क्या आपने मोरवेक के विरोधाभास के बारे में सुना है? विरोधाभास बताता है कि उन्नत तर्क को एक कृत्रिम बुद्धिमत्ता (एआई) प्रणाली के लिए बहुत कम कम्प्यूटेशनल शक्ति की आवश्यकता होती है, जबकि अवधारणात्मक-मोटर कौशल को लागू करते हुए जो मनुष्य के लिए लेते हैं, उन्हें भारी कम्प्यूटेशनल संसाधनों की आवश्यकता होती है। संक्षेप में, जटिल तार्किक कार्य एआई के लिए बुनियादी संवेदी कार्यों की तुलना में आसान हैं जो मानव प्रवृत्ति को पूरा कर सकते हैं। यह विरोधाभास इस स्तर पर एआई और मानव संज्ञानात्मक क्षमताओं के बीच अंतर को उजागर करता है।
लोग स्वाभाविक रूप से मल्टीमॉडल हैं। हम में से प्रत्येक एक बुद्धिमान टर्मिनल की तरह है जिसे आमतौर पर शिक्षित (प्रशिक्षित) होने के लिए स्कूल जाने की आवश्यकता होती है, लेकिन उस प्रशिक्षण और सीखने का उद्देश्य और परिणाम यह है कि हमारे पास काम करने और हमेशा बाहरी निर्देशों पर भरोसा किए बिना स्वायत्त रूप से रहने की क्षमता है और नियंत्रण।
हम कई संवेदी तौर -तरीकों जैसे दृष्टि, भाषण, ध्वनि, स्पर्श, स्वाद, और विश्लेषण, कारण, निर्णय लेने और कार्रवाई करने के लिए गंध के माध्यम से हमारे आसपास की दुनिया के बारे में सीखते हैं।
सेंसर फ्यूजन और एआई इवोल्यूशन के वर्षों के बाद, रोबोट काफी हद तक इस स्तर पर मल्टीमॉडल सेंसर से सुसज्जित हैं। जैसा कि हम रोबोट जैसे उपकरणों को किनारे करने के लिए अधिक कंप्यूटिंग शक्ति लाते हैं, ये उपकरण होशियार और होशियार होते जा रहे हैं, अपने परिवेश को संवेदन करने में सक्षम, प्राकृतिक भाषा में समझने और संवाद करने में सक्षम हैं, डिजिटल सेंसिंग इंटरफेस के माध्यम से हेप्टिक्स का अधिग्रहण करते हैं, साथ ही रोबोट की विशिष्ट शक्ति को महसूस करते हैं, कोणीय वेग, और यहां तक कि रोबोट के चारों ओर चुंबकीय क्षेत्र एक्सेलेरोमीटर, गायरोस्कोप और मैग्नेटोमीटर, और बहुत कुछ के संयोजन के माध्यम से।
रोबोटिक्स और मशीन अनुभूति के एक नए युग की ओर
ट्रांसफार्मर और बड़े भाषा मॉडल (एलएलएम) से पहले, एआई में मल्टीमॉडलिटी को लागू करने से आमतौर पर विभिन्न प्रकार के डेटा (पाठ, छवियों, ऑडियो) के लिए जिम्मेदार कई अलग -अलग मॉडलों के उपयोग और एक जटिल प्रक्रिया के माध्यम से विभिन्न तौर -तरीकों के एकीकरण की आवश्यकता होती है।
ट्रांसफार्मर मॉडल और एलएलएम के आगमन के साथ, मल्टीमॉडलिटी अधिक एकीकृत हो गई है, जिससे एक ही मॉडल एक साथ प्रक्रिया करने और कई डेटा प्रकारों को समझने की अनुमति देता है, जिसके परिणामस्वरूप एआई सिस्टम जो अपने पर्यावरण को व्यापक रूप से संवेदन करने में अधिक सक्षम होते हैं। इस बदलाव ने मल्टीमॉडल एआई अनुप्रयोगों की दक्षता और प्रभावशीलता में बहुत सुधार किया है।
जबकि LLM जैसे कि GPT -3 मुख्य रूप से पाठ-आधारित हैं, उद्योग ने बहुपक्षीयता की ओर तेजी से प्रगति की है। Openai की क्लिप और Dall-e से, और अब सोरा और gpt -4 o, उन मॉडलों के उदाहरण हैं जो मल्टीमॉडलिटी और अधिक प्राकृतिक मानव-कंप्यूटर इंटरैक्शन की ओर बढ़ गए हैं। उदाहरण के लिए, क्लिप प्राकृतिक भाषा के साथ जोड़ी बनाई गई छवियों को समझती है, इस प्रकार दृश्य और पाठ संबंधी जानकारी के बीच की खाई को कम करती है; Dall-E का उद्देश्य पाठ्य विवरणों के आधार पर छवियों को उत्पन्न करना है। हम एक समान विकास से गुजरते हुए Google मिथुन मॉडल देखते हैं।
