Onde cerebrali e muscoli presi in prestito: le insolite fattorie di dati che addestrano i robot di domani

Punti chiave

• Encord, una società specializzata in strumenti di gestione dati con sede a San Leandro, in California, sta raccogliendo letture di onde cerebrali da lavoratori umani per costruire dati di addestramento più ricchi per i robot.
• I sensori per le onde cerebrali provengono da Zander Labs, una startup tedesca di neuroscienze, e il progetto è attualmente una prova per testare se i dati migliorano effettivamente le prestazioni dei robot.
• Il responsabile dell'apprendimento robotico di Encord stima che servirebbe un dataset circa cinque volte più grande dell'intera libreria video di YouTube per fare progressi significativi nell'IA fisica.
• Generare dati di addestramento fisico costa denaro reale, a differenza dello scraping di testo quasi gratuito che ha costruito gli attuali modelli di IA dei chatbot.
• Un numero crescente di startup ora tratta la creazione di dati di addestramento come un'attività commerciale in sé, non solo come un problema di ricerca.

Andrew Ceja sta estraendo blocchi di legno da una torre di Jenga. Questa parte sembra semplice. La cuffia che indossa non lo è.

Ceja lavora presso Encord, un'azienda che costruisce strumenti per l'addestramento dei modelli di intelligenza artificiale. Il suo titolo di lavoro è "pilota", la parola di Encord per indicare un addestratore di robot, una persona i cui movimenti e decisioni diventano lezioni per il software dei robot. La cuffia sulla sua testa registra quello che vede. Legge anche le sue onde cerebrali.

Perché qualcuno vorrebbe monitorare le onde cerebrali di un lavoratore?

L'idea è fornire al software dei robot indizi più ricchi su come un compito si sente davvero dall'interno. Un video standard di qualcuno che estrae un blocco da una torre dice a un robot cosa ha fatto la mano. I dati delle onde cerebrali dello stesso momento possono dire a un modello quando il lavoratore si è sentito incerto, ha commesso un errore mentale o è stato colto di sorpresa.

La cuffia è stata costruita da Zander Labs, una startup tedesca di neuroscienze. Lucas Gehrke, un neuroscienziato di Zander che supervede il progetto, afferma che il livello di attività cerebrale in qualsiasi momento durante un compito può aiutare i costruttori di modelli a decidere quando il loro software ha bisogno di lavorare più duramente. Encord chiama questo sforzo una prova di concetto: costruire un dataset iniziale etichettato con onde cerebrali, testarlo su modelli di robotica reali e vedere se fa la differenza prima di passare a una scala maggiore.

Qual è il problema effettivo che queste aziende stanno cercando di risolvere?

L'IA robotica è bloccata da una carenza di dati. L'IA dei chatbot che conosci da strumenti come ChatGPT è stata addestrata essenzialmente su tutto internet, miliardi di pagine di testo raccolte a costo quasi zero. L'IA fisica, quella che insegna a un braccio robotico a versare il caffè o a staccare un cavo, non può fare la stessa cosa. Non puoi fare scraping di un magazzino dal web.

Vineeth Velmurugan, responsabile dell'apprendimento robotico di Encord e ex membro del laboratorio robotico di OpenAI, esprime il divario in termini chiari. Stima che raggiungere una vera svolta nell'IA fisica richiederebbe un dataset circa cinque volte più grande dell'intera libreria video di YouTube. "I dati semplicemente non esistono", ha detto a TechCrunch AI.

Per costruirlo, Encord gestisce una struttura a San Leandro dove i lavoratori utilizzano rig maestro-schiavo, bracci robotici accoppiati dove un braccio è controllato da un umano e l'altro copia ogni movimento, per generare filmati di compiti come versare caffè e impilare fiches di poker. Scaffali di stoccaggio contengono fiori finti, verdure di plastica, borse di cavi e vassoi di lettiera felina: oggetti di scena per insegnare ai bracci robotici il tipo di lavoro domestico e nei magazzini che le persone vogliono automatizzare.

Encord utilizza anche sensori che leggono l'attività muscolare fissati agli avambracci dei lavoratori. I video delle mani che manipolano oggetti spesso perdono parte della mano. I sensori sull'avambraccio leggono i segnali elettrici che i muscoli producono e consentono a Encord di costruire un'immagine tridimensionale di dove si trova la mano in ogni momento.

Ogni clip video riceve un'etichetta scritta che descrive esattamente cosa sta accadendo, ad esempio "la mano destra stringe il bullone". Velmurugan afferma che questo tipo di annotazione dettagliata vale cento volte più dei filmati senza etichetta per addestrare abilità specifiche e costa solo venti volte di più da produrre. Sulla carta, è un buon compromesso. In pratica, costa comunque denaro reale, che è il punto in cui il confronto tra IA robotica e IA chatbot si rompe completamente.

Cosa significa questo per le persone comuni?

Nulla di allarmante oggi. Ma i lavoratori di queste strutture, come Ceja e la sua collega Sofia Infante, stanno facendo qualcosa che non esisteva come professione cinque anni fa: fabbricare la materia prima da cui il software dei robot impara. Con il migliorare di questo software, i robot che addestra affronteranno più dei compiti fisici attualmente svolti da persone in magazzini, centri dati e infine case.

Per ora, presta attenzione al divario tra quello che i robot possono fare in una dimostrazione e quello che possono fare in modo affidabile in un edificio reale. Questo divario è un problema di dati, e aziende come Encord stanno cercando di colmarlo.