Ondas cerebrais e músculos emprestados: as fazendas de dados inusitadas que treinam os robôs do futuro

Pontos-chave

• A Encord, uma empresa de ferramentas de dados sediada em San Leandro, Califórnia, está a recolher leituras de ondas cerebrais de trabalhadores humanos para construir dados de treino mais ricos para robôs.
• Os sensores de ondas cerebrais provêm da Zander Labs, uma startup alemã de neurociência, e o projeto é atualmente um teste piloto para verificar se os dados realmente melhoram o desempenho dos robôs.
• O responsável pela aprendizagem de robôs da Encord estima que seria necessário um conjunto de dados aproximadamente cinco vezes o tamanho de toda a biblioteca de vídeos do YouTube para avançar significativamente na IA física.
• Gerar dados de treino físicos custa dinheiro real, ao contrário da raspagem de texto quase gratuita que construiu os atuais modelos de IA de chatbot.
• Um número crescente de startups trata agora a criação de dados de treino como um negócio em si, e não apenas como um problema de investigação.

Andrew Ceja está a tirar blocos de madeira de uma torre de Jenga. Essa parte parece simples. O auricular que está a usar não é.

Ceja trabalha na Encord, uma empresa que cria ferramentas para treinar modelos de inteligência artificial. O seu título é "piloto", que é a palavra da Encord para um treinador robótico, uma pessoa cujos movimentos e decisões se tornam lições para software de robôs. O auricular na sua cabeça regista o que ele vê. Também lê as suas ondas cerebrais.

Por que razão alguém rastrearia as ondas cerebrais de um trabalhador?

A ideia é dar ao software dos robôs pistas mais ricas sobre o que uma tarefa realmente parece por dentro. Um vídeo padrão de alguém a tirar um bloco de uma torre diz a um robô o que a mão fez. Os dados de ondas cerebrais do mesmo momento podem dizer a um modelo quando o trabalhador se sentiu incerto, cometeu um erro mental ou foi apanhado de surpresa.

O auricular foi construído pela Zander Labs, uma startup alemã de neurociência. Lucas Gehrke, um neurocientista da Zander que supervisiona o projeto, diz que o nível de atividade cerebral em qualquer momento durante uma tarefa pode ajudar os construtores de modelos a decidir quando o seu software precisa trabalhar mais. A Encord chama a este esforço um teste piloto: construir um conjunto de dados inicial com marcação de ondas cerebrais, testá-lo em modelos de robótica real, e ver se faz diferença antes de aumentar a escala.

Qual é o problema real que estas empresas tentam resolver?

A IA de robôs está presa a uma escassez de dados. A IA de chatbot que conhece de ferramentas como o ChatGPT foi treinada efetivamente em toda a internet, milhares de milhões de páginas de texto recolhidas a custo quase zero. A IA física, a que ensina um braço robótico a servir café ou desligar um cabo, não pode fazer o mesmo. Não pode raspar um armazém da web.

Vineeth Velmurugan, responsável pela aprendizagem de robôs da Encord e antigo membro do laboratório de robôs da OpenAI, coloca a lacuna em termos claros. Estima que atingir uma verdadeira inovação na IA física exigiria um conjunto de dados aproximadamente cinco vezes o tamanho de toda a biblioteca de vídeos do YouTube. "Os dados simplesmente não existem", disse à TechCrunch AI.

Para o construir, a Encord executa uma instalação em San Leandro onde os trabalhadores utilizam sistemas de seguidor-líder, braços robóticos emparelhados onde um braço é controlado por um humano e o outro copia cada movimento, para gerar vídeos de tarefas como servir café e empilhar fichas de pôquer. Racks de armazenamento contêm flores falsas, vegetais de plástico, sacos de cabos e caixas de areia de gatos: adereços para ensinar aos braços robóticos o tipo de trabalho doméstico e de armazém que as pessoas querem automatizar.

A Encord também utiliza sensores de leitura muscular presos aos antebraços dos trabalhadores. O vídeo de mãos a manipular objetos frequentemente perde parte da mão. Os sensores do antebraço leem os sinais elétricos que os músculos produzem e permitem à Encord construir uma imagem tridimensional de onde a mão está em cada momento.

Cada clip de vídeo recebe uma etiqueta escrita descrevendo exatamente o que está a acontecer, por exemplo "a mão direita aperta o parafuso". Velmurugan diz que esse tipo de anotação detalhada vale cem vezes mais do que vídeo não marcado para treinar competências específicas, e custa apenas vinte vezes mais para produzir. No papel, essa é uma boa troca. Na prática, ainda custa dinheiro real, que é o ponto onde a comparação entre IA de robôs e IA de chatbot quebra completamente.

O que significa isto para as pessoas comuns?

Nada alarmante hoje. Mas os trabalhadores nestas instalações, como Ceja e a sua colega Sofia Infante, estão a fazer algo que não existia como profissão há cinco anos: fabricar a matéria-prima a partir da qual o software dos robôs aprende. À medida que esse software melhora, os robôs que treina lidarão com mais das tarefas físicas atualmente feitas por pessoas em armazéns, centros de dados e eventualmente casas.

Por enquanto, observe a lacuna entre o que os robôs podem fazer numa demonstração e o que conseguem fazer de forma fiável num edifício real. Essa lacuna é um problema de dados, e empresas como a Encord estão a tentar fechá-la.