2024 में, मल्टीमॉडल इवोल्यूशन में तेजी आती है। फरवरी में, Openai ने SORA को जारी किया, जो पाठ विवरण के आधार पर यथार्थवादी या कल्पनाशील वीडियो उत्पन्न करता है। जब आप इसके बारे में सोचते हैं, तो यह सार्वभौमिक विश्व सिमुलेटर बनाने के लिए एक आशाजनक मार्ग प्रदान कर सकता है, या प्रशिक्षण रोबोट के लिए एक महत्वपूर्ण उपकरण बन सकता है। तीन महीने के बाद, gpt -4 o ने मानव-रोबोट इंटरैक्शन के प्रदर्शन में काफी सुधार किया है और ऑडियो, विज़न और टेक्स्ट के बीच वास्तविक समय में तर्क करने में सक्षम है। एक नए मॉडल को प्रशिक्षित करने के लिए पाठ, दृश्य और ऑडियो जानकारी का संयोजन इनपुट मोडेलिटी से टेक्स्ट और फिर टेक्स्ट से आउटपुट मोडेलिटी तक दो मोडल संक्रमणों को समाप्त करता है, जो नाटकीय रूप से प्रदर्शन में सुधार करता है।
फरवरी में उसी सप्ताह में, Google ने मिथुन 1.5 जारी किया, जिसने नाटकीय रूप से संदर्भ की लंबाई को 1 मिलियन टोकन तक विस्तारित किया। इसका मतलब यह है कि 1.5 प्रो एक बार में बड़ी मात्रा में जानकारी की प्रक्रिया कर सकता है, जिसमें एक घंटे का वीडियो, 11 घंटे का ऑडियो, और एक कोडबेस शामिल है जिसमें 30 से अधिक, 000 कोड या 700, 000 की लाइनें हैं, 000 शामिल हैं। Words.Gemini 1.5 को ट्रांसफॉर्मर और मिश्रित-सदस्य विशेषज्ञ वास्तुकला (MOE) पर Google के प्रमुख शोध पर बनाया गया है, और ओपन-सोर्स 2 बी और 7 बी मॉडल जिन्हें किनारे पर तैनात किया जा सकता है। मई में Google I/O सम्मेलन में, संदर्भ की लंबाई को दोगुना करने और सामान्य AI टूल और ऐप्स की एक श्रृंखला को जारी करने के अलावा, Google ने प्रोजेक्ट एस्ट्रा के भविष्य के लिए अपनी दृष्टि का पता लगाया, जो एक सामान्य-उद्देश्य AI सहायक है जो मल्टीमॉडल जानकारी को संसाधित करता है। , उस संदर्भ को समझता है जिसमें एक उपयोगकर्ता रखा जाता है, और बहुत ही प्राकृतिक तरीके से बातचीत में लोगों के साथ बातचीत करता है।
ओपन-सोर्स एलएलएम लामा के पीछे कंपनी के रूप में, मेटा जनरल आर्टिफिशियल इंटेलिजेंस (एजीआई) ट्रैक में भी शामिल हो गया।
यह सच्चा बहुपत्नी मशीन खुफिया के स्तर को बढ़ाता है और कई उद्योगों के लिए नए प्रतिमानों को जन्म देगा।
उदाहरण के लिए, रोबोट बहुत सजातीय हुआ करते थे, कुछ सेंसर और लोकोमोशन क्षमताओं के साथ, लेकिन आम तौर पर उनके पास नई चीजों को सीखने और असंरचित और अपरिचित वातावरण के अनुकूल होने के लिए "मस्तिष्क" नहीं होता था।
मल्टीमॉडल एलएलएम से अपेक्षा की जाती है कि वे रोबोट की क्षमता को विश्लेषण, कारण और सीखने की क्षमता को बदल दें, उन्हें विशेषज्ञता से सामान्यीकरण तक ले जाएं। पीसी, सर्वर, और स्मार्टफोन सामान्य-उद्देश्य कंप्यूटिंग प्लेटफार्मों में नेता हैं, और विभिन्न प्रकार के कार्यों को प्राप्त करने के लिए कई अलग-अलग प्रकार के सॉफ़्टवेयर अनुप्रयोग चला सकते हैं। सामान्यीकरण पैमाने को बढ़ाने में मदद करेगा, पैमाने की अर्थव्यवस्थाओं को उत्पन्न करेगा, और कीमतों को नाटकीय रूप से कम किया जा सकता है क्योंकि वे पैमाने पर बढ़ते हैं, जिससे अधिक क्षेत्रों में गोद लेने का एक पुण्य चक्र होता है।
