తెలివైన హ్యూమనాయిడ్ రోబోలు AI యొక్క కొత్త శకానికి చిహ్నంగా మారాయి

లాస్ వేగాస్ – సిటీ పెవిలియన్‌లోకి ప్రవేశించండి కన్స్యూమర్ ఎలక్ట్రానిక్స్ షో (CES) ఇది ఒక ప్రత్యేకమైన అనుభవం: మీరు ఎగిరే కార్లు, జెయింట్ టీవీలు మరియు రోబోట్‌లను చూడవచ్చు – వాటిలో చాలా ఉన్నాయి. USAలోని లాస్ వెగాస్‌లో ప్రతి సంవత్సరం జరిగే ప్రపంచంలోనే అతిపెద్ద టెక్నాలజీ ఫెయిర్‌లో ఒక క్లాసిక్, రోబోటిక్స్ ఈ సంవత్సరం మరింత ఎక్కువ స్థలాన్ని సంపాదించింది. కృత్రిమ మేధస్సు (AI) సెక్టార్‌లో కొత్త దశను ప్రారంభిస్తోంది మరియు ఈ అభివృద్ధి త్వరలో మీకు రోబోట్‌ను చాలా దగ్గర చేస్తుంది.

AI ఉత్పాదక సాధనాల్లోకి దూసుకెళ్లినప్పటి నుండి మరియు రోబోటిక్స్‌లోని వివిధ భాగాలలో భాషా నమూనాలు విస్తృతంగా ఉపయోగించడం ప్రారంభించినప్పటి నుండి ఇది చాలా కాలంగా జరుగుతున్న మార్పు.

“రోబోటిక్స్, నా అభిప్రాయం ప్రకారం, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌ను సాధారణ ప్రజల కోసం ఉత్తమమైన మెటీరియలైజేషన్‌గా చెప్పవచ్చు. గత దశాబ్దంలో AI సాధించిన అన్ని పరిణామాల యొక్క వ్యక్తిత్వం ఇది” అని ఫెడరల్ యూనివర్శిటీ ఆఫ్ గోయిస్‌లోని ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ సెంటర్ ఆఫ్ ఎక్సలెన్స్ కోఆర్డినేటర్ అండర్సన్ సోరెస్ చెప్పారు.

AI యొక్క ఈ కొత్త శకం యొక్క గొప్ప “గాడ్ ఫాదర్” జెన్సన్ హువాంగ్, CEO మరియు Nvidia వ్యవస్థాపకుడు, సాంకేతికత అభివృద్ధికి చిప్స్ మరియు ప్రాసెసర్‌లను సరఫరా చేసే ప్రధాన సంస్థ. హువాంగ్ ప్రకారం, మానవ సామర్థ్యాలతో కూడిన రోబోలు – మరియు కేవలం చాట్‌బాట్‌లు మాత్రమే కాదు, శరీరాలను కలిగి ఉన్న దేశీయ మరియు పారిశ్రామిక రోబోట్‌లు – రోజువారీ జీవితంలో ఉపయోగించడానికి చాలా దగ్గరగా ఉంటాయి.

AI అభివృద్ధిలో రోబోటిక్స్ తదుపరి పెద్ద అడుగు అని మార్కెట్ కూడా అర్థం చేసుకోవడం ప్రారంభించినట్లు కనిపిస్తోంది. CESలో, ప్రదర్శన యొక్క మొత్తం రంగం రోబోట్‌లకు అంకితం చేయబడింది, కంపెనీల వంటివి సిమెన్స్Unitree మరియు బోస్టన్ డైనమిక్స్ వివిధ రకాల పరికరాలను కలిగి ఉంటాయి. రెండవది జాన్ కెల్లీ, ఈవెంట్ డైరెక్టర్జాతర చరిత్రలో సెగ్మెంట్‌కు ఇంత పెద్ద స్థలం కేటాయించబడలేదు.

