Τι έγινε
Το Business Insider αναφέρει ότι η Reimagine Robotics αναπτύσσει ρομπότ που οι πελάτες μπορούν να διδάξουν επιδεικνύοντας εργασίες και διορθώνοντας φυσικά τα μηχανήματα. Η startup με έδρα το Λονδίνο και το Σίδνεϊ ιδρύθηκε από πρώην μηχανικούς Google DeepMind και δοκιμάζει τα συστήματά της με επιχειρήσεις παραγωγής.
Το Business Insider αναφέρει ότι η Reimagine Robotics αναδύθηκε από το stealth νωρίτερα τον Αύγουστο και ιδρύθηκε πέρυσι από τους Jonathan Scholz, Oleg Sushkov, Akhil Raju και Misha Denil, πρώην συναδέλφους του Google. Ο Scholz ηγήθηκε στο παρελθόν της ομάδας εφαρμοσμένης ρομποτικής του Google DeepMind, σύμφωνα με την έκθεση. Η startup εδρεύει στο Λονδίνο και το Σίδνεϊ και υποστηρίζεται από την Fly Ventures και την Firstminute Capital. Αυτά τα στοιχεία της εταιρείας και της χρηματοδότησης αποδίδονται στο Business Insider. η πηγή δεν παρέχει δημόσια πρωτογενή έγγραφα που τα επιβεβαιώνουν. Μαζί, αυτές οι λεπτομέρειες περιγράφουν την αναφερόμενη προέλευση, την ηγεσία και την υποστήριξη της εταιρείας, διατηρώντας παράλληλα αυτά τα σημεία συνδεδεμένα με τον λογαριασμό της πηγής. Ως εκ τούτου, η αναφορά καθορίζει το δηλωμένο υπόβαθρο και την τοποθεσία της εκκίνησης, αλλά δεν επαληθεύει ανεξάρτητα το υποκείμενο εταιρικό ιστορικό ή πληροφορίες επένδυσης.
Σύμφωνα με το Business Insider, η Reimagine κατασκευάζει έναν στόλο που περιλαμβάνει ρομποτικούς βραχίονες και συναρμολογητές. Ορισμένα συστήματα είναι τοποθετημένα σε επιφάνειες, ενώ άλλα κινούνται σε τροχοφόρα πλατφόρμες. Η προτεινόμενη διδακτική διαδικασία είναι πρακτική: ένας πελάτης επιδεικνύει μια εργασία, παρακολουθεί το ρομπότ να την επιχειρεί και στη συνέχεια χειρίζεται φυσικά το χέρι για να διορθώσει τη συμπεριφορά. Η έκθεση περιγράφει αυτό ως μια προσέγγιση «βλέπε μαϊμού, κάνει μαϊμού» και την τοποθετεί στην ευρύτερη πρακτική της τεχνητής νοημοσύνης μετά την εκπαίδευση, στην οποία ένα σύστημα τελειοποιείται μετά την αρχική του ανάπτυξη. Κατά συνέπεια, η περιγραφή καλύπτει τόσο τις φυσικές μηχανές όσο και τον τρόπο με τον οποίο οι πελάτες αλληλεπιδρούν μαζί τους κατά την προσαρμογή. Ο άμεσος ρόλος του πελάτη στην εμφάνιση και τη διόρθωση μιας εργασίας είναι το κεντρικό χαρακτηριστικό της προσέγγισης που περιγράφεται στην αναφορά.