एलोन मस्क ने सामान्यीकृत प्रौद्योगिकी के लाभों को जल्दी से देखा, क्योंकि टेस्ला के रोबोट 2022 में बम्बलबी से ऑप्टिमस जनरल 1 तक विकसित हुए, मार्च 2023 में घोषणा की गई, और जनरल 2, 2023 के अंत में घोषणा की गई, जिसमें लगातार बढ़ती बहुमुखी और सीखने की क्षमताओं के साथ। पिछले 6-12 महीनों में, हमने रोबोटिक्स और ह्यूमनॉइड रोबोटिक्स के क्षेत्र में कई सफलताओं को देखा है।
अगली पीढ़ी के रोबोटिक्स और सन्निहित बुद्धिमत्ता के पीछे नई प्रौद्योगिकियां
इसमें कोई संदेह नहीं है कि हमारे पास अभी भी बहुत काम करना है, इससे पहले कि बुद्धिमत्ता बड़े पैमाने पर उत्पादन तक पहुंच जाए। हमें समय पर निर्णय लेने और नियंत्रण क्रियाओं को करने के लिए सेंसर डेटा जानकारी को संसाधित करने और फ्यूज करने के लिए हल्के डिजाइन, लंबे समय तक रनटाइम्स, और अधिक शक्तिशाली एज कंप्यूटिंग प्लेटफार्मों की आवश्यकता है।
और हम ह्यूमनॉइड रोबोट बनाने की ओर बढ़ रहे हैं; हजारों वर्षों के मानव सभ्यता ने मनुष्यों के लिए डिज़ाइन किए गए सर्वव्यापी वातावरण का उत्पादन किया है, और मानवीय रोबोटिक प्रणालियों से उम्मीद की जाती है कि वे मनुष्यों और पर्यावरण के साथ आराम से बातचीत करने में सक्षम हों और लोगों के रूप में उनकी समानता के कारण मानव-मौजूदा वातावरण में आवश्यक संचालन करें। ये सिस्टम गंदे, खतरनाक और उबाऊ कार्यों जैसे कि रोगी देखभाल और पुनर्वास, आतिथ्य उद्योग में सेवा कार्य, शैक्षिक क्षेत्र में शिक्षण या सीखने के साथियों को पढ़ाने या आपदा प्रतिक्रिया और खतरनाक सामग्री से निपटने जैसे खतरनाक कार्यों को संभालने के लिए अच्छी तरह से अनुकूल होंगे। । इस तरह के अनुप्रयोग प्राकृतिक मानव-रोबोट इंटरैक्शन को सुविधाजनक बनाने के लिए मानवीय मशीन मानव गुणों का उपयोग करते हैं, मानव-केंद्रित स्थानों में कार्य करते हैं, और ऐसे ऐसे कार्य करते हैं जो अक्सर पारंपरिक रोबोटों को पूरा करने के लिए मुश्किल होते हैं।
कई एआई और रोबोटिक्स कंपनियां नए अनुसंधान और सहयोग शुरू कर रही हैं कि कैसे रोबोट को बेहतर कारण और नए असंरचित वातावरण में योजना बनाने के लिए प्रशिक्षित करें। रोबोट के नए "दिमाग" के रूप में, बड़ी मात्रा में डेटा पर पूर्व-प्रशिक्षित मॉडल में उत्कृष्ट सामान्यीकरण क्षमताएं होती हैं, जिससे रोबोट अपने वातावरण को अधिक व्यापक रूप से देखने और समझने की अनुमति देते हैं, संवेदी प्रतिक्रिया के आधार पर उनके आंदोलनों और कार्यों को समायोजित करते हैं, और उनके प्रदर्शन का अनुकूलन करते हैं विभिन्न प्रकार के गतिशील वातावरण में।
एक दिलचस्प उदाहरण के रूप में, बोस्टन डायनेमिक्स के रोबोट डॉग, स्पॉट, एक संग्रहालय में एक टूर गाइड के रूप में कार्य कर सकते हैं, आगंतुकों के साथ बातचीत कर सकते हैं, उन्हें विभिन्न प्रदर्शनों से परिचित करा सकते हैं, और उनके सवालों का जवाब दे सकते हैं। यह विश्वास करना कठिन हो सकता है, लेकिन इस उपयोग के मामले में, स्पॉट के मनोरंजक, इंटरैक्टिव और सूक्ष्म प्रदर्शन यह सुनिश्चित करने की तुलना में अधिक महत्वपूर्ण हैं कि तथ्य सही हैं।
