Kamakailan ay inanunsyo ng Google DeepMind ang tatlong malalaking modelo ng wika (LLM) upang pahusayin kung paano gumaganap ng mga gawain ang mga robot. Ang AutoRT ang pinakakawili-wili dahil nagbibigay ito ng Robot Constitution, isang hanay ng mga panuntunan na pumipigil sa mga makina na makapinsala sa mga tao. Ang natitirang dalawa ay SARA-RT at RT-Trajectory, na nagpapadali sa pagsasanay sa robot.
Nagsasama kami ng higit pang mga robot sa lipunan, ngunit marami pa rin ang natatakot sa isang Terminator-esque na hinaharap ng mga killer machine. Ang pagpasok sa isang bagong teknolohikal na edad ay nangangailangan ng mas maraming tao na tumanggap ng mga bot, kaya dapat nating tiyakin sa publiko na hindi nila sasaktan ang mga tao. Sa kabutihang palad, isa sa mga pinakamalaking kumpanya ng tech ang sumulong nang walang solusyon kundi tatlo.
Tatalakayin ng artikulong ito kung paano gumagana ang AutoRT, SARA-RT, at RT-Trajectory. Pagkatapos, ibabahagi ko ang higit pang mga paraan kung paano tayo nagsasanay ng artificial intelligence.
Paano gumagana ang konstitusyon ng Google robot?
Nagtatampok ang AutoRT ng mga safety guardrail na may Robot Constitution. Ito ay isang hanay ng mga senyas na nakatuon sa kaligtasan na dapat sundin ng mga robot kapag pumipili ng mga gawain. Gayundin, sinabi ng DeepMind na kumuha ito ng inspirasyon mula sa Tatlong Batas ng Robotics ni Isaac Asimov:
- Ang isang robot ay maaaring hindi makapinsala sa isang tao o, sa pamamagitan ng hindi pagkilos, pinapayagan ang isang tao na makapinsala.
- Ang isang robot ay dapat sumunod sa mga utos na ibinigay dito ng mga tao maliban kung ang mga naturang utos ay salungat sa Unang Batas.
- Dapat protektahan ng isang robot ang sarili nitong pag-iral hangga’t ang naturang proteksyon ay hindi sumasalungat sa Una o Pangalawang Batas.
Sinabi ng Brookings Institution na kalaunan ay idinagdag ni Asimov ang isang “Zeroth Law” na nakahihigit sa iba: “Ang isang robot ay hindi maaaring makapinsala sa sangkatauhan, o, sa pamamagitan ng hindi pagkilos, pinapayagan ang sangkatauhan na makapinsala.” Dahil dito, ang AutoRT ay may karagdagang mga tungkulin sa kaligtasan.
Halimbawa, pinipigilan nito ang mga robot na subukan ang mga gawaing kinasasangkutan ng mga tao, hayop, mga de-koryenteng kasangkapan, o matutulis na bagay. Gayunpaman, inirerekomenda ng Google ang mga naka-program na pag-iingat upang matiyak ang seguridad.
Halimbawa, maaari mong i-program ang mga robot upang awtomatikong huminto kung ang kanilang mga kasukasuan ay nakakaranas ng labis na puwersa upang maiwasan ang mga aksidente na maaaring makapinsala sa mga tao. Ang isang superbisor ng tao ay maaari ring panatilihin ang isang linya ng paningin sa mga aktibong robot at magkaroon ng isang deactivation switch sa kaso ng mga sakuna na pagkabigo.
Maaari mo ring magustuhan: Binubuo ng Japan ang bersyon nito ng ChatGPT
Bukod sa Robot Constitution, nilikha ng Google ang SARA-RT at RT-Trajectory. Ang una ay tumutulong sa mga robot na magpatuloy sa pag-aaral at pagpapanatili ng pagganap habang natututo sila ng higit pang mga gawain.
Kung hindi, maaaring ma-lag at mag-crash ang aming mga robot habang mas matagal silang nagsisilbi sa amin, hindi maproseso ang mga tagubiling natutunan nila sa paglipas ng mga taon. Sa kabilang banda, binibigyang-daan ng RT-Trajectory ang mga bot na matuto mula sa mga tao sa pamamagitan ng panonood sa kanila.
