Цей стартап вважає, що робототехніка незабаром матиме свій момент, подібний до ChatGPT.

Як штучний інтелект втілюється в фізичному світі: нова ера “тілесних” моделей

Від GPT-3 до фізичних “фундаційних” моделей

Раніше, до появи GPT-3, компанії створювали вузькоспеціалізовані моделі обробки природної мови, навчаючи їх на величезних обсягах даних конкретних завдань. Сьогодні більшість організацій використовує загального призначення моделі, такі як GPT, Claude чи Llama, налаштовуючи їх під власні потреби.

Подібний підхід пропонує і Pim de Witte, генеральний директор General Intuition, вважаючи, що embodiment AI теж йтиме цим шляхом. Замість збору величезних наборів реальних даних для кожного робота чи середовища, варто робити ставку на якісні дані, які допоможуть створити універсальні моделі з “інтуїцією” руху і взаємодії.

Чому варто відмовитися від вузької спеціалізації?

За словами де Вітте, багато компаній на сьогодні концентруються на розробці моделей для окремих роботів та унікальних середовищ. Але це нераціонально, адже скоро такі розробки стануть зайвими.

Загальні моделі, як та, яку створює General Intuition, мають базові навички просторово-часового осмислення, що дає змогу суттєво скоротити час та обсяги необхідних реальних даних.

Це означає, що тепер:

• Не потрібно збирати мільйони годин зйомок реального світу;
• Достатньо всього кількох хвилин даних для навчання;
• Моделі швидко адаптуються до нових завдань і умов.

Як General Intuition працює з відеоігровими даними

Компанія створила власну фундаментальну модель, навчаючи її на мільйонах годин відеоігор. Важливо, що модель враховує не лише візуальну інформацію, а й дії гравця: які кнопки і коли він натискав.

Цей унікальний підхід дозволяє формувати інтуїцію щодо просторово-часових відносин, схожу на людську. Інвестор General Intuition, Віно Кхосла, також підкреслює важливість динамічної інформації для розвитку такої розумності.

Потужність моделі на практиці

У минулому місяці стартап залучив $320 мільйонів при оцінці у $2,3 мільярда. Компанія довела, що створена модель може годинами грати у відеогру, а після мінімального довчання (всього 8 хвилин даних) успішно керувати квадрупедним роботом.

Це справжній прорив:

1. Робот зміг працювати лише з передньою камерою, без додаткових сенсорів.
2. Відбувалося це в офісі з динамічною зміною об’єктів і людьми, що рухаються.
3. Модель виявилася здатною до “нульового навчання” (zero-shot), одразу виконуючи поставлені завдання.

Такий успіх демонструє перспективності “тілесних” фундаційних моделей на шляху до універсального штучного інтелекту, здатного динамічно реагувати на реальний світ.

Мета General Intuition: не будувати роботів, а полегшити це іншим

Компанія ставить перед собою амбітне завдання — не створювати власних роботів, а стати базою для інших розробників.

Їхня ціль — створення “фундаційної моделі фізичного ШІ”, яку зможуть використовувати інші стартапи і корпорації для побудови розумних машин. Як каже де Вітте: “Ми не хочемо будувати компанію з безпілотних авто, а зробимо у десять разів простіше створювати таку компанію.”