“AI యొక్క భవిష్యత్తు రోబోలు, ఎందుకంటే ChatGPT లేదా జెమినితో, AI ఆలోచించగలదు, మేధోపరమైన అభిప్రాయాన్ని అందించగలదు. AI రోబోట్‌లలో విలీనం చేయబడితే, అది కదలికను పొందుతుంది, శరీరాన్ని పొందుతుంది మరియు మరెన్నో పనులు చేయగలదు”, Wonik Robotics ప్రతినిధి చెప్పారు.

కంపెనీ పరిశ్రమలో ఉపయోగించగల రోబోటిక్ ఆయుధాలను తయారు చేస్తుంది, వస్తువులను గుర్తించే మరియు చిటికెడు సామర్థ్యంతో మోడల్‌లను ప్రదర్శిస్తుంది, అలాగే కీళ్ళు మరియు వేళ్లతో వెర్షన్‌లను అందిస్తుంది. మానవ చేతులతో సమానమైన కదలికల ఫలితాన్ని సాధించడానికి, కంపెనీ VLA (విజన్ లాంగ్వేజ్ యాక్షన్) అనే ఫంక్షన్‌ను ఉపయోగించే సాంకేతికతను ఉపయోగిస్తుంది, దీనిలో రోబోట్ కెమెరా నుండి ఇమేజ్ డేటాను గుర్తిస్తుంది, పనిని స్వతంత్రంగా నిర్ణయిస్తుంది మరియు వస్తువులను పెట్టెలుగా వేరు చేస్తుంది.

AI ఫిజిక్స్

వీటన్నింటికి కృతజ్ఞతలు తెలియజేయాలి భౌతిక AIఉత్పాదక కృత్రిమ మేధస్సు నమూనాల భావన, ఇది భౌతిక శాస్త్ర నియమాలను వారి ఉత్పత్తులకు నిజమైన మార్గంలో వర్తింపజేయగలదు. ఈ రకమైన AI అనేది సెక్టార్ యొక్క సవాళ్లలో ఒకటిగా ఉంది, ఎందుకంటే దీనికి శిక్షణ కోసం డేటాను పెద్ద మొత్తంలో ఉపయోగించడం మరియు సమగ్రంగా పరీక్షించగల సామర్థ్యం ఉన్న యంత్రాలు అవసరం.

“ఫిజికల్ AI అనేది భౌతిక ప్రపంచంలో (రోబోలు, స్వయంప్రతిపత్త వాహనాలు, మానిప్యులేషన్) గ్రహించి, కారణాలను మరియు చర్యలను AI కోసం ఉపయోగించబడింది. ఆచరణలో, భౌతిక AI అనేది రోబోట్‌లు తమ ప్రపంచానికి అనుగుణంగా సరైన నిర్ణయాలు తీసుకోవడం నేర్చుకునేలా మెషిన్ లెర్నింగ్ అల్గారిథమ్‌లను (డీప్ లెర్నింగ్ మరియు రీన్‌ఫోర్స్‌మెంట్ లెర్నింగ్ వంటివి) ఉపయోగిస్తుంది. ఇంజినీరింగ్ కోర్సు మరియు AI మరియు రోబోటిక్స్‌లో పరిశోధకుడు, డానిలో పెరికో.

ఈ రకమైన AIలో, నిజ జీవితంలో ఒక చర్య ఎలా జరుగుతుందో వివరించే వీడియోల వంటి డేటాతో మోడల్ అందించబడుతుంది – ఉదాహరణకు, పర్యావరణంలో ఒక వస్తువు యొక్క బరువు, నిర్వహణ మరియు పరస్పర చర్యపై గురుత్వాకర్షణ ప్రభావం చూపుతుంది. దీని నుండి, ఈ డేటాను వివరించడానికి మరియు అదే పరిస్థితితో అనుకరణలను రూపొందించడానికి రెండవ మోడల్ బాధ్యత వహిస్తుంది, దీనిని సింథటిక్ డేటా అని పిలుస్తారు, ఉత్పత్తి చేయబడిన కంటెంట్‌లో భౌతిక శాస్త్ర నియమాలకు ఎల్లప్పుడూ కట్టుబడి ఉంటుంది.