Το Business Insider αναφέρει ότι η Reimagine συνεργάζεται με πολλές μεταποιητικές επιχειρήσεις. Σε μια ανάπτυξη, στην οποία συμμετείχε μια εταιρεία που εξάγει κρίσιμα υλικά από χρησιμοποιημένους σκληρούς δίσκους, η εκκίνηση είπε ότι η διδασκαλία ενός ρομπότ μιας νέας εργασίας χρειάστηκε 10 λεπτά αντί για μία ημέρα. Αυτή η σύγκριση είναι ένας ισχυρισμός από το Reimagine που αναφέρθηκε από το Business Insider και όχι μια ανεξάρτητη δοκιμή. Το άρθρο δεν προσδιορίζει τον πελάτη, δεν αποκαλύπτει την εργασία, δεν παρέχει τον αριθμό των δοκιμών ή δεν εξηγεί πώς μετρήθηκε ο χρόνος. Επομένως, η σύγκριση γίνεται καλύτερα κατανοητή ως απεικόνιση της προτεινόμενης ροής εργασίας και όχι ως γενικό σημείο αναφοράς απόδοσης. Η σημασία του παραμένει συνδεδεμένη με την αναφερόμενη ανάπτυξη και με τις ειδικές συνθήκες υπό τις οποίες διδάχθηκε αυτή η εργασία.
Στοιχεία πηγής: businessinsider.com ↗
Γιατί έχει σημασία
Η προσέγγιση αντιμετωπίζει μια κεντρική πρόκληση στη φυσική τεχνητή νοημοσύνη: τα ρομπότ έχουν πολύ λιγότερα δεδομένα εκπαίδευσης στον πραγματικό κόσμο από ότι τα γλωσσικά μοντέλα έχουν κείμενο και εικόνες. Εάν οι εργαζόμενοι μπορούν να προσαρμόσουν ρομπότ χωρίς εξειδικευμένες ομάδες ρομποτικής, η ανάπτυξη θα μπορούσε να γίνει πιο πρακτική, αν και τα αναφερόμενα αποτελέσματα παραμένουν ανεξάρτητα επιβεβαιωμένα.
Η έκθεση υπογραμμίζει μια δομική διαφορά μεταξύ της τεχνητής νοημοσύνης λογισμικού και των φυσικών ρομπότ. Τα μεγάλα γλωσσικά μοντέλα μπορούν να εκπαιδευτούν σε τεράστιες συλλογές διαδικτυακών κειμένων και εικόνων, ενώ τα ρομπότ χρειάζονται δεδομένα σχετικά με την κίνηση, τα αντικείμενα, τα περιβάλλοντα και τις συνέπειες των φυσικών ενεργειών. Το Business Insider λέει ότι ο Scholz ανέφερε το "κενό δεδομένων 100.000 ετών", μια φράση που σχετίζεται με τον ρομποτικό του UC Berkeley, Ken Goldberg. Το άρθρο αναφέρει ότι το μεγαλύτερο σύνολο δεδομένων εκπαίδευσης ρομπότ περιέχει περίπου ένα έτος εμπειρίας, σε σύγκριση με την εκτίμηση της Goldberg για το χρόνο που θα χρειαζόταν ένα άτομο για να διαβάσει και να δει το υλικό που χρησιμοποιείται για την εκπαίδευση κορυφαίων μοντέλων τεχνητής νοημοσύνης. Η σύγκριση πλαισιώνει το πρόβλημα ως ένα από τα διαθέσιμα δεδομένα εμπειρίας και αλληλεπίδρασης, όχι απλώς ως έλλειψη υπολογιστικής ικανότητας ή ικανότητας μοντέλου. Εξηγεί επίσης γιατί μια μέθοδος για τη συλλογή χρήσιμων παραδειγμάτων στο χώρο εργασίας θα μπορούσε να έχει σημασία για την ανάπτυξη της φυσικής τεχνητής νοημοσύνης.
