حدود الذكاء الاصطناعي المادي هي لعبة Jenga في مستودع في سان لياندرو، كاليفورنيا.
هذا المستودع تشغله شركة Encord، وهي شركة تقوم ببناء أدوات البيانات المستخدمة لتدريب نماذج الذكاء الاصطناعي. أندرو سيجا هو طيار – وهو المصطلح الذي تطلقه الشركة على مدربيها الآليين – وهو يسحب بعناية كتل خشبية من برج مترنح بينما يرتدي سماعة رأس بها كاميرا تتتبع ما يراه. وهذا وحده أمر شائع إلى حد ما في جمع بيانات تدريب الروبوت، ولكن هذه السماعة تتضمن أجهزة استشعار تقيس موجات دماغه أثناء تفكيك برج الكتلة بعناية.
إنكورد هي واحدة من عدد صغير ولكن متزايد من الشركات الناشئة التي تراهن على أن القيد الحقيقي التالي على الروبوتات البشرية والمستودعات لن يكون هندسة النماذج ولكن بدلاً من ذلك الندرة الهائلة لبيانات التدريب البدني في العالم الحقيقي. بدلًا من مجرد مساعدة شركات الروبوتات على إدارة البيانات المتوفرة لديها، تقوم شركة Encord ببناء شركة تتمحور حول تصنيع البيانات التي لا تمتلكها.
تم تصميم سماعة الرأس ذات الموجات الدماغية التي يرتديها سيجا من قبل شركة Zander Labs، وهي شركة ألمانية ناشئة في علم الأعصاب تراهن على أن قياس نشاط الدماغ – لاستنتاج الحالات العقلية مثل الخطأ والنية والمفاجأة – يمكن أن يخلق مجموعة بيانات أكثر فائدة لتدريب النماذج. عمل Encord مع Zander قيد التشغيل التجريبي حاليًا؛ يقول إنكورد إن الهدف هو بناء مجموعة بيانات أولية موسومة بموجة الدماغ، وتشغيلها من خلال نماذج الروبوتات للعملاء، وتقييم ما إذا كانت تعمل بالفعل على تحسين الأداء قبل اتخاذ قرار بشأن توسيع نطاقها.
يقول لوكاس جيركي، عالم أعصاب زاندر المشرف على العمل، إن مقدار نشاط الدماغ المستخدم في أي نقطة أثناء مهمة معينة يقدم أدلة لمنشئي النماذج الذين يحاولون معرفة متى يحتاجون إلى نشر نماذجهم ذات الجهد الأقصى.
وهذا هو “حافة النزيف” للجهود الرامية إلى حل عنق الزجاجة في البيانات الروبوتية، وفقا لفينيث فيلموروغان، رئيس قسم تعلم الروبوتات في إنكورد. انضم فيلموروجان، وهو أحد المخضرمين في مختبر الروبوتات التابع لشركة OpenAI وشركة Berkshire Gray، شركة أتمتة المستودعات، إلى شركة Encord لبناء فريق إنشاء البيانات الداخلي للشركة.
تم تأسيس Encord لمساعدة الشركات التي تقوم ببناء تطبيقات الرؤية الآلية على شرح البيانات وتقييم النماذج. عندما بدأ عملاؤهم – الذين يقول فيلموروغان إنهم يعملون مع العديد من شركات الروبوتات الرائدة، لكنه غير مخول بتسميتها – في تطبيق التعلم الشامل على مهام التلاعب بالروبوتات، أدرك المسؤولون التنفيذيون أنه سيتعين عليهم إنتاج بيانات التدريب بأنفسهم، بدلاً من مجرد إدارتها. وقال فيلموروجان: “البيانات ببساطة غير موجودة”.
الرهان على أن الذكاء الاصطناعي التوليدي يمكن أن يفعله للروبوتات ما يفعله لروبوتات الدردشة يظل يصطدم بنفس الجدار. تم بناء LLMs على نص الإنترنت بالكامل، وأكثر من ذلك. يعد العثور على نفس المواد الخام لتعليم الشبكات العصبية حول التلاعب الجسدي أمرًا صعبًا، حيث تقوم شركات السيارات ذاتية القيادة بجمعها بنفسها، ولكن من الصعب توسيع نطاق ذلك. يمكن أن ينجح التدريب عبر الفيديو، لكنه يفتقر إلى دقة بيانات العالم الحقيقي. يقول فيلموروجان إن الأمر سيتطلب مجموعة بيانات يبلغ حجمها خمسة أضعاف حجم مجموعة مقاطع الفيديو على موقع يوتيوب لاختراقها، وهو نطاق يساعد في تفسير سبب تحول توليد البيانات في حد ذاته إلى عمل تجاري، وليس مجرد مشكلة بحثية.
قم بتغذية احتياجاتك من البيانات الأنانية
وتتحول الشركات التي تصنع أدمغة الروبوتات الآن إلى مصدرين رئيسيين: الفيديو “المتمركز حول الذات” الذي يجمعه عمال يرتدون كاميرات، والتي غالبا ما يتم تعزيزها بزوايا كاميرا إضافية ومقاييس أخرى، وجمع البيانات من الروبوتات التي يتم تشغيلها عن بعد. تقوم شركة Encord بالأمرين معًا، حيث تسحب بيانات ذاتية من العديد من المصانع حول العالم، وتستخدم منشأتها في سان لياندرو لتجربة طرائق جديدة، مثل موجات الدماغ، أو جمع مجموعات البيانات حول مهارات محددة للضبط الدقيق.
