Όταν ο Rodney Brooks μιλάει για ρομποτική και τεχνητή νοημοσύνη, θα πρέπει να ακούτε. Επί του παρόντος, ο ομότιμος καθηγητής ρομποτικής της Panasonic στο MIT, συνίδρυσε επίσης τρεις βασικές εταιρείες, συμπεριλαμβανομέν
ω
ν των Rethink Robotics, iRobot και της τρέχουσας προσπάθειάς του, Robust.ai. Ο Brooks διηύθυνε επίσης το Εργαστήριο Επιστήμης Υπολογιστών και Τεχνητής Νοημοσύνης του MIT (CSAIL) για μια δεκαετία ξεκινώντας από το 1997.
Στην πραγματικότητα, του αρέσει να κάνει προβλέψεις για το μέλλον της τεχνητής νοημοσύνης και
κρατά καρτέλα βαθμολογίας
στο blog του για το πόσο καλά τα πάει.
Ξέρει για τι μιλάει και σκέφτεται ότι ίσως είναι καιρός να βάλει φρένο στη διαφημιστική εκστρατεία που ουρλιάζει που είναι η γενεσιουργός τεχνητή νοημοσύνη. Ο Brooks πιστεύει ότι είναι εντυπωσιακή τεχνολογία, αλλά ίσως όχι τόσο ικανή όσο πολλοί προτείνουν. «Δεν λέω ότι τα LLM δεν είναι σημαντικά, αλλά πρέπει να είμαστε προσεκτικοί [with] πώς τα αξιολογούμε», είπε στο TechCrunch.
Λέει ότι το πρόβλημα με το γενεσιουργό AI είναι ότι, ενώ είναι απόλυτα ικανό να εκτελεί ένα συγκεκριμένο σύνολο εργασιών, δεν μπορεί να κάνει ό,τι μπορεί ένας άνθρωπος και οι άνθρωποι τείνουν να υπερεκτιμούν τις δυνατότητές του. «Όταν ένας άνθρωπος βλέπει ένα σύστημα τεχνητής νοημοσύνης να εκτελεί μια εργασία, τη γενικεύει αμέσως σε πράγματα που είναι παρόμοια και κάνουν μια εκτίμηση της ικανότητας του συστήματος τεχνητής νοημοσύνης. όχι μόνο η απόδοση σε αυτό, αλλά η ικανότητα γύρω από αυτό», είπε ο Brooks. «Και είναι συνήθως πολύ υπερβολικά αισιόδοξοι, και αυτό συμβαίνει επειδή χρησιμοποιούν ένα μοντέλο της απόδοσης ενός ατόμου σε μια εργασία».
Πρόσθεσε ότι το πρόβλημα είναι ότι η
γενετική τεχνητή νοημοσύνη
δεν είναι ανθρώπινη ή ακόμα και ανθρώπινη, και είναι ελαττωματικό να προσπαθείς να της εκχωρήσεις ανθρώπινες δυνατότητες. Λέει ότι οι άνθρωποι το βλέπουν τόσο ικανό που θέλουν ακόμη και να το χρησιμοποιούν για εφαρμογές που δεν έχουν νόημα.
Ο Brooks προσφέρει την τελευταία του εταιρεία, Robust.ai, ένα σύστημα ρομποτικής αποθήκης, ως παράδειγμα αυτού. Κάποιος του πρότεινε πρόσφατα ότι θα ήταν ωραίο και αποτελεσματικό να πει στα ρομπότ της αποθήκης του πού να πάνε κατασκευάζοντας ένα LLM για το σύστημά του. Κατά την εκτίμησή του, ωστόσο, αυτό δεν είναι μια λογική περίπτωση χρήσης για τη γενετική τεχνητή νοημοσύνη και στην πραγματικότητα θα επιβραδύνει τα πράγματα. Αντίθετα, είναι πολύ πιο απλό να συνδέσετε τα ρομπότ σε μια ροή δεδομένων που προέρχονται από το λογισμικό διαχείρισης αποθήκης.
«Όταν έχετε μόλις 10.000 παραγγελίες που πρέπει να αποστείλετε σε δύο ώρες, πρέπει να βελτιστοποιήσετε για αυτό. Η γλώσσα δεν θα βοηθήσει. απλώς θα επιβραδύνει τα πράγματα», είπε. «Έχουμε μαζική επεξεργασία δεδομένων και τεράστιες τεχνικές και σχεδιασμό βελτιστοποίησης τεχνητής νοημοσύνης. Και έτσι ολοκληρώνουμε γρήγορα τις παραγγελίες.”
Ένα άλλο μάθημα που έχει μάθει ο Brooks όσον αφορά τα ρομπότ και την τεχνητή νοημοσύνη είναι ότι δεν μπορείτε να προσπαθήσετε να κάνετε πάρα πολλά. Θα πρέπει να λύσετε ένα επιλύσιμο πρόβλημα όπου τα ρομπότ μπορούν να ενσωματωθούν εύκολα.
«Πρέπει να αυτοματοποιηθούμε σε μέρη όπου τα πράγματα έχουν ήδη καθαριστεί. Έτσι, το παράδειγμα της εταιρείας μου είναι ότι τα πάμε πολύ καλά στις αποθήκες και οι αποθήκες είναι στην πραγματικότητα αρκετά περιορισμένες. Ο φωτισμός δεν αλλάζει με αυτά τα μεγάλα κτίρια. Δεν υπάρχουν πράγματα ξαπλωμένα στο πάτωμα γιατί οι άνθρωποι που σπρώχνουν καροτσάκια θα το συναντούσαν. Δεν κυκλοφορούν πλωτές πλαστικές σακούλες. Και σε μεγάλο βαθμό δεν είναι προς το συμφέρον των ανθρώπων που εργάζονται εκεί να είναι κακόβουλοι για το ρομπότ», είπε.
