Різні навички. Стартап із США створив мозок для роботів, який вміє виконувати незнайомі завдання

Стартап Physical Intelligence заявив, що їхня нова модель π0.7 може керувати роботами для виконання завдань, яких їх не навчали, поєднуючи вже відомі навички та працюючи за простими словесними інструкціями. Про це пише видання TechCrunch . Дворічна компанія з Сан-Франциско оприлюднила дослідження, у якому йдеться про здатність моделі до так званої комбінованої узагальненості. Це означає, що система може поєднувати різні навички, отримані в інших ситуаціях, і застосовувати їх до нових завдань. Раніше роботів зазвичай навчали окремо під кожну дію, фактично змушуючи запам’ятовувати конкретні сценарії. Один із засновників компанії Сергій Левін пояснює, що після переходу цього порогу модель починає використовувати знання по-новому, і її можливості ростуть швидше, ніж обсяг даних. Подібний ефект уже спостерігали у сфері мовних і візуальних моделей. Показовим прикладом став експеримент з аерофритюрницею, яку модель майже не бачила під час навчання. У даних було лише два епізоди: в одному робот просто закрив пристрій, в іншому — поклав туди пластикову пляшку за інструкцією. Попри це, система змогла зрозуміти принцип роботи приладу. Без підказок вона частково впоралася із завданням приготувати батат, а після покрокових усних інструкцій виконала його успішно. Дослідниця Люсі Ші зазначає, що складно точно визначити, звідки саме модель бере знання і де вона може помилитися. Водночас вона підкреслює, що іноді проблема не в моделі, а в тому, як люди формулюють завдання. За її словами, після пів години уточнення інструкцій рівень успіху в одному з експериментів зріс із 5% до 95%. Модель поки не здатна самостійно виконувати складні багатокрокові завдання за однією загальною командою. Наприклад, вона не зможе сама « зробити тост», але добре працює, якщо пояснювати кожен крок окремо. Через відсутність загальноприйнятих стандартів у робототехніці перевірити результати незалежно складно. Тому компанія порівнювала π0.7 зі своїми попередніми спеціалізованими моделями і заявляє, що нова система показує подібні результати у різних задачах, зокрема під час приготування кави, складання білизни та коробок. Дослідники визнають, що результати їх здивували. Один із науковців Ашвін Балакрішна каже, що раніше міг приблизно передбачити можливості моделі, знаючи її дані, але останні місяці стали винятком. Він навів приклад, коли випадково купив набір шестерень і попросив робота їх обертати — і той впорався. Левін порівнює це з ранніми прикладами роботи мовних моделей, коли вони генерували несподівані поєднання знань. Він вважає, що подібний ефект у робототехніці є особливо важливим. Водночас критики зазначають, що на відміну від мовних моделей, які навчалися на великому обсязі інтернет-даних, роботи мають значно менше інформації. Левін відповідає, що такі зауваження часто стосуються не складності завдань, а їх видовищності, але реальна цінність полягає саме в здатності до узагальнення, а не в ефектних трюках. У самій роботі модель описують обережно, як таку, що демонструє лише перші ознаки нових можливостей. Це дослідницький результат, а не готовий продукт. Коли технологія буде готова до реального використання, у компанії не прогнозують, хоча зазначають, що прогрес відбувається швидше, ніж очікувалося кілька років тому. Physical Intelligence вже залучила понад 1 мільярд доларів інвестицій і оцінюється у 5,6 мільярда доларів. Значну роль у цьому відіграв співзасновник Лакі Грум, який раніше інвестував у відомі технологічні компанії. За даними джерел, стартап веде переговори про новий раунд фінансування, який може підняти оцінку до 11 мільярдів доларів, але компанія це не коментує. Теги:   Робот Роботи Гуманоїд Штучний інтелект Якщо ви знайшли помилку в тексті, виділіть її мишкою і натисніть Ctrl + Enter