Розвиток останніх досягнень штучного інтелекту ШІ, щоб дозволити роботам виконувати завдання автономно в реальному світі, є «значним кроком вперед», кажуть дослідники. Google і Microsoft оголосили про дослідження щодо застосування подібних моделей штучного інтелекту до роботів із вражаючими результатами, пише видання VICE.
«Дослідники з Google і Берлінського технологічного інституту випустили модель штучного інтелекту під назвою PaLM-E, яка поєднує в собі мовні та зорові можливості для керування роботами, що дозволяє їм автономно виконувати завдання в реальному світі — від тримання пакету з чіпсами, до сортування блоків за кольором по кутах прямокутника», - йде мова у статті.
Цей штучний інтелект має «широкий набір можливостей», який включає математичні обчислення, обчислення з кількома зображеннями та мислення за ланцюгом думок. Дослідники написали в статті, що штучний інтелект використовує багатозадачне навчання для передачі навичок між завданнями, а не тренується на окремих завданнях. Згідно з документом, модель штучного інтелекту під час керування роботами навіть демонструє «нові здібності, такі як мультимодальний ланцюжок думок і здатність міркувати над кількома зображеннями, незважаючи на те, що вона навчається лише на підказках з одного зображення».
Робот здатний генерувати власний план дій у відповідь на команди за допомогою моделі. Коли робота попросили «принести рисову стружку з шухляди», PaLM-E зміг наказати йому піти до шухляд, відкрити верхню, дістати рисову стружку, принести її, і покласти на стіл. Робот зміг зробити це, навіть коли його потурбувала людина: дослідник закинув рисову стружку назад у ящик, коли робот її вперше взяв. PaLM-E може зробити це, аналізуючи дані своєї камери в реальному часі.
Штучний інтелект може відповідати на запитання про світ, наприклад, з яким океаном межує Маямі-Біч. PaLM-E також може давати підписи та описувати зображення.
Google — не єдина компанія, яка тестує новий мультимодальний штучний інтелект і те, як інтегрувати великі мовні моделі в роботів. Корпорація Майкрософт опублікувала своє дослідження про те, як вона розширила можливості ChatGPT до робототехніки. Нещодавно вони також представили мультимодальну модель під назвою Kosmos-1, яка може аналізувати зображення на вміст, вирішувати візуальні головоломки, виконувати візуальне розпізнавання та проходити тести на IQ.
У своїй статті, що описує результати, дослідники Microsoft назвали конвергенцію мовних моделей із можливостями роботів кроком до створення штучного загального інтелекту, або AGI, який зазвичай розуміється як інтелект на тому ж рівні, що й людський.
PaLM-E показує, що в міру того, як великі мовні моделі стають більш масштабованими та вдосконаленими, його можливості, включаючи виконання мультимодальних завдань, стають легшими, точнішими та автономними.
Читайте також:
- Самостійно переміщує речі на будівельних майданчиках: Honda презентувала свого останнього автономного робота
- Будівельні блоки життя з астероїду: у вчених з’явилися нові докази космічного походження життя на Землі
- Вони виникають з темряви групами і атакують: в океані живе розумна істота, розмір якої може перевищувати два метри