Μια νέα μορφή εργασίας αναδύεται καθώς οι εταιρείες προσπαθούν να εκπαιδεύσουν ανθρωποειδή ρομπότ να λειτουργούν σε πραγματικά περιβάλλοντα. Χιλιάδες άνθρωποι σε όλο τον κόσμο καταγράφουν τον εαυτό τους να εκτελεί καθημερινές δουλειές, δημιουργώντας υλικό που χρησιμοποιείται για την εκπαίδευση μηχανών.
Με μια κάμερα στο κεφάλι ή απλώς με ένα κινητό, οι συμμετέχοντες βιντεοσκοπούν εργασίες όπως το μαγείρεμα, το καθάρισμα, την κηπουρική ή τη φροντίδα κατοικιδίων. Οι οδηγίες είναι συγκεκριμένες και συνοδεύονται από λίστες εργασιών, ενώ κάθε εβδομάδα πρέπει να παραδίδονται αρκετές ώρες βίντεο.
Το υλικό αυτό αποτελεί τη βάση για την ανάπτυξη ρομπότ που θα μπορούν να εκτελούν εργασίες σε σπίτια, καταστήματα ή χώρους εργασίας. Παρά την πρόοδο της τεχνητής νοημοσύνης, αυτό παραμένει το πιο δύσκολο στάδιο. Τα ρομπότ μπορούν ήδη να περπατούν ή να εκτελούν εντυπωσιακές κινήσεις, όμως δυσκολεύονται σε απλές καθημερινές ενέργειες που απαιτούν προσαρμογή σε μεταβαλλόμενο περιβάλλον.
Για να ξεπεραστεί αυτό το εμπόδιο, οι εταιρείες στρέφονται σε δεδομένα από τον πραγματικό κόσμο. Σε αντίθεση με τα γλωσσικά μοντέλα που εκπαιδεύτηκαν σε τεράστιους όγκους κειμένου από το διαδίκτυο, τα ρομπότ χρειάζονται οπτική και κινητική πληροφορία από ανθρώπινες κινήσεις.
Νέα αγορά για POV βίντεο από δουλειές του σπιτιού
Έτσι έχει αυξηθεί η ζήτηση για βίντεο «πρώτου προσώπου», δηλαδή καταγραφές από την οπτική του ανθρώπου που εκτελεί μια εργασία. Νεοφυείς εταιρείες οργανώνουν δίκτυα συνεργατών σε δεκάδες χώρες για να συλλέγουν και να επεξεργάζονται αυτό το υλικό.
Η Micro1, με έδρα την Καλιφόρνια, έχει δημιουργήσει ένα τέτοιο δίκτυο με χιλιάδες συνεργάτες σε 71 χώρες. Κάθε μήνα συγκεντρώνει περισσότερες από 160.000 ώρες βίντεο, ποσότητα που σύμφωνα με την εταιρεία παραμένει ανεπαρκής.
Οι ανάγκες εκπαίδευσης είναι πολύ μεγαλύτερες. Όπως επισημαίνουν στελέχη του κλάδου, απαιτούνται τεράστιοι όγκοι δεδομένων για να μπορέσουν τα ρομπότ να ανταποκριθούν σε διαφορετικά περιβάλλοντα και εργασίες, από αποθήκες και καταστήματα μέχρι νοσοκομεία και κατοικίες.
Η ζήτηση για τέτοια δεδομένα αυξάνεται με ρυθμούς που θυμίζουν τα πρώτα στάδια ανάπτυξης των συστημάτων τεχνητής νοημοσύνης που βασίζονται σε κείμενο. Όπως τα μοντέλα τύπου ChatGPT εκπαιδεύτηκαν σε τεράστιους όγκους γραπτού λόγου, έτσι και τα ρομπότ χρειάζονται αντίστοιχα μεγάλες ποσότητες οπτικών και κινητικών δεδομένων για να «μάθουν» τον κόσμο.
Η διαφορά είναι ότι αυτό το υλικό δεν υπάρχει ήδη συγκεντρωμένο. Πρέπει να παραχθεί από την αρχή, κάτι που δημιουργεί μια νέα αγορά γύρω από τη συλλογή και την επεξεργασία δεδομένων.
