Mi az a fizikai AI, és hogyan működik?

Túl a chatboton: A mozgó AI

Az elmúlt években a mesterséges intelligencia forradalma szinte teljes egészében a képernyőkön zajlott – dokumentumokat foglalt össze, képeket generált, kódot írt. De egy új szakasz van kibontakozóban: a fizikai AI, ahol az intelligens rendszerek elhagyják a digitális teret, és a valós világban cselekednek. Ez talán a legjelentősebb változás a robotikában a futószalag óta.

A fizikai AI lényege, hogy olyan gépekre utal, amelyek képesek érzékelni a környezetüket szenzorokon keresztül, következtetéseket levonni a megfigyeléseikből, majd cselekedni ezen következtetések alapján – önállóan alkalmazkodva a kiszámíthatatlan körülményekhez a merev, előre programozott utasítások követése helyett. Gondoljunk egy raktári robotra, amely kikerül egy kiömlött dobozt, vagy egy humanoid asszisztensre, amely megtanul kávét önteni, miután egyszer látta, hogy egy ember megteszi.

Hogyan működik a fizikai AI

A fizikai AI rendszerek három szorosan integrált rétegre épülnek: érzékelés, következtetés és cselekvés.

Érzékelés

A rendszer adatokat gyűjt a fizikai világból kamerákon, lidaron, radaron, mikrofonokon, inerciális szenzorokon és hőmérsékletmérőkön keresztül. A hagyományos robotok vonalkód-olvasásával ellentétben a fizikai AI rendszer gazdag, valós idejű modellt épít a környezetéről – érzékeli a tárgyakat, megbecsüli a távolságokat és egyidejűleg követi a mozgást.

Következtetés

A nyers szenzoradatok látás-nyelv-akció (VLA) modellekbe kerülnek – ez a mesterséges intelligencia egy új osztálya, amely összeköti az érzékelést, a nyelvértést és a döntéshozatalt egyetlen keretrendszerben. Az ARM technikai elemzése szerint a VLA modellek lehetővé teszik, hogy egy robot értelmezzen egy olyan szóbeli utasítást, mint a "vedd fel a piros bögrét", és közvetlenül motoros parancsokká alakítsa azt – áthidalva a szakadékot a nyelvi AI és a fizikai mozgás között.

Cselekvés

A parancsok a működtetőelemekhez – robotkarokhoz, kerekekhez, ízületekhez, megfogókhoz – kerülnek, amelyek kölcsönhatásba lépnek a fizikai környezettel. A régebbi robotikához képest a legfontosabb előrelépés az, hogy a rendszer folyamatosan zárja a visszacsatolási hurkot: megfigyeli az egyes cselekvések eredményét, összehasonlítja a céljával, és valós időben korrigál.

Szimulációban való képzés, valóságban való alkalmazás

A fizikai AI egyik legnagyobb kihívása az adat. Egy robot képzése azáltal, hogy fizikailag ezerszer elbukik, lassú és költséges. A megoldás a nagy pontosságú szimuláció. Az olyan platformok, mint az NVIDIA Omniverse fotorealisztikus virtuális környezeteket képesek renderelni – valósághű fizikával kiegészítve –, ahol az AI rendszerek hatalmas méretekben képezhetők a valós világgal való érintkezés előtt. Az IBM szerint ez a szimulációból a valóságba történő átvitel megközelítés a modern fizikai AI fejlesztés sarokkövévé vált.

A robotok megerősítéses tanulással (stratégiák felfedezése próbálkozással és tévedéssel) és utánzásos tanulással (emberi bemutatók másolása) is tanulnak, ami lehetővé teszi számukra, hogy árnyalt motoros készségeket sajátítsanak el anélkül, hogy minden lehetséges forgatókönyvet explicit módon programoznának.

Valós alkalmazások

A fizikai AI már most is átalakít számos iparágat:

• Raktározás és logisztika: Az Amazon több mint egymillió robotot telepített a teljesítési központjaiba, ami 25%-os hatékonyságnövekedést eredményezett. Ezek a rendszerek dinamikus környezetben navigálnak az emberi dolgozók mellett.
• Önvezető járművek: Az önvezető autók és teherautók a legösszetettebb fizikai AI alkalmazások közé tartoznak, amelyek az érzékelés, a tervezés és a valós idejű vezérlés fúzióját igénylik autópálya sebességnél.
• Egészségügy: A mesterséges intelligencia által vezérelt sebészeti robotok szubmilliméteres pontossággal képesek operálni; az autonóm rendszerek gyógyszereket szállítanak a kórházi folyosókon.
• Gyártás: Humanoid robotokat tesztelnek a gyárakban – az emberek számára tervezett tereken mozognak anélkül, hogy költséges infrastrukturális átalakításokra lenne szükség.

A Deloitte Tech Trends kutatása szerint a vállalatok 58%-a már valamilyen mértékben használ fizikai AI-t, és az elfogadás várhatóan két éven belül eléri a 80%-ot.

A nehéz kihívások

A fizikai AI olyan akadályokkal szembesül, amelyekkel a tisztán digitális AI nem. Amikor egy chatbot hibázik, rossz választ kapsz. Amikor egy fizikai AI rendszer hibázik, kárt okozhat a tulajdonban – vagy sérülést okozhat az embereknek. A SemiEngineering jelentése szerint a nagyméretű nyelvi modellek robotrendszerekbe való integrálása új biztonsági kockázatokat vet fel, mivel az AI következtetései kiszámíthatatlanok lehetnek olyan módon, hogy azokat nehéz kimerítően tesztelni a fizikai világban.

Egyéb akadályok közé tartozik a hardver puszta költsége, a meglévő ipari rendszerekkel való integráció nehézsége, valamint az elektronika környezeti törékenysége, amely ki van téve a pornak, a vibrációnak és a szélsőséges hőmérsékleteknek. Az AI érzékelési modellek még mindig küzdenek a szélsőséges esetekkel – szokatlan megvilágítás, zsúfolt jelenetek vagy a képzés során soha nem látott új tárgyak.

Miért fontos

A fizikai AI azt a pillanatot képviseli, amikor a szoftvert átalakító intelligencia elkezdi átalakítani az anyagi világot. A fizikai AI rendszerek globális piacát 2025-ben körülbelül 5 milliárd dollárra becsülték, és az elemzők a 2030-as évek közepére 68 milliárd és 84 milliárd dollár közötti növekedést jósolnak. Legyen szó gyári automatizálásról, idősgondozásról, katasztrófavédelemről vagy mezőgazdaságról, a ma épülő rendszerek határozzák meg, hogyan szerveződik a munka – és a mindennapi élet – a következő évtizedekben.