Yapay zekadaki hızlı ilerlemelere rağmen, robotlar inatla aptal olmaya devam ediyor. Ancak DeepMind'in yeni araştırması, büyük dil modellerinin (LLM'ler) arkasındaki aynı teknolojinin robotik kollar için daha uyumlu beyinler oluşturmaya yardımcı olabileceğini öne sürüyor.
Otonom robotlar laboratuvardan çıkıp gerçek dünyaya taşınmaya başlasa da kırılgan olmaya devam ediyor. Ortamdaki veya aydınlatma koşullarındaki küçük değişiklikler, onları kontrol eden yapay zekayı kolayca devre dışı bırakabilir ve bu modellerin, yararlı görevleri yerine getirebilmeleri için belirli donanım yapılandırmalarında kapsamlı bir şekilde eğitilmeleri gerekir.
Bu, ustalıkla kanıtlanmış en son LLM'lerin tam tersidir.t becerilerini, genellikle alışılmadık bağlamlarda, geniş bir görev yelpazesine genellemek. Bu, altta yatan teknolojinin - transformatör olarak bilinen bir mimarinin - teknolojide atılımlara yol açıp açmayacağını görmeye olan ilginin artmasına neden oldu. robotik.
Yeni sonuçlarda, araştırmacılar at DeepMind gösterisied RoboCat adlı trafo tabanlı bir yapay zekanın yalnızca çok çeşitli becerileri öğrenmekle kalmayıp, aynı zamanda farklı robot gövdeleri arasında kolaylıkla geçiş yapıp normalden çok daha hızlı yeni beceriler edinebilmesi. Belki de en önemlisi, kendi eğitim verilerini oluşturarak öğrenmesini hızlandırabilir.
"RoboCat'in, özellikle farklı robotik cihazlara uygulandığında bağımsız olarak becerileri öğrenme ve kendini hızla geliştirme yeteneği, yeni nesil daha yararlı, genel amaçlı robotik ajanlara giden yolu açmaya yardımcı olacaktır."oiçinde bir blog yazısı.
Yeni AI, DeepMind araştırmacılarının geçen ay açıkladığı Gato modeline dayanıyor. Bu kadar resimlere altyazı eklemekten video oyunları oynamaya ve hatta robotik kolları kontrol etmeye kadar çok çeşitli görevleri çözebilir. Bu, metinden resimlere ve robotik kontrol verilerine kadar her şeyi içeren çeşitli bir veri kümesi üzerinde eğitim gerektiriyordu.
robot içinCYine de ekip, özellikle robotik zorluklara odaklanan bir veri kümesi oluşturdu. Renkli tuğlaları doğru sırayla istiflemek veya bir sepetten doğru meyveyi seçmek gibi yüzlerce farklı görevi yerine getiren dört farklı robot kolun on binlerce gösterimini oluşturdular.
Bu gösteriler, hem robotik kolları uzaktan çalıştıran insanlar tarafından hem de sanal bir ortamda simüle robotik kolları kontrol eden göreve özel yapay zeka tarafından verildi. Bu veriler daha sonra tek bir büyük modeli eğitmek için kullanıldı.
Transformatör tabanlı mimarinin ana avantajlarından biri, araştırmacıların not ettiği bir yazıda tarihinde yayınlanan makale arXiv, önceki yapay zeka biçimlerinden çok daha fazla veri alma yeteneğidir. IAynı şekilde, çok miktarda metin üzerinde eğitim, LLM'lerin genel dil becerilerini geliştirmesine izin verdi. TAraştırmacılar, çeşitli farklı donanım yapılandırmalarını kullanarak çok çeşitli robotik görevlerin üstesinden gelebilecek "genelci" bir aracı yaratabildiklerini söylüyorlar.
Üstelik araştırmacılar, modelin insan kontrollü bir robotik koldan 100 ila 1,000 gösteri üzerinde ince ayar yaparak yeni görevler de alabildiğini gösterdi. Bu önemliy daha az gösteriler Bu, modelin sıfırdan başlamak yerine daha genel robotik kontrol becerilerinin üzerine inşa edildiğini düşündürür.
"Bu yetenek, insan denetimli eğitime olan ihtiyacı azalttığı ve genel amaçlı bir robot yaratma yolunda önemli bir adım olduğu için robot araştırmalarını hızlandırmaya yardımcı olacak."oiçin.
En ilginci, araştırmacılar Robo'nun yeteneğini gösterdiler.Ckendini geliştirmek için. Belirli görevlerde ince ayar yapılmış birkaç yan model oluşturdular ve ardından bu modelleri, görevin yaklaşık 10,000 gösterimini daha oluşturmak için kullandılar. Bunlar daha sonra mevcut veri kümesine eklendi ve RoboCat'in performansı iyileştirilmiş yeni bir sürümünü eğitmek için kullanıldı.
RoboCat'in ilk sürümüne daha önce görülmemiş bir görevin 500 gösterimi gösterildiğinde, zamanın yüzde 36'sını başarıyla tamamlayabildi. Ancak birçok kişisel gelişim ve yeni görevler üzerine eğitimden sonra, bu rakam iki kattan fazla artarak yüzde 74'e ulaştı.
Kuşkusuz, model bazı görevlerde yüzde 50'nin altında başarı oranları ve bir görevde yalnızca yüzde 13 puan alarak belirli problemlerde hala harika değil. Ancak RoboCat'in birçok farklı zorluğun üstesinden gelme ve yenilerini hızla alma yeteneği, daha uyumlu robot beyinlerinin o kadar da uzakta olmayabileceğini gösteriyor.
Resim Kredi: DeepMind
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
- PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
- PlatoESG. Otomotiv / EV'ler, karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
- Blok Ofsetleri. Çevre Dengeleme Sahipliğini Modernleştirme. Buradan Erişin.
- Kaynak: https://singularityhub.com/2023/06/25/deepminds-new-robot-uses-ai-to-learn-without-supervision/