Εταιρείες όπως η Micro1 δεν περιορίζονται στη συλλογή βίντεο. Προχωρούν και στην επισήμανση του υλικού, ώστε τα ρομπότ να μπορούν να αναγνωρίζουν αντικείμενα, αποστάσεις και κινήσεις. Πρόκειται για μια αγορά που εκτιμάται ότι θα φτάσει τουλάχιστον τα 10 δισ. δολάρια έως το 2030, με ετήσια ανάπτυξη περίπου 30%.
Ωστόσο, η ποιότητα των δεδομένων παραμένει πρόκληση. Ο Ράβι Ρατζαλίνγκαμ, ιδρυτής της εταιρείας Objectways, αναφέρει ότι μόνο περίπου το μισό από το υλικό που συγκεντρώνεται είναι τελικά αξιοποιήσιμο.
Πώς γίνεται η συλλογή δεδομένων
Η συλλογή δεδομένων γίνεται σε πολλές χώρες, καθώς τα περιβάλλοντα διαφέρουν σημαντικά. Μια κουζίνα στην Ινδία δεν μοιάζει με μια κουζίνα στις Ηνωμένες Πολιτείες, ενώ ακόμη και απλά αντικείμενα όπως μια σκούπα έχουν διαφορετική μορφή και χρήση. Αυτό σημαίνει ότι τα ρομπότ πρέπει να εκπαιδευτούν σε μεγάλη ποικιλία συνθηκών.
Παράλληλα, το κόστος διαφέρει σημαντικά ανά περιοχή. Σε ορισμένες περιπτώσεις, εταιρείες πληρώνουν υψηλότερα ποσά για δεδομένα από αμερικανικά νοικοκυριά, θεωρώντας ότι εκεί θα υπάρξει ταχύτερη υιοθέτηση των ανθρωποειδών ρομπότ.
Το βασικό εμπόδιο για τα ρομπότ
Ωστόσο, το βασικό εμπόδιο παραμένει η πολυπλοκότητα της καθημερινής ζωής. Σε ένα σπίτι, τα αντικείμενα αλλάζουν θέση, οι συνθήκες διαφέρουν συνεχώς και η παρουσία ανθρώπων δημιουργεί απρόβλεπτες καταστάσεις.
Όπως επισημαίνουν ερευνητές, αυτό που λείπει από τα ρομπότ δεν είναι μόνο τα δεδομένα, αλλά μια μορφή «διαίσθησης» για τον τρόπο που λειτουργεί ο φυσικός κόσμος, κάτι που οι άνθρωποι αποκτούν με την εμπειρία.
Η πρόκληση αυτή αποτυπώνεται και στις επιδόσεις των συστημάτων. Σε βιομηχανικά περιβάλλοντα, όπου οι συνθήκες είναι σταθερές, τα ρομπότ μπορούν να εκτελούν εργασίες με πολύ υψηλά ποσοστά επιτυχίας. Στο σπίτι όμως, ακόμη και απλές εργασίες, όπως το δίπλωμα ρούχων, δεν εκτελούνται με την αξιοπιστία που απαιτείται για εμπορική χρήση.
Παράλληλα, τίθενται ζητήματα ασφάλειας. Ένα ρομπότ που δεν μπορεί να διακρίνει σωστά αντικείμενα ή να αντιληφθεί το περιβάλλον του μπορεί να προκαλέσει σοβαρά προβλήματα, ιδιαίτερα σε χώρους όπου υπάρχουν παιδιά ή κατοικίδια.
Οι ειδικοί εκτιμούν ότι η ευρεία χρήση ανθρωποειδών ρομπότ στην καθημερινότητα δεν είναι άμεση υπόθεση. Τα επόμενα χρόνια θα επικεντρωθούν κυρίως στη βελτίωση της εκπαίδευσης και στην κατανόηση του είδους των δεδομένων που απαιτούνται.
Το ερώτημα, όπως σημειώνουν, δεν είναι μόνο πότε τα ρομπότ θα μπορέσουν να αντικαταστήσουν τον άνθρωπο σε καθημερινές εργασίες, αλλά και πώς θα γίνει αυτό με τρόπο ασφαλή και αξιόπιστο.
Με πληροφορίες από CNN
