Fyysinen Älykkyys ja Tekoälyn Kehitys
Tutkimuksessa on saavutettu merkittävä edistysaskel, kun fyysinen älykkyys yhdistää digitaalisen älykkyyden robotiikan mekaaniseen kykyyn. Tämä mahdollistaa dynaamisten ympäristöjen ymmärtämisen ja reaaliaikaisten päätösten tekemisen todellisessa maailmassa.
Tärkeimmät Havainnot:
- Fyysinen älykkyys yhdistää tekoälyn digitaalisen ja fyysisen ymmärryksen, jolloin se pystyy toimimaan monimutkaisissa ja arvaamattomissa ympäristöissä.
- Nesteverkot ovat esimerkki fyysisestä älykkyydestä, osoittaen kykyä oppia ja sopeutua ympäristön muutoksiin ihmismäisesti.
- Fyysinen älykkyys parantaa tekoälysovellusten käytännön hyötyjä, kuten itsenäisten dronejen sopeutumista eri vuodenaikoihin ja ympäristöihin.
- Robotiikka-alan startupit, kuten Covariant, edistävät fyysisen älykkyyden sovelluksia kehittämällä robottien älykkyyttä eri tehtäviin, kuten lajittelurobotteihin.
- Carnegie Mellon -yliopisto on kehittänyt neuroverkkoihin perustuvia robotteja, jotka pystyvät dynaamisiin parkourliikkeisiin, korostaen fyysisen älykkyyden potentiaalia.
Viimeisimmät tekoälymallit ovat yllättävän ihmismäisiä tuottaessaan tekstiä, ääntä ja videota. Toistaiseksi nämä algoritmit ovat pysyneet suurelta osin digitaalisessa maailmassa, eivätkä ole löytäneet tietään fyysiseen, kolmiulotteiseen todellisuuteen.
Käytännön sovelluksissa, kuten turvallisten itseohjautuvien autojen kehittämisessä, parhaimmatkaan mallit eivät ole pystyneet suoriutumaan odotetusti. Niitä vaivaa kyvyttömyys ymmärtää fysiikkaa ja taipumus tehdä virheitä ilman selkeää syytä.
Tänä vuonna tekoäly ottaa merkittävän askeleen digitaalisesta maailmasta todelliseen elämäämme. Tämä vaatii tekoälyn ajattelutavan uudistamista yhdistämällä sen digitaalinen äly robotiikan mekaaniseen kyvykkyyteen.
Tuloksena on uusi älykkään koneen muoto, jota kutsutaan fyysiseksi älykkyydeksi. Fyysinen älykkyys pystyy ymmärtämään dynaamisia ympäristöjä, sietämään arvaamattomuutta ja tekemään päätöksiä reaaliajassa. Toisin kuin perinteiset tekoälymallit, fyysinen älykkyys perustuu fysiikan ymmärrykseen todellisen maailman perusperiaatteista, kuten syy-seuraussuhteista.
Kokeilut ja käytännön toteutukset
MIT:n tutkimusryhmämme kehittää fyysisen älykkyyden malleja, joita kutsumme nesteverkoiksi. Yhdessä kokeilussa koulutimme kaksi dronea – toinen toimi perinteisellä tekoälymallilla ja toinen nesteverkolla – paikantamaan esineitä metsässä kesällä. Vaikka molemmat droneet suoriutuivat hyvin kesäolosuhteissa, vain nesteverkko-drone pystyi uusiin olosuhteisiin, kuten talveen ja kaupunkimaisemaan, sopeutumaan ja tehtävät suorittamaan.
Tämä osoittaa nesteverkkojen kyvyn oppia ja sopeutua kokemuksista ihmisten tavoin. Fyysinen älykkyys osaa myös tulkita ja fyysisesti toteuttaa monimutkaisia komentoja tekstistä tai kuvista.
Myös muut laboratoriot tekevät merkittäviä edistysaskeleita fyysisen älykkyyden saralla. Esimerkiksi Covariant, UC-Berkeleyn tutkija Pieter Abbeel’in perustama robotiikka-alan startup, kehittää chatboteja, jotka voivat komentaa robottikäsiä. He ovat keränneet yli 222 miljoonaa dollaria lajittelurobottien kehittämiseen ja käyttöönottoon maailmanlaajuisesti.
Carnegie Mellon -yliopiston tiimi on myös äskettäin osoittanut, että robotti, joka käyttää vain yhtä kameraa ja epätarkkaa aktuaatiota, pystyy suorittamaan dynaamisia ja monimutkaisia parkourliikkeitä yksittäisen vahvistusoppimisen kautta koulutetun neuroverkon avulla.
