Ne oldu?
AI Insider, NEC'in kurumsal girişim fonunun, Vega'yı ve fiziksel AI sistemlerini oluşturmak ve dağıtmak için bir platform geliştiren ABD merkezli robotik girişimi Dexmate'e açıklanmayan bir miktar yatırım yaptığını bildirdi. Raporda NEC'in birden fazla endüstride Dexmate ile uygulamaları keşfetmeyi planladığı belirtiliyor.
AI Insider, NEC'in yatırımı NEC Gelecek Düzenleme Fonu veya NOFF aracılığıyla yaptığını bildirdi. Tutar açıklanmadı ve raporda bir değerleme, sahiplik yüzdesi, finansman büyüklüğü veya diğer işlem koşulları yer almıyor. Dexmate, 2024 yılında yapay zeka robot bilimi araştırmacıları tarafından kuruldu ve raporun yapay zeka destekli robotlar için entegre bir sistem olarak tanımladığı sistemi geliştiriyor. Bu nedenle merkezi gelişme, hem bir finansman olayı hem de NEC ile nispeten genç bir fiziksel yapay zeka şirketi arasındaki stratejik bir ilişkidir.
Rapor, NEC'in fiziksel yapay zekayı tek başına bir yapay zeka modelinden daha fazlasını gerektirdiğini düşündüğünü söylüyor. Geliştirme ve dağıtım sürecinin parçaları olarak sensörleri, kontrol sistemlerini, eğitim verilerini, simülasyon ortamlarını ve yerinde ayarlamaları tanımlar. AI Insider, Dexmate'in, kullanıcıların belirli görevler ve gerçek dünya ortamları için robotlar tasarlayabilmesi, yapılandırabilmesi ve çalıştırabilmesi için bu bileşenleri bir araya getirmeye çalıştığını söylüyor. Bu açıklama, şirketlerin AI Insider tarafından bildirilen duyurusundan geliyor; kaynak, platformun bu hedefe ulaşıp ulaşmadığını veya rakip sistemlerle nasıl karşılaştırıldığını bağımsız olarak değerlendirmez.
AI Insider, Dexmate'in Vega'sının yerleşik AI işleme özelliğine sahip tekerlekli bir insansı robot olduğunu bildirdi. Dexmate'e atfedilen spesifikasyonlara göre Vega, 128 GB belleğe ve yaklaşık 2.070 AI TFLOPS bilgi işlem performansına sahip bir Nvidia Jetson Thor sistemi kullanıyor. Raporda, 4,8 kilowatt saatlik pilin yaklaşık 20 saatlik çalışma süresine veya yapay zeka bilgi işlem sistemi tam yükte çalışırken 16 saatten fazla süreye dayandığı belirtiliyor. Kaynak, bu rakamların ardındaki iş yüklerini, test koşullarını, faydalı yükü, araziyi, termal limitleri veya ölçüm yöntemini açıklamıyor.
Raporda ayrıca Dexmate'e çeşitli fiziksel ve güvenlik özellikleri atfediliyor. Vega'nın çalışma alanı boyunca iki metreden fazla erişim mesafesine sahip olduğu, her biri 15 pound taşıyabilen kollara ve zemin seviyesinden iki metrenin üzerine çıkabilen üç bölümlü katlanır gövdeye sahip olduğu belirtiliyor. Donanımla senkronize sensörlerin yapay zeka eğitimi için uyumlu veriler üretmesi amaçlanıyor. Bildirilen güvenlik mekanizmaları arasında ana bağlantı noktalarındaki frenler, gerçek zamanlı kendi kendine çarpışma kontrolü, tanımlanan sınırların dışındaki komutları engelleyen bir doğrulama katmanı ve yazılımla erişilebilen bir acil durdurma yer alıyor. Bunlar rapor edilmiş tasarım özellikleridir; bağımsız sertifikasyonlar veya belirli bir işyerinde güvenli çalışmanın kanıtı değildir.
Kaynak ayrıntıları: theaiinsider.tech ↗
Neden önemli?