Halimbawa, matututo ang mga robot kung paano linisin ang iyong kuwarto sa pamamagitan ng pagtingin sa iyong paglalagay ng basura sa isang basurahan. Bilang kahalili, binibigyang-daan din ng RT-Trajectory ang mga bot na matuto mula sa mga pag-upload ng video.
Paano natin sinasanay ang AI ngayon?
Nakatuon ang Robot Constitution ng Google sa AI sa loob ng mga bot, ngunit gumagamit kami ng artificial intelligence para sa iba pang mga layunin. Kaya naman kailangan natin ng mabisang paraan ng pagsasanay sa kanila.
Sa kabutihang palad, nagtagumpay ang mga siyentipiko na hayaan silang matuto nang mas mahusay kaysa sa mga tao. Talakayin natin kung paano gumagana ang mga generative AI tool bago natin saklawin ang tool na ito. Ang ChatGPT at mga katulad na tool ay umaasa sa malalaking modelo ng wika na naglalaman ng maraming salita.
Itinutugma nito ang mga salita nito sa mga salita ng gumagamit at pinagsasama ang mga ito sa magkakaugnay, nauugnay na mga sagot. Halimbawa, kung natanggap nito ang salitang “jump,” maaari itong gumawa ng mga parirala tulad ng “jump twice” o “jump around right twice.”
Gayunpaman, ang AI program ay hindi magbibigay ng resulta kung ito ay makakakuha ng hindi kilalang salita tulad ng “spin.” Kailangan mong sanayin muli ang buong LLM para sa salitang iyon, na isang maingat, mahal na proseso.
Kaya naman gumawa ang mga siyentipiko ng bagong paraan ng pagsasanay ng artificial intelligence: Meta-learning for Compositionality. Gaya ng nabanggit, ginagawa nitong maglapat ang AI tool ng iba’t ibang panuntunan sa mga bagong natutunang salita.
Nagbibigay din ito ng feedback kung sinunod nito nang tama ang mga patakaran. Ginamit ng mga mananaliksik ang mga sumusunod na hakbang upang subukan ang kanilang paraan ng pagsasanay sa AI:
Maaaring gusto mo rin: Lumilikha ang mga mananaliksik ng generative AI robot assistant
- Ginawa nila ang mga tao na tumugma sa parehong mga salita gamit ang parehong mga patakaran.
- Pagkatapos, naitala nila ang mga pagkakamali ng tao.
- Pagkatapos, inutusan nila ang AI na matuto habang nakumpleto nito ang mga gawain. Ang kumbensiyonal na pamamaraan ay kasangkot sa pagsunod sa isang static na set ng data.
- Inihambing ng mga eksperto ang AI at pagganap ng tao sa pamamagitan ng paglalapat ng mga pagkakamali ng tao sa kanilang artificial intelligence.
- Ang programa ng AI ay nagbahagi ng mga sagot na halos magkapareho sa mga mula sa mga boluntaryo ng tao.
“Sa loob ng 35 taon, ang mga mananaliksik sa cognitive science, artificial intelligence, linguistics, at pilosopiya ay pinagtatalunan kung ang mga neural network ay maaaring makamit ang sistematikong generalization na tulad ng tao,” sabi ng siyentipiko ng New York University na si Brenden Lake.
“Ipinakita namin, sa unang pagkakataon, na ang isang generic na neural network ay maaaring gayahin o lumampas sa sistematikong generalization ng tao sa isang paghahambing ng ulo-sa-ulo.”
Konklusyon
Gumawa ang Google ng malaking modelo ng wika na nagbibigay ng Robot Constitution para sa mga bot sa buong mundo. Ito ay open source, kaya makakatulong ito sa mas maraming tao na gumamit ng mga robot nang ligtas.
Ang kumpanya ng search engine ay gumawa din ng dalawa pang LLM na nagpapadali sa pagsasanay sa robot. Sa lalong madaling panahon, ang pagtuturo sa iyong robot assistant ay magiging mas madali kaysa sa pagsasanay sa iyong aso!
Matuto nang higit pa tungkol sa open-source na Robot Constitution na ito sa webpage ng DeepMind. Tingnan ang pinakabagong mga digital na tip at trend sa Inquirer Tech.
MGA PAKSA:
