OpenAI najwyraźniej zwiększa także swoje własne wysiłki w zakresie robotyki. W zeszłym tygodniu Caitlin Kalinowski, która wcześniej kierowała rozwojem zestawów słuchawkowych do rzeczywistości wirtualnej i rozszerzonej w Meta, ogłoszono na LinkedIn że dołączyła do OpenAI, aby pracować nad sprzętem, w tym robotyką.
Lachy Groom, przyjaciel dyrektora generalnego OpenAI Sama Altmana oraz inwestor i współzałożyciel Physical Intelligence, dołącza do zespołu w sali konferencyjnej, aby omówić biznesową stronę planu. Pan młody ma na sobie kosztownie wyglądającą bluzę z kapturem i wydaje się niezwykle młody. Podkreśla, że inteligencja fizyczna ma mnóstwo możliwości, aby dokonać przełomu w uczeniu się robotów. „Właśnie rozmawiałem z Kushnerem” – mówi, odnosząc się do Joshuy Kushnera, założyciela i partnera zarządzającego Thrive Capital, który przeprowadził zalążkową rundę inwestycyjną startupu. Jest także oczywiście bratem zięcia Donalda Trumpa, Jareda Kushnera.
Kilka innych firm dąży obecnie do podobnego przełomu. Jedna z nich, Skild, założona przez robotyków z Carnegie Mellon University, zebrała w lipcu 300 milionów dolarów. „Tak jak OpenAI zbudowało ChatGPT dla języka, tak my budujemy mózg ogólnego przeznaczenia dla robotów” – mówi Deepak Pathakdyrektor generalny Skild i adiunkt na CMU.
Nie wszyscy są pewni, że da się to osiągnąć w ten sam sposób, w jaki OpenAI złamało kod językowy AI.
Po prostu nie ma internetowego repozytorium działań robotów podobnego do danych tekstowych i graficznych dostępnych do szkolenia LLM. Tak czy inaczej osiągnięcie przełomu w inteligencji fizycznej może wymagać wykładniczo większej ilości danych.
„Słowa w sekwencji są, mówiąc wymiarowo, małą zabawką w porównaniu z całym ruchem i aktywnością obiektów w świecie fizycznym” – mówi Illah Nourbakhsh, robotyk z CMU, który nie jest związany ze Skildem. „Stopnie swobody, jakie mamy w świecie fizycznym, to znacznie więcej niż tylko litery alfabetu”.
Ken Goldberg, pracownik naukowy na Uniwersytecie Kalifornijskim w Berkeley, który pracuje nad zastosowaniem sztucznej inteligencji w robotach, ostrzega, że podekscytowanie wokół idei rewolucji robotów zasilanych danymi i humanoidów osiąga rozmiary szumu medialnego. „Aby osiągnąć oczekiwany poziom wydajności, będziemy potrzebować «starej, dobrej inżynierii», modułowości, algorytmów i wskaźników” – mówi.
Russa Tedrake’ainformatyk w Massachusetts Institute of Technology i wiceprezes ds. badań nad robotyką w Toyota Research Institute twierdzi, że sukces programów LLM skłonił wielu robotyków, w tym jego samego, do ponownego przemyślenia priorytetów badawczych i skupienia się na znalezieniu sposobów kontynuowania uczenia się przez roboty w bardziej ambitna skala. Przyznaje jednak, że nadal stoją przed nami ogromne wyzwania.
