หัวข้อ: คลื่นสมอง: กุญแจดอกต่อไปสู่หุ่นยนต์อัจฉริยะทางกายภาพ?

แนวหน้าของ AI ทางกายภาพ (Physical AI) กำลังถูกทดสอบในเกม Jenga ที่คลังสินค้าในซานเลอันโดร รัฐแคลิฟอร์เนีย คลังสินค้านี้เป็นของ Encord บริษัทที่สร้างเครื่องมือจัดการข้อมูลสำหรับฝึกโมเดล AI Andrew Ceja เป็นนักบิน (คำที่บริษัทใช้เรียกผู้ฝึกหุ่นยนต์) เขากำลังดึงบล็อกไม้จากหอคอยที่กำลังจะล้มอย่างระมัดระวัง ขณะสวมชุดหูฟังที่มีกล้องติดตามสิ่งที่เขาเห็น ซึ่งเป็นเรื่องปกติสำหรับการเก็บข้อมูลฝึกหุ่นยนต์ แต่ชุดหูฟังนี้ยังมีเซ็นเซอร์วัดคลื่นสมองของเขาขณะที่เขาค่อยๆ รื้อหอคอยบล็อก Encord เป็นหนึ่งในสตาร์ทอัพที่เพิ่มจำนวนขึ้นเรื่อยๆ ซึ่งเชื่อว่าข้อจำกัดที่แท้จริงต่อไปของหุ่นยนต์ฮิวแมนนอยด์และหุ่นยนต์ในคลังสินค้าจะเป็นความขาดแคลนข้อมูลฝึกอบรมทางกายภาพในโลกจริง และกำลังสร้างธุรกิจไม่เพียงเพื่อจัดการข้อมูลนั้น แต่เพื่อผลิตมันขึ้นมา ชุดหูฟังวัดคลื่นสมองที่ Ceja สวมใส่สร้างโดย Zander Labs สตาร์ทอัพด้านประสาทวิทยาศาสตร์จากเยอรมนี ที่เชื่อว่าการวัดกิจกรรมของสมอง (เพื่ออนุมานสภาวะทางจิต เช่น ข้อผิดพลาด ความตั้งใจ และความประหลาดใจ) สามารถสร้างชุดข้อมูลที่มีประโยชน์มากขึ้นสำหรับฝึกโมเดล การทำงานร่วมกันของ Encord กับ Zander เป็นการทดลองเบื้องต้น Encord กล่าวว่าเป้าหมายคือสร้างชุดข้อมูลที่ติดแท็กคลื่นสมองเบื้องต้น นำไปทดสอบกับโมเดลหุ่นยนต์ของลูกค้า และประเมินว่ามันช่วยปรับปรุงประสิทธิภาพหรือไม่ ก่อนตัดสินใจขยายขนาด Lukas Gehrke นักประสาทวิทยาของ Zander ที่ดูแลงานนี้ กล่าวว่าปริมาณกิจกรรมสมองที่ใช้ในช่วงเวลาใดๆ ของงานที่กำหนดให้เบาะแสแก่ผู้สร้างโมเดลที่พยายามหาว่าเมื่อใดที่ต้องใช้โมเดลที่ใช้ความพยายามสูงสุด นี่คือ “ขอบที่คมกริบ” (bleeding edge) ของความพยายามแก้ปัญหาคอขวดด้านข้อมูลหุ่นยนต์ ตามที่ Vineeth Velmurugan หัวหน้าฝ่ายการเรียนรู้หุ่นยนต์ของ Encord กล่าว อดีตพนักงานของห้องปฏิบัติการหุ่นยนต์ OpenAI และ Berkshire Grey บริษัทระบบอัตโนมัติในคลังสินค้า Velmurugan เข้าร่วม Encord เพื่อสร้างทีมผลิตข้อมูลภายในของบริษัท Encord ก่อตั้งขึ้นเพื่อช่วยบริษัทที่สร้างแอปพลิเคชัน machine vision (การมองเห็นด้วยเครื่อง) ในการติดป้ายข้อมูลและประเมินโมเดล เมื่อลูกค้าของพวกเขา — Velmurugan กล่าวว่าพวกเขาทำงานกับบริษัทหุ่นยนต์ชั้นนำหลายแห่ง แต่เขาไม่ได้รับอนุญาตให้เปิดเผยชื่อ — เริ่มใช้การเรียนรู้แบบ end-to-end (การเรียนรู้จากต้นทางถึงปลายทาง) กับงานควบคุมหุ่นยนต์ ผู้บริหารตระหนักว่าพวกเขาจะต้องผลิตข้อมูลฝึกอบรมด้วยตนเอง แทนที่จะจัดการเพียงอย่างเดียว “ข้อมูลไม่มีอยู่จริง” Velmurugan กล่าว ความเชื่อที่ว่า generative AI (AI เชิงสร้างสรรค์) สามารถทำเพื่อหุ่นยนต์ในสิ่งที่มันทำเพื่อแชทบอท กลับเจอกำแพงเดิมนี้เสมอ บริษัทรถยนต์ขับเคลื่อนอัตโนมัติเก็บข้อมูลโลกจริงด้วยตนเอง แต่มันยากที่จะขยายขนาด การฝึกจากวิดีโออาจใช้ได้ แต่ขาดความแม่นยำของข้อมูลโลกจริง Velmurugan กล่าวว่าจะต้องใช้ชุดข้อมูลที่มีขนาดประมาณห้าเท่าของคลังวิดีโอ YouTube เพื่อทะลุผ่าน — ขนาดที่ช่วยอธิบายว่าทำไมการผลิตข้อมูลเองจึงกลายเป็นธุรกิจ ไม่ใช่แค่ปัญหาการวิจัย ป้อนความต้องการข้อมูลแบบ egocentric (ข้อมูลที่เน้นมุมมองของผู้ใช้) ของคุณ บริษัทที่สร้างสมองหุ่นยนต์กำลังหันไปใช้สองวิธีหลัก