Yatırım, büyük bir Japon teknoloji şirketini yerleşik yapay zeka, robotik donanım, sensörler, kontrol sistemleri, eğitim verileri, simülasyon ve dağıtım araçlarını birleştirmeye odaklanan bir girişime bağlıyor. Bildirilen teknik özellikler, Dexmate'in uzun süreli çalışmayı ve yerel olarak işlenmiş yapay zekayı hedeflediğini gösteriyor ancak kaynak, bağımsız bir performans testi veya dağıtım kanıtı sunmuyor.
Yatırım önemlidir çünkü kurumsal sermayeyi ve potansiyel sektör erişimini yapay zekanın fiziksel uygulaması üzerinde çalışan bir şirketin arkasına yerleştirir. AI Insider, NEC'in Dexmate'in robotik platformunu NEC'in teknolojisi ve endüstri deneyimiyle birleştirmeyi planladığını bildirdi. Eğer bu işbirliği keşfin ötesine geçerse, Dexmate'in genç bir robotik şirketinin normalde elde etmekte zorlanacağı endüstriyel sorunlara, işletim ortamlarına ve entegrasyon uzmanlığına erişimini sağlayabilir. Kaynak herhangi bir müşteriyi, sözleşmeyi, pilot uygulamayı veya dağıtımı belirtmediğinden olasılık ileriye dönük olarak kalır.
Bildirilen platform yaklaşımı, robot bilimindeki pratik bir sorunu ele alıyor: Yetenekli bir model, bir robotu kullanışlı kılmak için yeterli değil. Sensörler ortamı yakalamalı, kontrol sistemleri kararları harekete dönüştürmeli, veriler eğitim ve testleri desteklemeli ve dağıtımlar genellikle belirli siteler ve görevler için ayarlama yapılmasını gerektirir. Bu aşamaları gerçekten birbirine bağlayan bir sistem, mükerrer mühendislik çalışmalarını azaltabilir. Ancak AI Insider, geliştirme süresi, dağıtım maliyeti, görev başarısı, başarısızlık oranları veya gereken insan mühendisliği miktarına ilişkin hiçbir ölçüm sağlamaz. Bu nedenle platformun iddia edilen değeri, belirlenmiş bir sonuçtan ziyade geliştirilmekte olan bir hedef olarak ele alınmalıdır.
Vega'nın rapor ettiği yerleşik bilgi işlem ve pil rakamları aynı zamanda fiziksel yapay zekadaki önemli bir ödünleşimi de gösteriyor. Yerel işleme, bir ağ bağlantısına olan bağımlılığı azaltabilir ve bir robotun daha düşük gecikmeyle yanıt vermesine yardımcı olurken, sürekli yüksek performanslı bilgi işlem enerji tüketir ve ısı üretir. AI Insider, tam AI bilgi işlem yükünde 16 saatten fazla çalışma süresi bildiriyor ancak bu rakamın hareket, algılama, manipülasyon veya diğer işletim taleplerini içerip içermediğini belirtmiyor. Ayrıca yerel işlemeyi bulut destekli operasyonla karşılaştırmaz. Bu ayrıntılar olmadan spesifikasyon, Vega'nın gerçek bir vardiyada veya zorlu görevler altında ne kadar süre çalışacağını belirleyemez.
Robotun tekerlekli insansı formu ve katlanabilir gövdesi, hareketliliği farklı yükseklikteki nesnelere erişimle birleştirmeyi amaçlıyor olabilir. Kaynak erişim, yük ve gövde boyutlarını bildiriyor ancak Vega'nın depolarda, fabrikalarda, ofislerde, evlerde veya diğer ortamlarda yararlı görevleri güvenilir bir şekilde gerçekleştirebildiğini göstermiyor. Benzer şekilde frenler, çarpışma kontrolü, komut doğrulama ve acil durdurma güvenlik mimarisinin anlamlı unsurlarıdır ancak tek başlarına sağlamlık göstermezler. Bağımsız testler, arıza analizi, denetim gereklilikleri ve işyeri veya ürün güvenliği kurallarına uygunluk raporda yer almamaktadır.
