние да завърши показана му задача средно само в около 59 процента от случаите; в идеалния случай степента му на успеваемост трябва да бъде някъде над 99 процента. Също така изглежда неясно колко добре тези умения ще се обобщят за всяка възможна задача или среда.

Въпреки това потенциалът за роботите остава голям.