แหล่งที่มา: techcrunch

คำศัพท์เทคนิคที่น่าสนใจ

• Physical AI – ปัญญาประดิษฐ์ที่ทำงานในโลกจริง เช่น หุ่นยนต์ที่เคลื่อนไหวและโต้ตอบกับสิ่งแวดล้อม
• โมเดล AI – โปรแกรมคอมพิวเตอร์ที่ถูกฝึกให้เรียนรู้จากข้อมูลและทำงานเฉพาะอย่าง เช่น การจดจำภาพหรือการควบคุมหุ่นยนต์
• เซ็นเซอร์ – อุปกรณ์ที่ใช้ตรวจจับหรือวัดสัญญาณทางกายภาพ เช่น คลื่นสมอง อุณหภูมิ หรือการเคลื่อนไหว
• สตาร์ทอัพ – บริษัทที่เพิ่งเริ่มก่อตั้ง มักมีนวัตกรรมและมีศักยภาพในการเติบโตสูง
• หุ่นยนต์ฮิวแมนนอยด์ – หุ่นยนต์ที่ออกแบบให้มีรูปร่างและลักษณะคล้ายมนุษย์ เช่น มีสองขา สองแขน
• ประสาทวิทยาศาสตร์ – สาขาวิชาที่ศึกษาระบบประสาทและสมอง เพื่อเข้าใจการทำงานและการตอบสนองของร่างกาย
• นักประสาทวิทยา – ผู้เชี่ยวชาญที่ศึกษาหรือรักษาโรคเกี่ยวกับระบบประสาทและสมอง
• Bleeding edge – เทคโนโลยีที่ล้ำสมัยมากจนอาจยังไม่เสถียรหรือมีความเสี่ยงสูง ใช้เพื่ออธิบายนวัตกรรมที่ก้าวหน้ากว่า 'cutting edge'
• คอขวด – จุดที่เป็นอุปสรรคหรือข้อจำกัดในกระบวนการ ทำให้การทำงานโดยรวมช้าลงหรือติดขัด
• Machine vision – เทคโนโลยีที่ทำให้คอมพิวเตอร์หรือเครื่องจักรสามารถมองเห็นและวิเคราะห์ภาพหรือวิดีโอได้เหมือนมนุษย์
• การเรียนรู้แบบ end-to-end – วิธีการฝึกโมเดล AI ให้ทำงานทั้งหมดตั้งแต่รับข้อมูลดิบจนถึงผลลัพธ์สุดท้าย โดยไม่ต้องแบ่งเป็นขั้นตอนย่อย
• Generative AI – ปัญญาประดิษฐ์ที่สามารถสร้างเนื้อหาใหม่ เช่น ข้อความ รูปภาพ หรือเสียง จากข้อมูลที่เรียนรู้มา
• ข้อมูลแบบ egocentric – ข้อมูลที่บันทึกจากมุมมองของบุคคลหรือหุ่นยนต์โดยตรง เช่น ภาพจากกล้องที่ติดบนศีรษะ