La corsa alla creazione di un robot umanoide capace sta rapidamente smettendo di essere una questione di hardware per trasformarsi in una domanda filosofica fondamentale: qual è il modo migliore per insegnare a una macchina? Da un lato, abbiamo aziende come Sunday, che puntano tutto su un esercito di precettori umani. Dall’altro, giganti come Tesla e Nvidia sperano che i loro robot possano imparare semplicemente guardando video su YouTube. Questa spaccatura strategica definisce l’intero campo, e nessuno sembra concordare sulla risposta giusta.
Sunday si lancia a capofitto nell’apprendimento per imitazione, equipaggiando 500 “sviluppatori di memoria” con guanti speciali per registrare meticolosamente dati di alta qualità per ogni singola incombenza immaginabile. L’azienda sostiene che questo metodo le consente di addestrare e valutare un nuovo compito ogni una o due settimane, creando quello che definisce il “robot con l’apprendimento più veloce del mondo”. È un approccio pratico, quasi artigianale, alla raccolta dati, focalizzato sulla qualità piuttosto che sulla mera quantità.
Questo modello incentrato sull’uomo presenta delle varianti. L’azienda norvegese 1X Technologies utilizza anch’essa la guida umana, ma invece di guanti e sessioni curate, schiera i suoi 1X Neo: Il tuo maggiordomo AI è qui, con un prezzo robot direttamente in scenari reali per imparare tramite teleoperazione. È meno un’aula scolastica e più un tirocinio sul campo. Nel frattempo, Figure sta costruendo “Neura Gyms” fisiche, ambienti strutturati dove i suoi robot possono allenarsi su compiti specifici, a volte in partnership con aziende come BMW.
Poi c’è la fazione del “basta guardare video”. Tesla si è dichiarata apertamente riguardo al suo obiettivo per il bot Optimus: imparare i compiti semplicemente osservando video di umani che li eseguono. Anche Nvidia, con la sua piattaforma NVIDIA crea una Matrice per Robot con Cosmos , sfrutta la simulazione e una mole sterminata di dati video su scala internet per addestrare i suoi modelli fondamentali per la robotica. Questo metodo promette una scala immensa – ci sono più ore di video “how-to” online di quante qualsiasi team di sviluppatori di memoria possa mai produrre – ma lotta con il contesto, l’incarnazione e il rumore assordante dei dati non strutturati.
Perché è importante?
Lo scisma nella metodologia di addestramento rappresenta il più grande ostacolo alla creazione di un robot veramente polivalente. Il cuore del dibattito è il classico dilemma qualità contro quantità, amplificato dalle complessità dell’interazione fisica.
Un dataset meticolosamente curato e di alta qualità proveniente da dimostratori umani – come quello che Sunday AI: Robot che imparano i lavori domestici con un guanto sta costruendo – è la chiave per un’esecuzione affidabile dei compiti? Oppure l’enorme, caotico volume di dati internet fornirà in ultima analisi un percorso più robusto e scalabile verso l’intelligenza, come credono Tesla e Nvidia? L’azienda che risolverà questo rompicapo dell’apprendimento scalabile non si limiterà a costruire un robot migliore; probabilmente definirà il prossimo decennio dell’intelligenza artificiale e dell’automazione.
