Nội dung bài viết
Các nhà nghiên cứu và sáng lập robot hàng đầu giải thích quá trình phát triển quyền tự chủ của robot.
Trong một thế giới nơi robotaxis tự lái lướt qua các đường phố lớn mà không có người lái ngồi sau tay lái và máy bay không người lái giao hàng tự động bay trên bầu trời để giao đơn đặt hàng tại nhà của khách hàng, ý tưởng về robot có mục đích chung giúp con người thực hiện nhiều nhiệm vụ khác nhau ở nơi làm việc hoặc thậm chí tại nhà có vẻ không còn xa vời.
Nhưng tương lai đó phụ thuộc vào việc phát triển các robot ngày càng tự chủ được hỗ trợ bởi trí tuệ nhân tạo hiện đại, một tầm nhìn đầy tham vọng đã thúc đẩy nhiều nhà nghiên cứu trở thành nhà sáng lập khởi nghiệp đồng thời thu hút hàng tỷ đô la đầu tư.
Matt Malchano, phó chủ tịch phần mềm của công ty chế tạo robot Boston Dynamics có trụ sở tại Waltham, Massachusetts, cho biết: “Khi tôi bắt đầu khoảng 15 năm trước, tôi đã lãnh đạo một nhóm dự án tập trung vào quyền tự chủ, nhưng trong thời đại đó, mục tiêu của nhóm đó chỉ là đưa một robot di chuyển từ điểm A đến điểm B”.
“Và bây giờ, khi nghĩ đến quyền tự chủ, chúng tôi nghĩ đến không gian khổng lồ chứa các nhiệm vụ và những thứ mà chúng tôi có thể tưởng tượng rằng một robot sẽ tự thực hiện.” Trước đây thật khó để tưởng tượng một con đường thực tế để tạo ra robot tự động, có mục đích chung t như quản gia Rosie từ The Jetsons hoặc các loại robot khác nhau như C-3PO từ Star Wars, đặc biệt là khi các phòng thí nghiệm và công ty chế tạo robot vẫn đang gặp khó khăn trong việc giải quyết vấn đề điều hướng tự động và thậm chí tự cân bằng, trong trường hợp robot biết đi.
Năm 1979, phương tiện tự động thử nghiệm có tên Stanford Cart cần 5 giờ để di chuyển thành công 20 mét qua một căn phòng đầy chướng ngại vật. Malchano nói với Ars rằng robot hai chân đầu tiên có khả năng tự đi mà không bị mất thăng bằng được phát triển vào năm 1996.
Nhưng khả năng tự chủ của robot luôn là “mục tiêu di động” với mục tiêu đạt đến điểm mà robot có thể thực hiện ngày càng nhiều những việc mà con người có thể làm, lý tưởng nhất là không cần sự giám sát trực tiếp của con người.
Tổ chức Tiêu chuẩn Quốc tế định nghĩa quyền tự chủ trong chế tạo robot là “khả năng thực hiện các nhiệm vụ đã định dựa trên trạng thái hiện tại và cảm biến mà không cần sự can thiệp của con người”.
Những tiến bộ gần đây hơn trong AI—chẳng hạn như học tăng cường trong những năm 2010 và các mô hình nền tảng lớn được đào tạo trên lượng dữ liệu khổng lồ trong những năm 2020—đã “mở khóa” khả năng “tưởng tượng một thế giới nơi robot có thể thực hiện các chuỗi hoạt động và thực sự hiểu các nhiệm vụ, và đó là” "Thật thú vị," Malchano nói.
Hiện nay, nhiều phòng thí nghiệm nghiên cứu và các công ty đang chạy đua để phát triển các robot đa năng có khả năng xử lý nhiều loại nhiệm vụ một cách độc lập trong những môi trường phức tạp hơn, không thể đoán trước.
Những robot như vậy sẽ không nhất thiết phải có hình dáng và chức năng giống con người mặc dù số tiền đầu tư đáng kể được đầu tư vào robot hình người.
Nhưng bất kể hình thức nào, chúng có thể đại diện cho một bước tiến đáng kể vượt xa hàng triệu robot công nghiệp và robot dịch vụ đã thực hiện các nhiệm vụ cụ thể trong môi trường được kiểm soát tương đối của các nhà máy và nhà kho.
thực hiện một chuyển động cụ thể và nếu bạn thực hiện chuyển động đó một cách đáng tin cậy và lặp đi lặp lại thì đó là cấp độ tự chủ cơ bản của nhà máy”, Sergey Levine, nhà khoa học máy tính tại Đại học California Berkeley và đồng sáng lập của công ty AI và robot Physical Intelligence, cho biết.
Ars đã phỏng vấn các nhà nghiên cứu và người sáng lập robot Đó là về việc AI đã tăng cường sự quan tâm đến robot như thế nào, những thách thức trong việc chế tạo robot có mục đích chung, mức độ an toàn là vấn đề quyết định đối với công nhân robot, tại sao robot phẫu thuật vẫn có quyền tự chủ hạn chế và khi nào cần có robot trợ giúp tại nhà của mọi người.
