क्या हुआ?
मार्कटेकपोस्ट की रिपोर्ट है कि जनरलिस्ट एआई ने GEN-1.5 जारी किया है, जो एक मल्टीमॉडल रोबोट फाउंडेशन मॉडल है जो भौतिक कार्य करने के लिए 30-सेकंड संदर्भ विंडो के अंदर 3-12 सेकंड सेंसरिमोटर प्रदर्शन का उपयोग करता है। रिपोर्ट में कहा गया है कि मॉडल ने फाइन-ट्यूनिंग के बिना 10 हेरफेर कार्यों में औसतन 59% सफलता हासिल की और पांच मिनट के कार्य डेटा पर 10 क्रमिक चरणों के बाद 83% तक पहुंच गया। आपूर्ति किए गए स्रोत से दावों की स्वतंत्र रूप से पुष्टि नहीं की गई है।
मार्कटेकपोस्ट की रिपोर्ट है कि जनरलिस्ट एआई का GEN-1.5 वीडियो, सेंसर, भाषा और प्रोप्रियोसेप्टिव इनपुट स्वीकार करता है, 30-सेकंड की संदर्भ विंडो बनाए रखता है, और 100 हर्ट्ज पर एक्शन प्रक्षेपवक्र उत्सर्जित करता है। केंद्रीय तंत्र, जिसे कंपनी "भौतिक संकेत" कहती है, उस संदर्भ में एक संक्षिप्त सेंसरिमोटर उदाहरण देता है। उदाहरण में प्रदर्शित कार्रवाई प्रक्षेपवक्र के साथ कैमरा और सेंसर स्ट्रीम शामिल हो सकते हैं। मार्कटेकपोस्ट के अनुसार, मॉडल तब प्रदर्शन से इच्छित कार्य का अनुमान लगाता है और भाषा निर्देश, ग्रेडिएंट अपडेट, फाइन-ट्यूनिंग चरण या कार्य-विशिष्ट कार्यक्रम के बिना कार्य करता है। रिपोर्ट में कहा गया है कि मॉडल को घरों, गोदामों और कारखानों में कैप्चर किए गए भौतिक-इंटरैक्शन डेटा पर आठ महीने से अधिक समय तक लगातार पूर्व-प्रशिक्षित किया गया था।
मार्कटेकपोस्ट ने 10 विविध हेरफेर कार्यों में 10 प्रतिशत अंकों के मानक विचलन के साथ 59% की औसत सफलता दर की रिपोर्ट दी है, जब पूर्व-प्रशिक्षित मॉडल को एक एकल प्रदर्शन प्राप्त हुआ। लेख में कहा गया है कि प्रत्येक कार्य के लिए पांच मिनट के डेटा का उपयोग करके 10 क्रमिक चरणों ने 9 प्रतिशत अंकों के मानक विचलन के साथ औसत सफलता को 83% तक बढ़ा दिया। यह भी रिपोर्ट करता है कि एक मिनट के डेटा का उपयोग करके एक क्रमिक चरण एक रुके हुए कार्य पर 66.5% तक पहुंच गया। लेख इन परिणामों को परीक्षण-समय प्रशिक्षण के कम-डेटा रूप के रूप में चित्रित करता है और कहता है कि 10 चरणों के बाद रिपोर्ट किए गए वजन में परिवर्तन 0.15% से कम था। आपूर्ति किया गया स्रोत उन संख्याओं का स्वतंत्र रूप से आकलन करने के लिए आवश्यक कार्य सूची, नमूना गणना, हार्डवेयर विवरण, आधारभूत परिभाषाएँ या पूर्ण मूल्यांकन प्रोटोकॉल प्रदान नहीं करता है।
रिपोर्ट में कई स्थानांतरण व्यवहारों का वर्णन किया गया है जिन्हें मार्कटेकपोस्ट जनरलिस्ट एआई के मूल्यांकन का श्रेय देता है। कथित तौर पर दो स्वतंत्र रूप से रिकॉर्ड किए गए संकेतों को एक निरंतर व्यवहार में बांधा जा सकता है, जिसमें मॉडल रिपोजिशनिंग, रीग्रैस्पिंग और त्रुटि पुनर्प्राप्ति जैसी हस्तक्षेपकारी गतियां उत्पन्न करता है। कथित तौर पर सिमुलेशन में रिकॉर्ड किया गया एक प्रदर्शन एक वास्तविक रोबोट में स्थानांतरित कर दिया गया, भले ही प्रीट्रेनिंग डेटा में कोई सिम्युलेटेड वीडियो या डायनामिक्स नहीं था। लेख में रोबोट के कैमरे के सामने किसी व्यक्ति के हाथों से किए गए प्रदर्शनों का भी वर्णन किया गया है, जिसके बाद रोबोट के हाथों का उपयोग करके पुनरुत्पादन किया जाता है। हल्की सी फाइन-ट्यूनिंग के बाद, मार्कटेकपोस्ट का कहना है कि सिस्टम एक केले को ब्रश के रूप में उपयोग कर सकता है, एक ब्लॉक को स्थानांतरित करने के लिए डस्टपैन का उपयोग कर सकता है, एक कटोरे को कवर करने वाले कागज को हटा सकता है, और उभयलिंगी तरीके से काम कर सकता है। रिपोर्ट यह भी कहती है कि प्रेरित व्यवहार सुव्यवस्थित व्यवहारों की तुलना में अधिक भंगुर रहते हैं।
स्रोत विवरण: marktechpost.com ↗
यह क्यों मायने रखता है?