Ένα σύστημα που επιτρέπει στους εργαζόμενους στο εργοστάσιο να συνεισφέρουν εκπαιδευτικά δεδομένα θα μπορούσε να μειώσει την απόσταση μεταξύ των εργαστηριακών δυνατοτήτων ενός ρομπότ και των συνθηκών ενός λειτουργικού χώρου εργασίας. Οι εργαζόμενοι συχνά κατανοούν εξαιρέσεις, περιορισμούς ασφαλείας και άτυπες διαδικασίες που είναι δύσκολο να καταγραφούν εκ των προτέρων. Το Business Insider αναφέρει ότι οι εργαζόμενοι στις τοποθεσίες πελατών της Reimagine άρχισαν να αναπτύσσουν τις δικές τους περιπτώσεις χρήσης και να διδάσκουν στα ρομπότ νέες εργασίες. Εάν αυτό το μοτίβο είναι επαναλαμβανόμενο, θα μπορούσε να μεταθέσει κάποια ευθύνη για την προσαρμογή από τους ειδικούς της κεντρικής ρομποτικής στους ανθρώπους που χειρίζονται τον εξοπλισμό. Σε αυτό το μοντέλο, ο χώρος εργασίας θα γίνει μέρος της διαδικασίας μετά την εκπαίδευση του ρομπότ, με επιδείξεις και διορθώσεις που αντικατοπτρίζουν τις εργασίες που πραγματικά χρειάζονται οι εργαζόμενοι. Η έκθεση δεν καθορίζει πόσο ευρέως μπορεί να εφαρμοστεί αυτό το μοντέλο, αλλά προσδιορίζει την πιθανή αξία της τοποθέτησης της προσαρμογής πιο κοντά στις καθημερινές λειτουργίες.
Η ευρύτερη επίπτωση είναι μια πιθανή οικονομία υπηρεσιών γύρω από την εκπαίδευση και τη συντήρηση ρομπότ. Ο Scholz είπε στο Business Insider ότι αναμένει ότι «οι εκπαιδευτές και οι χειριστές ρομπότ» θα μπορούσαν τελικά να συνδέσουν τους κατασκευαστές με τα εργοστάσια, διδάσκοντας συστήματα για την εκτέλεση εργασιών για συγκεκριμένες τοποθεσίες και βοηθώντας στην επίλυση αστοχιών. Αυτό παραμένει η πρόβλεψη ενός ηγέτη της εταιρείας, όχι απόδειξη ότι μια τέτοια αγορά υπάρχει ήδη. Η πηγή επίσης δεν καθορίζει εάν η πρακτική διδασκαλία είναι προσιτή, ασφαλής, συνεπής ή αποτελεσματική πέρα από τους αναφερόμενους πιλότους. Αυτά τα ανεπίλυτα ερωτήματα είναι σημαντικά επειδή ένας μεγαλύτερος ρόλος υποστήριξης θα εξαρτηθεί από επαναλαμβανόμενα αποτελέσματα εκπαίδευσης καθώς και από εφαρμόσιμες ρυθμίσεις μεταξύ κατασκευαστών ρομπότ, εργαζομένων και εργοστασίων. Η ιδέα παρουσιάζεται ως πιθανή συνέπεια του μοντέλου πελάτη-ως-δάσκαλος, παρά ως αποδεδειγμένη τάση του κλάδου.
Διαδραστικός Μηχανισμός: Πώς λειτουργεί στην πραγματικότητα
Εξερευνήστε την υποκείμενη τεχνολογία πίσω από αυτήν την εξέλιξη διαδραστικά.
crm_get_transaction(id='4092').An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
Τι να παρακολουθήσετε στη συνέχεια
Τα βασικά ερωτήματα είναι εάν η μέθοδος διδασκαλίας του Reimagine λειτουργεί σε εργοστάσια, εργασίες και σώματα ρομπότ. εάν οι εργαζόμενοι μπορούν να επιβλέπουν με ασφάλεια τις μηχανές· και εάν η εκκίνηση μπορεί να μετατρέψει περιορισμένους πιλότους σε αξιόπιστες εμπορικές αναπτύξεις. Το Business Insider δεν παρείχε ανεξάρτητη επικύρωση των ισχυρισμών απόδοσης του.