İnteraktif Mekanizma: Aslında Nasıl Çalışıyor?
Bu gelişmenin arkasında yatan teknolojiyi etkileşimli olarak keşfedin.
An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
Bundan sonra ne izlenecek?
Yatırım tutarı, şartları, müşterileri, pilot sahaları ve spesifik sektör uygulamaları bilinmiyor. Vega'nın gerçek işletim ortamlarındaki performansı, Dexmate'in yazılım platformunun yetenekleri, güvenlik sistemlerinin güvenilirliği ve NEC'in iş birliğinin keşif çalışmasının ötesinde dağıtımlar üretip üretmediği konusunda daha fazla kanıta ihtiyaç duyulacak.
İlk çözülmemiş soru, NEC yatırımının mali ve stratejik kapsamıdır. AI Insider yalnızca NOFF'un açıklanmayan miktarda yatırım yaptığını bildirdi. Gelecekteki açıklamalar bunun küçük bir stratejik yatırım mı, daha büyük bir finansman turunun parçası mı yoksa daha geniş bir ticari ilişkinin başlangıcı mı olduğunu açıklığa kavuşturabilir. NEC'in işbirliğini yalnızca genel terimlerle tanımlamak yerine somut pilot müşterileri, tesisleri veya endüstrileri isimlendirmesi de önemli olacaktır.
Bir sonraki önemli kanıt dağıtımlarla ilgili olacaktır. Ortam, süre, yük, insan denetimi derecesi ve arıza sıklığı dahil olmak üzere tanımlanmış görevleri tamamlayan Vega'nın bağımsız olarak doğrulanabilir gösterilerini izleyin. Faydalı raporlama, kontrollü gösterileri sürekli operasyonel kullanımdan ayıracaktır. Mevcut kaynak, kıyaslama sonuçları, müşteri geri bildirimleri, çalışma süresi verileri veya diğer insansı ve mobil manipülasyon robotlarıyla karşılaştırmalar sağlamamaktadır.
Dexmate'in yazılım platformu da incelemeyi hak ediyor. Rapor, robot tasarımını, konfigürasyonunu, eğitimini ve operasyonunu birleştirmeyi amaçlayan bir sistemi tanımlıyor ancak desteklenen yapay zeka modellerini, yazılım arayüzlerini, simülasyon araçlarını, veri yönetimi uygulamalarını veya dağıtım kısıtlamalarını isimlendirmiyor. Gelecekteki açıklamalar, platformun dış geliştiriciler tarafından geniş çapta kullanılıp kullanılamayacağını veya esas olarak Vega donanımına bağlı özel bir yığın olup olmadığını gösterebilir. Ayrıca eğitim verilerinin simülasyon ve fiziksel ortamlar arasında nasıl toplandığını, etiketlendiğini, senkronize edildiğini ve aktarıldığını da açıklığa kavuşturabilirler.
Şirket gerçek dünya uygulamaları ararken güvenlik ve işletim sınırları merkezi konumda kalmalıdır. Komut doğrulama katmanının beklenmeyen girişleri nasıl ele aldığı, sensör arızaları sırasında çarpışma kontrolünün nasıl yapıldığı, yazılım veya iletişim arızası durumunda acil durdurmanın nasıl çalıştığı ve insanların çevresinde hangi önlemlerin uygulandığı hakkında daha fazla bilgiye ihtiyaç vardır. Bağımsız değerlendirme, olay raporlama ve insan gözetimine ilişkin ayrıntılar, bildirilen korumaların ticari kullanım için yeterli olup olmadığının belirlenmesine yardımcı olacaktır. Bu tür kanıtlar ortaya çıkana kadar, yatırım ve spesifikasyonlar, fiziksel yapay zekanın geniş çapta uygulandığının kanıtı değil, geliştirmedeki ilerlemeyi gösterir.