रिपोर्ट रोबोट अनुकूलन में एक संभावित महत्वपूर्ण बदलाव का वर्णन करती है: प्रदर्शन व्यापक कार्य-विशिष्ट प्रशिक्षण की आवश्यकता के बजाय संदर्भ में संकेत के रूप में काम कर सकते हैं। यदि निष्कर्ष कंपनी के सीमित मूल्यांकन से परे हैं, तो वे रोबोट को नए व्यवहार सिखाने में शामिल डेटा और इंजीनियरिंग बोझ को कम कर सकते हैं। सबूत प्रारंभिक हैं, और कार्य सरल, छोटे-क्षितिज वाले थे, और स्वतंत्र रूप से मान्य नहीं थे।
रिपोर्ट का व्यावहारिक महत्व यह है कि यह रोबोट सीखने को एक संदर्भ समस्या के साथ-साथ वजन-अद्यतन समस्या के रूप में भी प्रस्तुत करती है। पारंपरिक कार्य अनुकूलन के लिए डेटा एकत्र करने और प्रत्येक नए व्यवहार के लिए कई अनुकूलन चरण चलाने की आवश्यकता हो सकती है। मार्कटेकपोस्ट की रिपोर्ट है कि GEN-1.5 तुरंत एक संक्षिप्त प्रदर्शन का उपयोग कर सकता है, जबकि थोड़ी मात्रा में अतिरिक्त प्रशिक्षण से प्रदर्शन में काफी सुधार होता है। रोबोटिक्स ऑपरेटरों के लिए, अंततः प्रत्येक कार्य के लिए एक अलग नीति बनाए बिना वस्तुओं, लेआउट या प्रक्रियाओं को बदलने के लिए एक सामान्य-प्रयोजन प्रणाली को अनुकूलित करना आसान हो सकता है। यह एक रिपोर्ट किया गया शोध परिणाम है, यह सबूत नहीं है कि दृष्टिकोण नियमित औद्योगिक उपयोग के लिए तैयार है।
रिपोर्ट किए गए स्थानांतरण उदाहरण मायने रखते हैं क्योंकि वे सीधे नकल से अधिक परीक्षण करते हैं। मार्कटेकपोस्ट का कहना है कि मॉडल ने अलग-अलग प्रदर्शनों के बीच कनेक्टिंग गति उत्पन्न की, सिम्युलेटेड प्रदर्शनों से भौतिक निष्पादन की ओर बढ़ गया, और मानव प्रदर्शनों को रोबोट कार्रवाई में अनुकूलित किया। यदि इन व्यवहारों को पुन: प्रस्तुत किया जाता है, तो यह सुझाव दिया जाएगा कि मॉडल ने केवल एक निश्चित प्रक्षेपवक्र को याद रखने के बजाय व्यापक भौतिक नियमितताएं सीख ली हैं। हालाँकि, स्रोत यह स्थापित नहीं करता है कि ये स्थानांतरण कितनी बार सफल हुए, कितने मानवीय हस्तक्षेप की अनुमति दी गई, या क्या कंपनी द्वारा प्रदर्शन और परीक्षण वातावरण का चयन किया गया था। इसलिए रिपोर्ट किए गए उदाहरण सामान्य प्रयोजन के भौतिक तर्क की मापी गई गारंटी के बजाय एक शोध दिशा का संकेत देते हैं।
परिणाम क्षमता और उपलब्धता के बीच अंतर को भी उजागर करते हैं। मार्कटेकपोस्ट की रिपोर्ट है कि GEN-1.5 जनरलिस्ट AI के अपने रोबोट बेड़े और डेटा इंजन पर संचालित एक शोध रिलीज़ है। कथित तौर पर कोई सार्वजनिक वजन, एपीआई, मूल्य निर्धारण पृष्ठ या स्वयं-सेवा उत्पाद नहीं है, और संभावित उपयोगकर्ताओं को प्रत्यक्ष साझेदारी करनी होगी। यह स्वतंत्र प्रतिकृति को सीमित करता है और बाहरी संगठनों के लिए अन्य रोबोट-शिक्षण प्रणालियों के साथ मॉडल की तुलना करना कठिन बनाता है। इसका मतलब यह भी है कि तत्काल सार्वजनिक प्रभाव मुख्य रूप से वैज्ञानिक और रणनीतिक है: कार्य प्रभावित कर सकता है कि शोधकर्ता मल्टीमॉडल रोबोट मॉडल कैसे डिजाइन करते हैं, लेकिन पाठक अभी तक सिस्टम का सीधे परीक्षण नहीं कर सकते हैं या इसकी लागत, विश्वसनीयता या परिचालन आवश्यकताओं का आकलन नहीं कर सकते हैं।
इंटरैक्टिव तंत्र: यह वास्तव में कैसे काम करता है
इस विकास के पीछे अंतर्निहित प्रौद्योगिकी का अंतःक्रियात्मक रूप से अन्वेषण करें।
Which component of an AI application is the machine-learning model itself?
