⚡ Внутри стартапа, стремящегося совершить гигантский скачок в развитии искусственного и... — 16 июня 2026 г. в 17:20:29.617
⚡ Внутри стартапа, стремящегося совершить гигантский скачок в развитии искусственного интеллекта для роботов 😱 👥 Physical Intelligence использует обширные знания больших языковых моделей, чтобы помочь роботам понимать инструкции и самостоятельно выполнять любые задачи ‼ 🗣 В Сан-Франциско, на складе, обшитом блестящими стальными панелями, мне подают чашку свежесваренного кофе, приготовленного роботом. Сам по себе этот факт не впечатляет — роботы варят кофе уже больше десяти лет, — но роботизированный мозг, который приготовил этот кофе, способен не только на это. Он научился выполнять множество других задач, таких как складывание одежды, чистка овощей и уборка на кухне, за то время, за которое большинство малышей едва научаются ходить. 💥 Physical Intelligence, стартап, основанный в 2024 году, делает ставку на то, что в недалёком будущем искусственный интеллект, способный выполнять множество различных задач, позволит роботам стать неотъемлемой частью нашей повседневной жизни. Вместо того чтобы сосредоточиться на одной машине, как, например, роботы-гуманоиды от Tesla или Boston Dynamics или промышленные роботы от Amazon, компания хочет создать адаптивную систему управления, которая сможет выполнять множество задач с использованием самых разных машин. Идея универсального искусственного интеллекта для роботов не нова: многие робототехники говорят, что это была их долгосрочная цель на протяжении десятилетий. Но подобно тому, как в начале 2020-х годов благодаря правильному сочетанию вычислительных мощностей, данных и алгоритмических достижений произошел расцвет больших языковых моделей (БЯМ), на которых работают чат-боты с искусственным интеллектом, так и «физический интеллект» надеется совершить аналогичный прорыв в робототехнике. «В большинстве областей решение большего количества задач только усложняет работу, но в сфере искусственного интеллекта это на самом деле упрощает ее, потому что у вас появляется больше разнообразных источников знаний, из которых можно учиться», — говорит Сергей Левин из Калифорнийского университета в Беркли, один из основателей компании. Успех больших языковых моделей привел к появлению нового типа искусственного интеллекта для роботов — модели «зрение-язык-действие» (VLA), которая лежит в основе многих исследований в области физического интеллекта. Вместо того чтобы обучать робота одному навыку за раз, модель VLA использует обширные знания большой языковой модели для преобразования общих запросов в конкретные действия, что позволяет роботам следовать инструкциям и выполнять множество различных задач. «[VLAs] — это, пожалуй, наиболее наглядный пример того, как большие языковые модели вызывают у нас восторг», — говорит Ингмар Познер из Оксфордского университета. По его словам, эти системы не предсказывают следующее слово, а предсказывают следующий шаг робота, необходимый для выполнения конкретной задачи. Одна из серьезных проблем при обучении роботов заключается в том, что существует практически бесконечное количество реальных вариаций выполнения любой задачи, а данных, на которых роботы могли бы учиться, очень мало. Возможным решением является автоматизация обучения — научить роботов учиться самостоятельно, — но большинство разработчиков роботов избегают этого, поскольку собрать достаточно данных — непростая задача, говорит Левин. «Хотя в теории это должно происходить автоматически, на практике объем работы, необходимый для получения данных для конкретного приложения, превышает объем работы, необходимой для того, чтобы просто делать все вручную».