చాట్‌జిపిటి మరియు జెమిని వంటి AIల అభివృద్ధిని ఎనేబుల్ చేసే మోడల్‌ల ఆధారంగా ఈ కొత్త టెక్నిక్‌లు, రోబోట్‌లు వాటి ఇంద్రియాల ఆధారంగా కదలికలకు అనుగుణంగా నేర్చుకునేలా చేశాయని కంప్యూటేషనల్ రోబోటిక్స్ ప్రొఫెసర్ మరియు AI పరిశోధకుడు ఫాబియో డి మిరాండా చెప్పారు.

“ఇంతకుముందు అన్ని రోబోట్ ఇంజినీరింగ్ పని రోబోట్ యొక్క ప్రతి రకం లేదా మోడల్‌కు చాలా నిర్దిష్టంగా ఉండేదని చెప్పవచ్చు. ఇప్పుడు ఈ పురోగతి ఏదైనా రోబోటిక్ శరీరాన్ని అదే సాధారణ న్యూరల్ నెట్‌వర్క్ ద్వారా నియంత్రించడానికి అనుమతిస్తుంది. ఈ కొత్త పరిస్థితి కొత్త రోబోట్‌ల ప్రోగ్రామింగ్‌ను బాగా వేగవంతం చేసింది” అని ప్రొఫెసర్ వివరించారు.

ఈ సాంకేతికతపై ఎక్కువగా దృష్టి సారించిన ప్రాసెసర్ల నిర్మాణంతో AI యొక్క ఈ కొత్త యుగానికి Nvidia ప్రతినిధిగా ఉంది. ఆలోచనను సమర్థించడంతో పాటు, హువాంగ్ ఆలోచనలను ఆచరణీయంగా చేయడానికి ఎన్విడియా ముందంజలో ఉంది. ఈ వారం, కంపెనీ ప్రారంభించింది వెరా రూబిన్దాని కొత్త AI ప్రాసెసింగ్ సిస్టమ్. ఈ ఎక్కువ డేటా ప్రాసెసింగ్ సామర్థ్యాన్ని ఉపయోగించుకునే మార్గాలలో సూపర్ కంప్యూటర్ ఒకటి.

మార్కెట్ భాగస్వామ్యాలు కూడా ఈ భావనను స్వీకరించాయి. సిమెన్స్ ఒక రోబోటిక్స్ శిక్షణా ప్రాంతాన్ని అభివృద్ధి చేస్తోంది, ఇది సింథటిక్ డేటాను ఉత్పత్తి చేసే సిస్టమ్‌లను ఉపయోగిస్తుంది మరియు పునరావృతం చేయడం ద్వారా రోబోట్‌లకు శిక్షణ ఇస్తుంది. ఎన్విడియా సాఫ్ట్‌వేర్‌తో పరిశోధన జరిగింది.

“నేను టెలిఆపరేషన్ నుండి ఏజెంట్‌కు శిక్షణ ఇవ్వడానికి సరిపోయే డేటా సెట్‌ను రూపొందించాలనుకుంటే, అదే పని చేయడానికి నాకు 9 నుండి 10 నెలల సమయం పడుతుంది” అని సిమెన్స్‌లోని ఇంజనీర్ డిమిట్రియోస్ చాట్జిస్ ఒక ఇంటర్వ్యూలో వివరించారు. ఎస్టాడో. “అనుకరణతో, మీరు దీన్ని 5 నుండి 10 నిమిషాల్లో చేయగలరు. ఒకసారి విజయవంతమైతే, మేము ఏజెంట్‌కు శిక్షణ ఇవ్వగలుగుతాము. చివరికి, ఏజెంట్ మనకు కావలసిన పనిని చేయగలడు – ఇక్కడ కోడింగ్ లేదు. వాస్తవానికి న్యూరల్ నెట్‌వర్క్ పని చేస్తోంది. వారు ఆలోచిస్తున్నట్లుగా ఉంది.”

