امواج مغزی، کلید پیشرفت هوش مصنوعی فیزیکی؟
در رقابت ساخت رباتهای پیشرفته، بزرگترین گلوگاه نه معماری مدلها که کمبود دادههای آموزشی واقعی است. استارتاپها اکنون به سراغ ثبت امواج مغزی رفتهاند تا این شکاف را پر کنند.
بر اساس گزارشی از TechCrunch، آیندهٔ هوش مصنوعی فیزیکی در انباری در سن لئاندرو کالیفرنیا و با یک بازی جذاب و خطرناک «جنگا» رقم میخورد.
در این انبار، شرکت Encord که در زمینهٔ ابزارهای داده برای آموزش مدلهای هوش مصنوعی فعالیت میکند، مشغول آزمایش شیوهای تازه است: ثبت امواج مغزی اپراتورها هنگام انجام وظایف دستی. اندرو سهآ، یکی از «خلبانها» (عنوانی که شرکت به مربیان رباتهای خود میدهد)، با هدفونی مجهز به دوربین که نگاهش را ردیابی میکند و حسگرهایی که امواج مغزیاش را میسنجند، مشغول بیرون کشیدن قطعات چوبی از برجی لرزان است. این فقط یک بازی نیست؛ هدف، ثبت دادههایی است که شاید نسل بعدی مدلهای رباتیک را متحول کند.
چرا امواج مغزی؟
استارتاپ آلمانی Zander Labs سازندهٔ این هدست، با اندازهگیری فعالیت مغزی به دنبال تشخیص وضعیتهای ذهنی مانند خطا، قصد و شگفتی است. لوکاس گرکه، عصبشناس ناظر پروژه، میگوید این دادهها به مدلسازان میگوید در کدام لحظات باید سنگینترین مدلهای خود را به کار بگیرند. Encord در همکاری آزمایشی با Zander، یک مجموعهدادهٔ برچسبگذاریشده با امواج مغزی میسازد و پس از ارزیابی با مدلهای واقعی رباتیک، دربارهٔ توسعهٔ آن تصمیم خواهد گرفت.
گلوگاه بزرگ: داده، نه معماری
وینیت وِلوموروگان، مدیر یادگیری رباتیک Encord و از کهنهکاران آزمایشگاه رباتیک OpenAI، این تلاش را «لبهٔ تیز» حل گلوگاه داده میخواند. او توضیح میدهد که دادههای فیزیکی واقعی برای آموزش رباتها «اصلاً وجود ندارد». برخلاف مدلهای زبانی بزرگ که از متن کل اینترنت تغذیه شدند، آموزش شبکههای عصبی برای دستورزی اشیاء با کمبود شدید مواد خام روبهروست. وِلوموروگان تخمین میزند که برای پیشرفت اساسی، مجموعهدادهای به اندازهٔ پنج برابر کل ویدئوهای یوتیوب نیاز است—همین مقیاس نشان میدهد چرا «تولید داده» خودش تبدیل به یک کسبوکار شده است.
روشهای نوین گردآوری داده
شرکتهای رباتیک اکنون به دو منبع اصلی روی آوردهاند: ویدئوهای «خودمحور» از کارگرانی که دوربین بر سر میگذارند (و اغلب با زوایای دیگر و حسگرهای اضافی تقویت میشوند)، و دادههای گردآوریشده از رباتهایی که از راه دور کنترل میشوند. Encord هر دو روش را در چندین کارخانه در جهان اجرا میکند. در بازدید TechCrunch، خلبانها با استفاده از بازوهای رباتیک «رهبر-پیرو» (که یکی مستقیماً با دست اپراتور کنترل میشود و دیگری حرکات را تقلید میکند) کارهایی مانند ریختن قهوه، چیدن ژتون پوکر و اتصال کابلهای شبکه را تمرین میکردند. وِلوموروگان میگوید: «هر شرکت رباتیک انساننما از ما این مجموعهدادهها را درخواست کرده است.»
یک روش دیگر هم استفاده از حسگرهای روی ساعد برای ثبت سیگنالهای الکتریکی عضلات است تا موقعیت سهبعدی دست بازسازی شود—چون دوربینها معمولاً کل دست را نمیبینند.
برچسبگذاری متراکم و ارزش واقعی
دادههای Encord با توصیف فیزیکی هر ویدئو حاشیهنویسی میشوند تا مدلهای مبتنی بر زبان بزرگ بفهمند چه اتفاقی میافتد. به گفتهٔ وِلوموروگان، این برچسبگذاری متراکم ۱۰۰ برابر از «دادههای خودمحور بیکیفیت» ارزشمندتر است، در حالی که هزینهٔ تولیدش فقط ۲۰ برابر بیشتر است—تجارتی که روی کاغذ سودمند مینماید. اما «۲۰ برابر» همچنان پول زیادی است. برخلاف وبگردی رایگان برای متن، تولید دادهٔ فیزیکی گران است و این مقایسهٔ هوش مصنوعی فیزیکی با مدلهای زبانی را محدود میکند.
نگاهی از فراز صنعت
Encord که با بسیاری از شرکتهای پیشرو رباتیک کار میکند، مدعی است میتواند زودتر از هر مشتری متوجه شود کدام روشهای دادهای در صنعت فراگیر میشوند. این جایگاه به آن امکان میدهد تکنیکهای موفق را در سطح صنعت شناسایی کند.
فرصت یا خیال؟
برای علاقهمندان فناوری در ایران، داستان Encord نشان میدهد که هوش مصنوعی فیزیکی نه فقط یک چالش نرمافزاری، که یک مسئلهٔ اساسی داده است. در حالی که آزمایشهای مغزی هنوز در مراحل اولیهاند، همین تلاشها مرزهای گردآوری داده را جابهجا میکنند. شاید روزی برسد که رباتها با درک حالتهای ذهنی ما، همکاری طبیعیتری داشته باشند. اندرو سهآ، پس از فروریختن برج جنگا، با خوشحالی میگوید: «هر روز چیز تازهای برای حل کردن هست!»