Công ty khởi nghiệp của Levine, được gọi là Trí tuệ vật lý, đang nỗ lực đạt được trí thông minh robot thực tế có thể trao quyền cho nhiều loại robot khác nhau hoạt động tự chủ trong môi trường thế giới mở.
Levine nói với Ars: “Tôi không nghĩ nó sẽ là một robot tối thượng, giống như một robot hình người siêu tiên tiến có thể làm mọi thứ”.
“Tôi nghĩ nó sẽ là một mô hình AI tổng quát có thể cung cấp năng lượng cho nhiều robot khác nhau và rất phù hợp với công việc của chúng.” Ví dụ, một cánh tay robot nhỏ treo trên trần nhà có thể phù hợp hơn với một căn hộ nhỏ ở Thành phố New York, trong khi một “robot khổng lồ” di chuyển các vật nặng có thể tiện dụng hơn trong trang trại, Levine gợi ý.
“Tôi chắc chắn rằng chúng ta cũng sẽ có những con người tốt, nhưng cũng sẽ có những thứ khác nữa,” anh nói. “Sẽ có bất cứ điều gì có ý nghĩa nhất cho công việc.” Nhưng việc phát triển robot tự động có thể hoạt động độc lập hơn trong thế giới mở đòi hỏi “những thay đổi từng bước về công nghệ”.
Levine nói. Ông mô tả những robot như vậy cần xử lý nhận thức môi trường phức tạp, đòi hỏi kỹ năng vận động mạnh mẽ và khả năng khắc phục những sai lầm cơ bản cũng như xử lý các hướng dẫn từ con người.
Ngoài ra, những robot như vậy sẽ cần học cách khái quát hóa hành vi của chúng để xử lý các tình huống mới. Levine cho biết: Nhiều nhà nghiên cứu đang cố gắng thực hiện điều này thông qua sự kết hợp các kỹ thuật AI liên quan đến học tăng cường và các mô hình được đào tạo trước lớn.
Đồng thời, các mô hình nền tảng được đào tạo trước dựa trên lượng dữ liệu khổng lồ—chẳng hạn như mô hình ngôn ngữ hình ảnh được đào tạo trên hình ảnh và văn bản—có thể cung cấp một số kiến thức cơ bản trước đó về thế giới để giúp robot phản ứng phù hợp hơn và tránh những sai lầm không cần thiết trong nhiều tình huống khác nhau.
“Học tăng cường giống như cách sau khi bạn thực hành cú đánh quần vợt của mình nhiều lần, bạn có thể thực sự giỏi về nó,” Levine giải thích.
Sự kết hợp đó Levine cho biết, các kỹ thuật AI và việc mở rộng dần dần dữ liệu đào tạo có thể truy cập—chẳng hạn như con người điều khiển robot từ xa để chỉ ra cách thực hiện các nhiệm vụ cụ thể—đã cho phép “khuyến khích” tiến bộ trong việc đào tạo robot để thực hiện nhiều nhiệm vụ khác nhau một cách đáng tin cậy trong nhiều điều kiện khác nhau.
Ông nói: “Chìa khóa để làm cho các hệ thống máy học hiện đại hoạt động là có đủ khối lượng dữ liệu quan trọng để chúng ta có thể nhìn thấy sự khái quát hóa”. Nhưng vẫn còn một lỗ hổng dữ liệu được thừa nhận rộng rãi khi thu thập đủ dữ liệu phù hợp để huấn luyện robot thực hiện các nhiệm vụ thể chất.
Các phương pháp tốn kém và tốn thời gian hơn liên quan đến việc con người đeo thiết bị điều khiển từ xa để trực tiếp hướng dẫn các chuyển động vật lý của robot trong quá trình huấn luyện hoặc thực hiện nhiều thử nghiệm thực nghiệm với robot trong phòng thí nghiệm hoặc các môi trường khác.
Các mô phỏng được mã hóa thủ công dựa trên nền tảng vật lý có thể giúp đào tạo robot với chi phí rẻ hơn trong môi trường ảo nhưng có thể không nắm bắt được nhiều điều phức tạp và không chắc chắn trong thế giới thực.
Các nhà nghiên cứu về robot cũng đang phát triển các mô hình thế giới để giúp robot dự đoán hậu quả của hành động của chúng trong thế giới vật chất và lên kế hoạch phù hợp.
Một số triển khai các mô hình AI như vậy được đào tạo chủ yếu về hình ảnh dữ liệu để tìm hiểu cách hoạt động của môi trường vật lý, một số công ty thậm chí còn thu thập video góc nhìn thứ nhất để đào tạo dữ liệu bằng cách thuê nhân viên biểu diễn đeo máy ảnh gắn trên đầu khi họ làm việc nhà hoặc các nhiệm vụ khác.
Gợi ý thực hành:
1. Theo dõi thông báo từ cơ quan địa phương tại California.
2. Kiểm tra nguồn chính thức trước khi chia sẻ lại thông tin.