Závod o sestrojení schopného humanoidního robota se rychle mění z otázky hardwaru na zásadní filozofickou otázku: jak nejlépe naučit stroj? Na jedné straně máte společnosti jako Sunday, které sází na armádu lidských učitelů. Na druhé straně giganti jako Tesla a Nvidia doufají, že jejich roboti se naučí jen pouhým sledováním YouTube. Tento strategický rozkol definuje celé odvětví a nikdo se neshodne na správné odpovědi.
Sunday vše vsadila na učení napodobováním, vybavuje 500 „vývojářů paměti“ speciálními rukavicemi, aby pečlivě zaznamenávali vysoce kvalitní data pro každou představitelnou činnost. Společnost tvrdí, že tato metoda jí umožňuje trénovat a vyhodnocovat nový úkol každé jeden až dva týdny, čímž vytváří to, co nazývá „nejrychleji se učícím robotem na světě“. Je to ruční, řemeslný přístup ke sběru dat, zaměřený na kvalitu před pouhou kvantitou.
Tento lidsky orientovaný model má své variace. Norská firma 1X Technologies také využívá lidské vedení, ale namísto rukavic a kurátorovaných sezení nasazuje své 1X Neo: Váš AI sluha je tady, za cenu roboty přímo do reálných scénářů, aby se učili prostřednictvím teleoperace. Je to méně učebna a více praxe za pochodu. Mezitím Figure buduje fyzické „Neura Gymy“, strukturovaná prostředí, kde se její roboti mohou trénovat na specifické úkoly, někdy ve spolupráci se společnostmi jako BMW.
Pak je tu tábor „stačí koukat na videa“. Tesla hlasitě proklamuje svůj cíl, aby se robot Optimus naučil úkoly pouhým pozorováním videí lidí, kteří je provádějí. Nvidia se svou NVIDIA staví robotům Matrix s platformou Cosmos platformou také využívá simulace a obrovská, internetově rozsáhlá video data k trénování svých základních modelů pro robotiku. Tato metoda slibuje obrovský rozsah – online je více hodin „jak na to“ videí, než by kdy mohl vyprodukovat jakýkoli tým vývojářů paměti – ale potýká se s kontextem, ztělesněním a čirým šumem nestrukturovaných dat.
Proč je to důležité?
Rozštěp v metodologii tréninku představuje tu největší překážku k vytvoření skutečně univerzálního robota. Jádrem debaty je klasický problém kvality versus kvantity, umocněný složitostí fyzické interakce.
Je pečlivě kurátorovaný, vysoce kvalitní soubor dat od lidských demonstrátorů – jako ten, který buduje Sunday AI: Robotičtí loutkáři jsou passé, učíme ručně! – klíčem ke spolehlivému provádění úkolů? Nebo obrovský, chaotický objem internetových dat nakonec poskytne robustnější a škálovatelnější cestu k inteligenci, jak věří Tesla a Nvidia? Společnost, která vyřeší tuto hádanku škálovatelného učení, nejenže postaví lepšího robota; pravděpodobně definuje příští dekádu umělé inteligence a automatizace.
