Волны мозга и заимствованные мышцы: необычные центры данных обучают роботов будущего

Ключевые моменты

• Encord, компания, специализирующаяся на инструментах для работы с данными и базирующаяся в Сан-Леандро, Калифорния, собирает записи волн мозга у рабочих складов для создания более полных данных обучения для роботов.
• Датчики волн мозга поступают от Zander Labs, немецкого стартапа в области нейронауки, и проект представляет собой пилотный запуск для проверки того, действительно ли данные улучшают производительность робота.
• Руководитель отдела машинного обучения роботов Encord оценивает, что для содержательного развития физического ИИ потребуется набор данных, примерно в пять раз превышающий всю видеотеку YouTube.
• Создание физических данных обучения стоит реальных денег, в отличие от почти бесплатного сбора текстов, который питал современные модели чат-ботов на основе ИИ.
• Растущее число стартапов теперь рассматривают создание данных обучения как самостоятельный бизнес, а не только исследовательскую задачу.

Эндрю Сеха извлекает деревянные блоки из башни Jenga. Эта часть звучит просто. Наушник, который он носит, нет.

Сеха работает в Encord, компании, которая создает инструменты для обучения моделей искусственного интеллекта. Его должность — «пилот», это термин Encord для обозначения тренера робота, человека, чьи движения и решения становятся уроками для программного обеспечения робота. Наушник на его голове записывает то, что он видит. Он также считывает его волны мозга.

Почему кто-то будет отслеживать волны мозга рабочего?

Идея состоит в том, чтобы предоставить программному обеспечению робота более богатые подсказки о том, как на самом деле выглядит задача изнутри. Стандартное видео человека, извлекающего блок из башни, показывает роботу, что сделала рука. Данные волн мозга в тот же момент могут сказать модели, когда рабочий чувствовал неуверенность, сделал умственную ошибку или был застигнут врасплох.

Наушник был создан компанией Zander Labs, немецким стартапом в области нейронауки. Лукас Герке, нейробиолог Zander, руководящий проектом, говорит, что уровень активности мозга в любой момент во время выполнения задачи может помочь разработчикам моделей решить, когда их программному обеспечению нужно работать с максимальными усилиями. Encord называет эту работу пилотным запуском: создать начальный набор данных, помеченных волнами мозга, протестировать его на реальных моделях робототехники и посмотреть, изменится ли ситуация перед масштабированием.

Какую на самом деле проблему пытаются решить эти компании?

Робототехнический ИИ застрял из-за нехватки данных. Чат-бот ИИ, который вы знаете из инструментов, таких как ChatGPT, был обучен на практически всем интернете, миллиардах страниц текста, собранного практически бесплатно. Физический ИИ, тот, который учит робот-манипулятор наливать кофе или отключать кабель, не может делать то же самое. Вы не можете скрепить склад из веб-сети.

Винит Велмуруган, руководитель отдела машинного обучения роботов Encord и бывший член лаборатории робототехники OpenAI, в резких выражениях описывает разрыв. Он оценивает, что для достижения реального прорыва в физическом ИИ потребуется набор данных, примерно в пять раз превышающий всю видеотеку YouTube. «Данных просто не существует», — сказал он TechCrunch AI.

Чтобы создать его, Encord управляет объектом в Сан-Леандро, где рабочие используют установки типа «лидер-последователь» — спаренные роботические руки, где одной рукой управляет человек, а другая копирует каждое движение, чтобы создавать видеозапись задач, таких как наливание кофе и укладка фишек для покера. На полках хранилищ находятся искусственные цветы, пластиковые овощи, пакеты с кабелями и лотки для кошачьего туалета: реквизит для обучения робот-манипуляторов домашней и складской работе, которую люди хотят автоматизировать.

Encord также использует датчики, читающие мышцы и закрепленные на предплечьях рабочих. Видео рук, манипулирующих объектами, часто упускает часть руки. Датчики на предплечье считывают электрические сигналы, которые производят мышцы, и позволяют Encord создать трехмерную картину того, где находится рука в каждый момент.

Каждый видеоклип получает письменную подпись, описывающую точно, что происходит, например «правая рука затягивает болт». Велмуруган говорит, что такие детальные аннотации в сто раз ценнее неразмеченных видеозаписей для обучения конкретным навыкам и стоят только в двадцать раз больше в производстве. На бумаге это хорошая сделка. На практике это все еще стоит реальных денег, что является моментом, когда сравнение между робототехническим ИИ и чат-ботом ИИ полностью развалится.

Что это означает для обычных людей?

Сегодня ничего тревожного. Но рабочие на этих предприятиях, такие как Сеха и его коллега Софья Инфанте, делают что-то, чего не существовало как профессия пять лет назад: изготавливают сырой материал, из которого учатся программы для роботов. По мере совершенствования этого программного обеспечения, роботы, которых оно обучает, будут выполнять больше физических задач, которые в настоящее время выполняются людьми на складах, в центрах обработки данных и в конечном итоге в домах.

На данный момент обратите внимание на разрыв между тем, что роботы могут делать на демонстрации, и тем, что они могут делать надежно в реальном здании. Этот разрыв — проблема данных, и такие компании, как Encord, пытаются его закрыть.