Generalist AI: roboty, które uczą się zadań jak dzieci

Autor tekstu Will Knight z Wired odwiedził niedawno biura startupu Generalist AI w Cambridge w stanie Massachusetts, gdzie zobaczył ramiona robotyczne wykonujące proste czynności domowe – układanie kubków w stosy, wkładanie klocków do misek. To, co go zaskoczyło, nie było samą sprawnością manipulacyjną, lecz tempem, w jakim maszyny „rozgryzały” nowe zadania – przypominało to sposób uczenia się małego dziecka, a nie klasycznego robota przemysłowego.

Ramiona opanowywały szereg czynności po obejrzeniu krótkiego filmu instruktażowego, bez żadnego dedykowanego treningu do konkretnego zadania. Jeden z najbardziej wyrazistych przykładów dotyczył robota, któremu polecono zetrzeć klocek do miski za pomocą szufelki i szczotki. Gdy szczotkę usunięto ze scenariusza, robot zaimprowizował – użył samej szufelki jak szczotki, wsuwając nią klocek do miski.

Kluczowe wnioski

• Robotyczne ramiona startupu Generalist AI uczą się nowych zadań po obejrzeniu jednego krótkiego filmu instruktażowego, bez specjalnego treningu na dane zadanie.
• Dwuramienny robot, który obejrzał klip z rozpakowywaniem portfela i wyjmowaniem banknotów, samodzielnie powtórzył czynność na innej torebce, a gdy nie mógł uchwycić pieniędzy prawą chwytką, przełączył się na lewą, by uzyskać lepszy kąt.
• Model firmy jest trenowany na danych zebranych za pomocą specjalnych rękawic z kamerami, które przypominają robotyczne szczypce – wysyłanych partiami po kilkaset sztuk do pracowników m.in. w Meksyku.
• Obecna skuteczność robota w wykonaniu wcześniej pokazanego zadania wynosi średnio około 59 procent – firma chciałaby docelowo przekroczyć 99 procent.
• Roboticy z Georgia Tech i Stanford oceniają, że Generalist AI wyróżnia się na tle konkurencji jakością i skalą zebranych danych oraz bliskością do realnych zastosowań komercyjnych.

Fizyczna intuicja jak u dziecka

Generalist AI, którego dyrektorem generalnym i współzałożycielem jest Pete Florence, koncentruje się na uczeniu robotów fizyki świata – w sposób inspirowany intuicyjnym rozumieniem fizyki, jakie ludzie wykazują od najmłodszych lat. To może wyjaśniać zdolność modelu do przenoszenia wiedzy zdobytej w jednym scenariuszu na zupełnie inny. Florence porównał to zjawisko do entuzjazmu, jaki wywołał GPT-3 od OpenAI: „To jest właśnie ten rodzaj rzeczy, którym ludzie byli naprawdę zachwyceni przy GPT-3. Można wziąć ten model, dać mu nowe zadanie w formie promptu i miał on realną szansę je wykonać”.

Niektóre demonstracje firmy przypominały autorowi tekstu sposób, w jaki dzieci improwizują i eksperymentują, gdy pokaże im się jakieś zadanie. Zespół badawczy sam bywał zaskoczony decyzjami robota – w jednym przypadku maszyna wybrała zamiatanie przedmiotów bananem, gdy postawiono go przed nią. Może to wydawać się drobiazgiem, ale fizyczna inteligencja jest cechą, której maszynom wciąż w dużej mierze brakuje, a sposób, w jaki niemowlęta uczą się o świecie z taką efektywnością, może dawać badaczom AI istotne wskazówki.

Florence i współzałożyciel oraz CTO Andrew Barry przyjęli autora w sali konferencyjnej z widokiem na zespoły ludzi trenujących roboty za pomocą specjalnych chwytaków nałożonych na ręce. Trzeci ze współzałożycieli, Andy Zeng, jest głównym naukowcem firmy. Cała trójka pracowała wcześniej przy niektórych z najbardziej zaawansowanych modeli i sprzętu robotycznego w Google DeepMind oraz Boston Dynamics.