Το πρώτο θέμα που πρέπει να παρακολουθήσετε είναι η αναπαραγωγή. Το Business Insider παρέχει μία αναφερόμενη σύγκριση χρόνου διδασκαλίας, αλλά όχι αρκετές πληροφορίες για την αξιολόγηση της αξιοπιστίας. Χρήσιμα στοιχεία θα περιλαμβάνουν αποτελέσματα σε πολλούς πελάτες, εργασίες, αντικείμενα και περιβαλλοντικές συνθήκες, μαζί με τα ποσοστά αποτυχίας και το ποσό της ανθρώπινης διόρθωσης που απαιτείται. Θα ήταν επίσης σημαντικό να γνωρίζουμε εάν ένα ρομπότ διατηρεί μια μαθημένη συμπεριφορά, τη μεταφέρει σε άλλο ρομπότ ή πρέπει να επανεκπαιδεύεται όποτε αλλάζει το περιβάλλον του. Τέτοια στοιχεία θα έδειχναν εάν η αναφερόμενη ροή εργασίας είναι μια επαναλαμβανόμενη ικανότητα ή ένα αποτέλεσμα που περιορίζεται σε μία ανάπτυξη. Θα βοηθούσε επίσης να διαχωριστεί η ταχύτητα της αρχικής διδακτικής συνεδρίας από τη μακροπρόθεσμη προσπάθεια που απαιτείται για να παραμείνει η συμπεριφορά χρήσιμη.
Η ασφάλεια και η υπευθυνότητα των εργαζομένων θα είναι εξίσου σημαντικές. Η πηγή περιγράφει τους υπαλλήλους που χειρίζονται φυσικά ρομποτικά χέρια, αλλά δεν εξηγεί τις διασφαλίσεις, τις διαδικασίες λειτουργίας ή τις απαιτήσεις επίβλεψης. Οι μελλοντικές αναφορές θα πρέπει να διευκρινίζουν ποιος μπορεί να εξουσιοδοτήσει μια νέα συμπεριφορά, πώς αποκλείονται επικίνδυνες ενέργειες, πώς ελέγχονται τα δεδομένα εκπαίδευσης και τι συμβαίνει όταν ένα ρομπότ δεν συμπεριφέρεται σωστά. Αυτές οι λεπτομέρειες θα καθορίσουν εάν το σύστημα είναι ένα πρακτικό εργαλείο στο χώρο εργασίας ή απλώς ένα άλλο επίπεδο λειτουργικού κινδύνου. Θα διευκρινίσουν επίσης πώς κατανέμεται η ευθύνη όταν η διόρθωση ενός εργαζομένου γίνεται μέρος της συμπεριφοράς του ρομπότ. Μέχρι να περιγραφούν αυτές οι διαδικασίες, η πρακτική φύση της μεθόδου διδασκαλίας παραμένει ένα σημαντικό άλυτο μέρος της ιστορίας.
Τέλος, η εμπορική πρόοδος του Reimagine θα πρέπει να διακρίνεται από τον ευρύτερο ενθουσιασμό γύρω από την ανθρωποειδή και φυσική τεχνητή νοημοσύνη. Το Business Insider αναφέρει ότι η startup δοκιμάζει την τεχνολογία της με κατασκευαστικές εταιρείες, αλλά δεν αναφέρει εάν αυτές οι αναπτύξεις πληρώνονται, πόσα ρομπότ έχουν εγκατασταθεί ή αν κάποιος πελάτης έχει προχωρήσει πέρα από το πιλοτικό. Η επιβεβαίωση των αναπτύξεων πελατών, η ανεξάρτητη μέτρηση της απόδοσης και η γνωστοποιημένη διαθεσιμότητα θα δείξουν εάν το μοντέλο πελάτη ως δάσκαλος της εταιρείας γίνεται ανθεκτικό προϊόν και όχι πείραμα πρώιμου σταδίου. Τα στοιχεία σχετικά με το εύρος των εργασιών και των σωμάτων ρομπότ που εμπλέκονται θα έδειχναν περαιτέρω εάν η προσέγγιση είναι ευρεία ή περιορίζεται σε συγκεκριμένες κατασκευαστικές ρυθμίσεις. Αυτά τα σήματα θα παρείχαν μια σαφέστερη βάση για την εκτίμηση της προόδου από την ύπαρξη μόνο των πιλότων.