San Leandro, Kaliforniya'daki bir depoda, fiziksel yapay zekanın sınırları adeta bir Jenga oyunuyla sınanıyor. Encord adlı şirket, yapay zeka modellerini eğitmek için kullanılan veri araçları geliştiriyor. Andrew Ceja, şirketin 'robotik eğitmenleri' olarak adlandırdığı pilotlardan biri. Elinde bir kafa bandı ve takip kamerasıyla, titreyen kuledeki ahşap blokları dikkatle çekiyor. Bu, robot eğitim verisi toplamak için oldukça yaygın bir yöntem olsa da, Ceja'nın taktığı bu kafa bandı, blokları dikkatle çıkarırken beyin dalgalarını da ölçen sensörlere sahip.
YAPAY ZEKA EĞİTİMİNDE YENİ SINIR: FİZİKSEL VERİ KESİNTİSİ
Encord, insanımsı ve depo robotiklerinin gelecekteki ilerlemesinin model mimarisinden değil, gerçek dünya fiziksel eğitim verilerinin kıtlığından kaynaklanacağına inanan, az sayıda ama büyüyen girişimlerden biri. Sadece robotik şirketlerinin mevcut verilerini yönetmelerine yardımcı olmak yerine, Encord sahip olmadıkları verileri üretme üzerine bir iş modeli inşa ediyor. Ceja'nın taktığı beyin dalgası kafa bandı, hata, niyet ve şaşkınlık gibi zihinsel durumları çıkarmak için beyin aktivitesini ölçerek daha kullanışlı bir veri seti oluşturabileceğine inanan Alman nörobilim girişimi Zander Labs tarafından geliştirildi. Encord'un Zander ile olan çalışması şu anda bir deneme aşamasında. Amaç, ilk beyin dalgası etiketli veri setini oluşturmak, bunu müşteri robotik modellerinde çalıştırmak ve ölçeklendirmeye karar vermeden önce performansı gerçekten iyileştirip iyileştirmediğini değerlendirmek.
VERİ ÜRETİMİ, FİZİKSEL YAPAY ZEKA İÇİN YENİ EKONOMİ YARATIYOR
Lucas Gehrke, Zander'dan bir nörobilimci ve bu çalışmayı denetliyor. Gehrke'ye göre, belirli bir görev sırasında herhangi bir noktada kullanılan beyin aktivitesi miktarı, en yüksek efor gerektiren modellerini ne zaman devreye sokmaları gerektiğini anlamaya çalışan model oluşturucular için ipuçları sunuyor. Encord'un robot öğrenme başkanı Vineeth Velmurugan'a göre bu, robotik veri darboğazını çözme çabasının 'en uç noktası'. OpenAI'nin robot laboratuvarı ve depo otomasyon firması Berkshire Grey'de deneyimli olan Velmurugan, şirketin iç veri oluşturma ekibini kurmak için Encord'a katıldı. Encord, makine görüşü uygulamaları geliştiren şirketlerin verileri etiketlemesine ve modelleri değerlendirmesine yardımcı olmak için kuruldu. Müşterileri, Velmurugan'ın isimlerini vermeye yetkili olmadığını belirttiği birçok önde gelen robotik firmasıyla çalıştıklarını söylüyor, robotik manipülasyon görevlerine uçtan uca öğrenme uygulamaya başladıklarında, yöneticiler verileri sadece yönetmek yerine kendilerinin üretmesi gerekeceğini fark ettiler. Velmurugan, "Veri basitçe mevcut değil" diyor. Üretken yapay zekanın sohbet botları için yaptığı şeyi robotlar için de yapabileceği bahsi, aynı duvara tosluyor. Büyük dil modelleri (LLM'ler) tüm internetin ve daha fazlasının metni üzerine inşa edildi. Fiziksel manipülasyon hakkında sinir ağlarını öğretmek için aynı ham maddeleri bulmak zorlu: Kendi kendine giden otomobil şirketleri bunu kendileri topluyor, ancak bu ölçeklenmesi zor. Videodan eğitim işe yarayabilir, ancak gerçek dünya verilerinin sadakatinden yoksundur. Velmurugan, aşmak için YouTube'un video veri kümesinin yaklaşık beş katı büyüklüğünde bir veri kümesi gerekeceğini söylüyor; bu ölçek, veri üretiminin kendisinin neden bir araştırma problemi değil, bir iş haline geldiğini açıklamaya yardımcı oluyor.