عندما زار موقع TechCrunch، كان الطيارون يستخدمون أجهزة القائد والأتباع – وهي أذرع آلية مقترنة، واحدة يتحكم فيها مباشرة عامل بشري وأخرى تحاكي تحركاتها – لإنشاء بيانات حول مهام مثل صب القهوة من وعاء في الأكواب (مملة للغاية) وتكديس رقائق البوكر. يقول فيلموروجان: “لقد طلبت منا كل شركة متخصصة في تصنيع الروبوتات الحصول على هذه القطع”.
كانت رفوف التخزين تحتوي على صناديق من الزهور المزيفة في مزهريات، وكتب، وخضروات بلاستيكية، وصواني ومجارف فضلات القطط الصغيرة، وأكياس وحزم من الأسلاك، وهي مخزون يتم تداوله لتدريب المتلاعبين على المهام المنزلية.
في إحدى هذه المحطات، تقوم طيارة أخرى، صوفيا إنفانتي، بمناورة أذرع آلية لتوصيل وفصل كابلات إيثرنت من الجزء الخلفي للخادم – وهو نوع العمل الذي يرغب مشغلو مراكز البيانات في أن يكون آليًا، إذا تمكنت الروبوتات فقط من التعامل معها بالدقة المطلوبة. وبالنظر إلى أدوات التحكم، تمكنت من رؤية السبب الذي يجعل هذا الأمر بعيد المنال: فالكماشات أقل براعة بكثير من الأصابع البشرية وتفتقر إلى درجات الحرية التي نعتبرها أمرا مفروغا منه في أذرعنا.
تستخدم طريقة بيانات جديدة أخرى تعمل شركة Encord على تطويرها مجموعة من أجهزة الاستشعار المربوطة بالساعد للكشف عن الإشارات الكهربائية في العضلات. الفيديو الذي يتم التقاطه للأيدي البشرية التي تتلاعب بالأشياء عادة لا يصور اليد بأكملها، ولكن يأمل فيلموروجان في بناء تصوير ثلاثي الأبعاد لمكان اليد في أي وقت بناءً على مستشعرات الذراع، مما يخلق فهمًا أكثر قوة للنماذج.
يتم شرح مجموعات بيانات Encord بأوصاف مادية لما يحتوي عليه كل فيديو – “اليد اليمنى تشد المزلاج” – لمساعدة النماذج المستندة إلى LLM في فهم ما يحدث. ويقدر فيلموروغان أن هذا النوع من التعليقات التوضيحية الكثيفة يساوي 100 ضعف قيمة “بيانات الأنا غير المرغوب فيها” لتدريب مهام محددة، ويكلف إنتاجها 20 مرة فقط، وهي تجارة جيدة على الورق.
لكن “20 مرة أكثر” لا تزال أموالًا حقيقية، وهذه هي المشكلة: حذف النص من الإنترنت، بالطريقة التي بنى بها صانعو LLM نماذجهم عن طريق السحب من Stack Overflow وبقية الويب، تكلف مختبرات الحدود لا شيء تقريبًا. لا يتم إنشاء بيانات التدريب البدني، وهذا هو الحد الأقصى للمقارنة بين الذكاء الاصطناعي الجسدي والماجستير في إدارة الأعمال. يجب تصنيع هذا النوع من البيانات، وليس جمعها فقط، وهذا يغير اقتصاديات بناء هذه النماذج.
يقول فيلموروجان إنه يتم إحراز تقدم، فمن خلال رؤية Encord للبرامج عبر الصناعة، أصبح قادرًا على رؤية الشركات الناشئة والمختبرات الرائدة على حد سواء وهي تكتشف ما الذي ينجح وما الذي لا ينجح لتحسين نماذج الذكاء الاصطناعي المادية. إن هذه النقطة المميزة – التي تقع بين العديد من شركات الروبوتات في وقت واحد – هي أيضًا جزء من عرض Encord. ويمكنه اكتشاف تقنيات البيانات التي تكتسب قوة جذب على مستوى الصناعة قبل أن يتمكن أي عميل منفرد من ذلك.
سيؤدي ذلك إلى إبقاء عشرات الطيارين أو نحو ذلك في منشأة إنكورد مشغولين. يعد كل من إنفانتي وسيجا جزءًا من قوة عاملة مزدهرة تعمل على تطوير اللبنات الأساسية للشبكات العصبية. لقد عملوا سابقًا في شركة Scale، وهي شركة أخرى لتعليق بيانات الذكاء الاصطناعي، قبل الانضمام إلى Encord.
عمل سيجا في شركة لإدارة النفايات حيث جعله اهتمامه بالتكنولوجيا مسؤولاً عن الحفاظ على آلة فرز القمامة الآلية في حالة عمل جيدة. الآن، مع انهيار برج جينغا، يقول إنه يستمتع بالتحدي المتمثل في حل المهام التدريبية للروبوتات – “إنه شيء جديد كل يوم!”
عندما تقوم بالشراء من خلال الروابط الموجودة في مقالاتنا، قد نكسب عمولة صغيرة. هذا لا يؤثر على استقلالنا التحريري.