Ο Brooks εξηγεί ότι πρόκειται επίσης για ρομπότ και ανθρώπους που συνεργάζονται, οπότε η εταιρεία του σχεδίασε αυτά τα ρομπότ για πρακτικούς σκοπούς που σχετίζονται με τις εργασίες αποθήκης, σε αντίθεση με την κατασκευή ενός ρομπότ που μοιάζει με άνθρωπο. Σε αυτή την περίπτωση, μοιάζει με καλάθι αγορών με λαβή.
«Έτσι, ο παράγοντας μορφής που χρησιμοποιούμε δεν είναι ανθρωποειδή που περπατούν – παρόλο που έχω φτιάξει και παραδώσω περισσότερα ανθρωποειδή από οποιονδήποτε άλλον. Αυτά μοιάζουν με καροτσάκια αγορών», είπε. “Έχει ένα τιμόνι, οπότε αν υπάρχει πρόβλημα με το ρομπότ, ένα άτομο μπορεί να πιάσει το τιμόνι και να κάνει ό,τι θέλει με αυτό”, είπε.
Μετά από τόσα χρόνια, ο Brooks έμαθε ότι έχει να κάνει με την τεχνολογία προσιτή και στοχευμένη. «Πάντα προσπαθώ να κάνω την τεχνολογία εύκολη στην κατανόηση και επομένως μπορούμε να την αναπτύξουμε σε κλίμακα και πάντα να εξετάζουμε την επιχειρηματική υπόθεση. η απόδοση της επένδυσης είναι επίσης πολύ σημαντική».
Ακόμη και με αυτό, ο Μπρουκς λέει ότι πρέπει να αποδεχτούμε ότι θα υπάρχουν πάντα δύσκολα επιλύσιμες περιπτώσεις τεχνητής νοημοσύνης, που θα μπορούσαν να χρειαστούν δεκαετίες για να λυθούν. «
Χ
ωρίς προσεκτική πυγμαχία στο πώς αναπτύσσεται ένα σύστημα τεχνητής νοημοσύνης, υπάρχει πάντα μια μεγάλη ουρά ειδικών περιπτώσεων που χρειάζονται δεκαετίες για να ανακαλυφθούν και να διορθωθούν. Παραδόξως, όλες αυτές οι διορθώσεις είναι ολοκληρωμένες με τεχνητή νοημοσύνη».
Ο Μπρουκς προσθέτει ότι υπάρχει αυτή η λανθασμένη πεποίθηση, κυρίως χάρη σε
Ο νόμος του Μουρ
, ότι θα υπάρχει πάντα εκθετική ανάπτυξη όσον αφορά την τεχνολογία — η ιδέα ότι αν το
ChatGPT
4 είναι τόσο καλό, φανταστείτε πώς θα είναι το ChatGPT
5
, 6 και 7. Βλέπει αυτό το ελάττωμα σε αυτή τη λογική, ότι η τεχνολογία δεν αναπτύσσεται πάντα εκθετικά, παρά το νόμο του Μουρ.
Χρησιμοποιεί το iPod ως παράδειγμα. Για μερικές επαναλήψεις, στην πραγματικότητα διπλασιάστηκε σε μέγεθος αποθήκευσης από 10 μέχρι 160 GB. Αν είχε συνεχίσει σε αυτή την τροχιά, κατάλαβε ότι θα είχαμε ένα iPod με 160 TB αποθηκευτικού χώρου μέχρι το 2017, αλλά φυσικά δεν το κάναμε. Τα μοντέλα που πουλήθηκαν το 2017 ήρθαν στην πραγματικότητα με 256 GB ή 160 GB επειδή, όπως τόνισε, κανείς δεν χρειαζόταν στην πραγματικότητα κάτι περισσότερο από αυτό.
Ο Brooks αναγνωρίζει ότι τα LLM θα μπορούσαν να βοηθήσουν κάποια στιγμή με οικιακά ρομπότ, όπου θα μπορούσαν να εκτελέσουν συγκεκριμένες εργασίες, ειδικά με έναν γηρασμένο πληθυσμό και όχι αρκετούς ανθρώπους για να τα φροντίσουν. Αλλά ακόμη και αυτό, λέει, θα μπορούσε να έχει το δικό του σύνολο μοναδικών προκλήσεων.
«Οι άνθρωποι λένε, «Ω, τα μεγάλα μοντέλα γλώσσας θα κάνουν τα ρομπότ να μπορούν να κάνουν πράγματα που δεν μπορούσαν να κάνουν». Δεν είναι εκεί το πρόβλημα. Το πρόβλημα με το να μπορείς να κάνεις πράγματα είναι η θεωρία ελέγχου και κάθε είδους άλλη σκληροπυρηνική βελτιστοποίηση μαθηματικών», είπε.
Ο Brooks εξηγεί ότι αυτό θα μπορούσε τελικά να οδηγήσει σε ρομπότ με χρήσιμες γλωσσικές διεπαφές για άτομα σε καταστάσεις φροντίδας. «Δεν είναι χρήσιμο στην αποθήκη να πούμε σε ένα μεμονωμένο ρομπότ να βγει και να πάρει ένα πράγμα για μία παραγγελία, αλλά μπορεί να είναι χρήσιμο για τη φροντίδα ηλικιωμένων στα σπίτια για να μπορούν οι άνθρωποι να πουν πράγματα στα ρομπότ», είπε.
VIA:
techcrunch.com
0