కష్టం

రోబోటిక్స్ ఎల్లప్పుడూ CES యొక్క బలమైన భుజంగా ఉంటే మరియు AI సంవత్సరాలుగా ఉన్నట్లయితే, ఈ సంవత్సరం ఏమి భిన్నంగా మారింది? సోరెస్ ప్రకారం, ఈ సామర్థ్యాలను రోబోట్‌లకు తీసుకురాగల మోడళ్లను అభివృద్ధి చేయడం కష్టం, ఇది సెగ్మెంట్‌ను స్పాట్‌లైట్‌లో వదిలివేసింది. కొన్ని కంపెనీలు రోబోట్‌లలో “మెదడు”ని ప్రభావవంతంగా ఉంచడానికి ప్రయత్నించే పరిశోధనలో ఫలితాలను సాధించడం ప్రారంభించడం AI దశాబ్దంలో దాని రెండవ పెద్ద క్షణానికి దగ్గరగా ఉందనడానికి గొప్ప సంకేతం.

“ప్రధానంగా పదాలు మరియు డేటాతో వ్యవహరించే LLMల వలె కాకుండా, ప్రాదేశిక మేధస్సు అనేది మానవ జ్ఞానం వాస్తవానికి పని చేసే ‘పరంజా’గా అర్థం చేసుకోవచ్చు, ఇది AIకి తార్కికానికి బలమైన ఆధారాన్ని కలిగిస్తుంది”, UFG నుండి సోరెస్ ఎత్తి చూపారు. “ప్రపంచంలోని బహుమితీయ సంక్లిష్టతను బోధించడం ద్వారా, AIలు అర్థ, భౌతిక, రేఖాగణిత మరియు డైనమిక్‌గా సంక్లిష్టమైన పర్యావరణాలను అర్థం చేసుకోవడానికి, తర్కించగల సామర్థ్యాన్ని అభివృద్ధి చేయగలవు – వాస్తవ మరియు వర్చువల్ రెండూ – ప్రస్తుత LLMల పరిధికి మించినవి.”

భౌతిక AI యొక్క నైపుణ్యం మరియు రాబోయే సంవత్సరాల్లో ఈ కాన్సెప్ట్‌ని ముందుకు తీసుకొచ్చే మోడల్స్ తేడాగా ఉండాలి – మరియు ఈ సంవత్సరం టెక్నాలజీ ఫెయిర్ తక్కువ సమయంలో పరికరాలను అందుబాటులోకి తీసుకురావడం సాధ్యమవుతుందని చూపించడానికి ఒక రేసును సూచిస్తుంది.

“మేము రోబోటిక్స్ సాధారణీకరణను అధ్యయనం చేస్తున్నాము. దీని అర్థం రోబోట్ ఏదైనా చేయగలదు. మన ఇళ్లలో రోబోలు ఎందుకు లేవు? మన ఇళ్ల వెలుపల ఎందుకు రోబోలు ఉన్నాయి? మనకు చాలా నిర్దిష్ట వాతావరణంలో, చాలా క్లోజ్డ్ ఎన్విరాన్‌మెంట్‌లలో మాత్రమే రోబోలు ఉన్నాయి, అవి సాధారణ పనులు చేయగలవు. రోబోలు సంక్లిష్టమైనవి, బహుశా ప్రమాదకరమైనవి. రోబోటిక్స్ మరియు దీనిని సాధించడానికి, మాకు ఈ చర్య అవసరం” అని చాట్జిస్ వివరించాడు.

జెన్సన్ హువాంగ్ కోసం, రోబోట్‌ల సాధ్యత, ఈ రకమైన సాంకేతికతను నిర్మించే సవాలుతో కూడా, భవిష్యత్తు ఎలా ఉండాలనే దానికి మొదటి సంకేతం. CES వద్ద విలేకరుల సమావేశంలో, అక్కడ ఎస్టాడో హాజరయ్యాడు, ఈ రకమైన రోబోట్ మన దైనందిన జీవితంలో ఎప్పుడు దొరుకుతుందని ఎన్విడియా CEOని అడిగారు. సమాధానం సరళమైనది మరియు చిన్నది: “ఈ సంవత్సరం తరువాత”.