Dane zbierane przez ludzi, model budowany od zera

Tradycyjnie trenowanie robota napędzanego AI do różnych zadań wymagało wprowadzenia do modelu tysięcy przykładów. Jest to notorycznie niedoskonała metoda nauki – robot zaczyna sobie nie radzić, gdy zmieni się nawet coś tak prostego jak oświetlenie.

Generalist i część innych startupów robotycznych inwestuje mocno w ogólny model robotyczny trenowany przez ludzi. Firma produkuje specjalne rękawice przypominające robotyczne szczypce, wyposażone w kamery, które ludzie wykorzystują do wykonywania różnych czynności domowych. Autor tekstu widział skrzynię wypełnioną kilkuset takimi chwytakami, przeznaczonymi dla pracowników w Meksyku i innych krajach.

Florence i jego zespół nie zdradzają dokładnej „receptury” treningu robotów, ale zapewniają, że firma zgromadziła już ogromną ilość wysokiej jakości danych treningowych. W przeciwieństwie do innych firm ścigających się w budowie coraz sprytniejszych robotów, Generalist zbudował swoje modele AI całkowicie od podstaw, nie opierając się na żadnym otwartoźródłowym modelu językowym.

Danfei Xu, robotyk z Georgia Tech znający pracę Generalist, uważa, że startup wyróżnia się na tle firm ścigających się o bardziej ogólne modele robotów. „Doprowadzili to do ekstremum i zrobili to naprawdę dobrze” – mówi Xu. Oprócz zgromadzenia ogromnej ilości wysokiej jakości danych, „to znakomici roboticy, którzy uprawiają naprawdę dobrą naukę”. Xu dodaje, że zaprezentowane dotąd rozwiązania sugerują, iż firma ma na uwadze wdrożenie robotów w realnych warunkach komercyjnych: „Są najbliżej czegoś, co da się wdrożyć”.

Karen Liu, robotyczka ze Stanford University, także znająca firmę, ocenia: „Podejście Generalist do danych polega na zbieraniu danych o fizycznej interakcji w dużej skali, bez zbyt bliskiego wiązania ich z jednym konkretnym robotem. Ich najsilniejsze wyniki sugerują, że ten zakład może się sprawdzać”.

Ograniczenia i potencjał w przemyśle

Mimo entuzjastycznych obserwacji Generalist podkreśla, że umiejętności uczenia się jego modeli nie są jeszcze w pełni wiarygodne. Robot jest w stanie wykonać zadanie, które wcześniej zobaczył, ze średnią skutecznością około 59 procent – w idealnym scenariusze wskaźnik ten powinien przekraczać 99 procent. Niejasne jest też, na ile te umiejętności uogólnią się na każde możliwe zadanie czy otoczenie.

Niemniej potencjał szybkiego uczenia się umiejętności przez roboty – choćby w produkcji przemysłowej – wydaje się ogromny. Jeden z inżynierów firmy odkrył to niedawno wieczorem, niemal przypadkiem. Nagranie pokazuje, jak układa on małe kubki na stole przed dwuramiennym robotem, tylko żeby sprawdzić, co maszyna zrobi. Robot spontanicznie przyłączył się do zabawy, chwytając i układając kolejne kubki obiema chwytkami. Gdy skończył ustawiać wszystkie kubki w jeden porządny stos, inżynier zaczął krzyczeć z radości, choć nie zwracał się do nikogo konkretnego.

Historia z Generalist AI ilustruje szerszy trend w robotyce: firmy odchodzą od wąsko trenowanych modeli w kierunku systemów, które – podobnie jak duże modele językowe w momencie premiery GPT-3 – zaskakują badaczy zdolnością do improwizacji i przenoszenia wiedzy między zadaniami, mimo że wciąż daleko im do przemysłowej niezawodności.