आगे क्या देखना है
मुख्य प्रश्न यह हैं कि क्या GEN-1.5 रिपोर्ट किए गए कार्यों से परे सामान्यीकरण करता है, यह सुरक्षा-महत्वपूर्ण या अपरिचित परिस्थितियों में कैसा प्रदर्शन करता है, और क्या परिणाम जनरलिस्ट एआई के अपने बेड़े और डेटा बुनियादी ढांचे के बाहर पुन: प्रस्तुत किए जा सकते हैं। मार्कटेकपोस्ट की रिपोर्ट है कि सिस्टम में कोई सार्वजनिक भार, एपीआई, मूल्य निर्धारण या स्वयं-सेवा पहुंच नहीं है, इसलिए स्वतंत्र परीक्षण और व्यावहारिक तैनाती अनुपलब्ध है।
पहली प्राथमिकता स्वतंत्र सत्यापन है. मार्कटेकपोस्ट की रिपोर्ट 10 कार्यों की पहचान, प्रति कार्य परीक्षणों की संख्या, विफलता श्रेणियां, आत्मविश्वास अंतराल, तुलना प्रणाली या उपयोग किए गए भौतिक प्लेटफ़ॉर्म की आपूर्ति नहीं करती है। रिपोर्ट किए गए 59% और 83% औसत की व्याख्या के लिए वे विवरण आवश्यक हैं। अनुवर्ती मूल्यांकन में नई वस्तुओं, विभिन्न प्रकाश व्यवस्था और कार्यक्षेत्र लेआउट, लंबे कार्य अनुक्रम और जनरलिस्ट एआई की डेटा पाइपलाइन के बाहर लोगों या रोबोटों द्वारा रिकॉर्ड किए गए प्रदर्शनों का परीक्षण किया जाना चाहिए। स्वतंत्र शोधकर्ताओं द्वारा पुनरुत्पादन यह निर्धारित करने में मदद करेगा कि रिपोर्ट की गई क्षमता मॉडल की एक व्यापक संपत्ति है या कंपनी के संग्रह और मूल्यांकन विकल्पों के प्रति संवेदनशील परिणाम है।
सुरक्षा और मजबूती एक और अनसुलझा क्षेत्र है। मार्कटेकपोस्ट की रिपोर्ट है कि मॉडल बंद-लूप पर चलता है, कुछ गड़बड़ी को सहन कर सकता है, गलतियों से उबर सकता है और सुधार कर सकता है, जबकि फाइन-ट्यून किए गए संस्करणों की तुलना में अधिक भंगुर भी रहता है। स्रोत टकराव दर, बल सीमा, आपातकालीन रोक, लोगों से जुड़ी विफलताओं, या भीड़ भरे और अप्रत्याशित वातावरण में प्रदर्शन का वर्णन नहीं करता है। घरों, गोदामों या कारखानों में तैनाती से पहले, मूल्यांकनकर्ताओं को इस बारे में साक्ष्य की आवश्यकता होगी कि जब प्रदर्शन अस्पष्ट होता है, तो क्या होता है, वस्तु गायब होती है, रोबोट कार्य का ट्रैक खो देता है, या किसी त्रुटि के कारण चोट या क्षति हो सकती है। रिपोर्ट इस बात का कोई सबूत नहीं देती है कि उन स्थितियों के लिए GEN-1.5 का मूल्यांकन किया गया है।
पहुंच और शासन यह निर्धारित करेगा कि अनुसंधान व्यावहारिक रूप से उपयोगी होगा या नहीं। मार्कटेकपोस्ट की रिपोर्ट है कि जनरलिस्ट एआई ने वेटेज, एपीआई, मूल्य निर्धारण या स्वयं-सेवा उत्पाद जारी नहीं किया है, जिससे सिस्टम केवल प्रत्यक्ष भागीदारी के माध्यम से उपलब्ध है। भविष्य के अपडेट में यह स्पष्ट होना चाहिए कि क्या बाहरी शोधकर्ताओं को मूल्यांकन पहुंच प्राप्त होगी, भौतिक-इंटरैक्शन रिकॉर्डिंग पर कौन से डेटा-शासन प्रतिबंध लागू होते हैं, और क्या घरों या कार्यस्थलों से संवेदनशील फुटेज को उजागर किए बिना मॉडल का ऑडिट किया जा सकता है। यह देखना भी महत्वपूर्ण होगा कि दावा किया गया कम-डेटा अनुकूलन बड़े पैमाने पर और निरंतर योजना की आवश्यकता वाले कार्यों में लागू होता है या नहीं। जब तक उन प्रश्नों का उत्तर नहीं मिल जाता, GEN-1.5 को एक तैनाती योग्य सामान्य प्रयोजन रोबोट प्रणाली के बजाय एक प्रारंभिक अनुसंधान संकेत के रूप में माना जाना चाहिए।