रोबोटिक्स ट्रांसफार्मर: रोबोटिक्स का नया मस्तिष्क
रोबोटिक्स ट्रांसफार्मर (आरटी) तेजी से मल्टीमॉडल इनपुट को सीधे एक्शनबल कोड में अनुवाद करने के लिए विकसित हो रहा है। Google DeepMind का RT -2 इसके पूर्ववर्ती, RT -1 के साथ -साथ 100% सफलता दर के साथ प्रदर्शन करता है, जो पहले देखे गए कार्यों का प्रदर्शन करते हैं। हालांकि, जब पाम-ई (एक रोबोट-उन्मुख सन्निहित मल्टीमॉडल भाषा मॉडल) और पालि-एक्स (एक बड़े पैमाने पर बहुभाषी दृष्टि और भाषा मॉडल, विशेष रूप से रोबोट के लिए डिज़ाइन नहीं किया गया) के साथ प्रशिक्षित किया जाता है, तो आरटी -2 में बेहतर सामान्यीकरण क्षमताएं हैं और अनदेखी कार्यों पर rt -1 को बेहतर बनाता है।
Microsoft ने बड़े पैमाने पर भाषा और दृष्टि सहायक LLAVA की शुरुआत की। मूल रूप से पाठ-आधारित कार्यों के लिए डिज़ाइन किया गया, llava डेटा का पालन करने के लिए मल्टीमॉडल निर्देशों के लिए एक नया प्रतिमान बनाने के लिए GPT -4 की शक्ति का लाभ उठाता है, मूल रूप से पाठ और दृश्य घटकों को एकीकृत करता है, जो रोबोटिक कार्यों के लिए उपयोगी हो सकता है। इसके परिचय पर, LLAVA ने मल्टीमॉडल चैट और वैज्ञानिक क्विज़िंग कार्यों के लिए नए रिकॉर्ड बनाए, जो पहले से ही मानव औसत क्षमताओं से अधिक है।
जैसा कि पहले उल्लेख किया गया है, टेस्ला का ह्यूमनॉइड और एआई सामान्य उद्देश्य रोबोटिक्स न केवल महत्वपूर्ण है क्योंकि यह पैमाने और बड़े पैमाने पर उत्पादन के लिए डिज़ाइन किया गया है, बल्कि इसलिए भी कि ऑटोमोबाइल के लिए टेस्ला के ऑटोपायलट के मजबूत पूरी तरह से सेल्फ-ड्राइविंग (एफएसडी) प्रौद्योगिकी फाउंडेशन का उपयोग किया जा सकता है। रोबोट। टेस्ला के पास अपनी नई ऊर्जा वाहन उत्पादन प्रक्रिया में ऑप्टिमस को लागू करने के लिए एक स्मार्ट विनिर्माण उपयोग का मामला भी है।
हाथ रोबोटिक्स के भविष्य की आधारशिला है
एआरएम का मानना है कि रोबोट मस्तिष्क, दोनों "बड़े मस्तिष्क" और "थोड़ा मस्तिष्क", एक विषम एआई कंप्यूटिंग प्रणाली होनी चाहिए जो बेहतर प्रदर्शन, वास्तविक समय की प्रतिक्रिया और ऊर्जा दक्षता प्रदान करती है।

रोबोटिक्स में बुनियादी संगणना (जैसे, और मोटर्स से सिग्नल भेजना और प्राप्त करना), उन्नत डेटा प्रोसेसिंग (जैसे, छवि और सेंसर डेटा की व्याख्या करना), और पहले उल्लेखित मल्टीमॉडल एलएलएम को चलाना शामिल है। सीपीयू सामान्य-उद्देश्य कार्यों के लिए अच्छी तरह से अनुकूल है, जबकि एआई गैस पैडल और जीपीयू अधिक कुशलता से समानांतर-प्रसंस्करण कार्यों को संभाल सकते हैं, जैसे कि मशीन लर्निंग (एमएल) और ग्राफिक्स प्रसंस्करण। अतिरिक्त गैस पैडल जैसे कि छवि सिग्नल प्रोसेसर और वीडियो कोडेक को रोबोट की दृष्टि क्षमताओं और भंडारण/संचरण दक्षता को बढ़ाने के लिए भी एकीकृत किया जा सकता है। इसके अलावा, सीपीयू में वास्तविक समय की जवाबदेही होनी चाहिए और लिनक्स और आरओएस पैकेज जैसे ऑपरेटिंग सिस्टम चलाने में सक्षम होने की आवश्यकता है।
जब रोबोट सॉफ्टवेयर स्टैक में विस्तारित किया जाता है, तो ऑपरेटिंग सिस्टम लेयर को एक रियल-टाइम ऑपरेटिंग सिस्टम (आरटीओ) की भी आवश्यकता हो सकती है जो समय-महत्वपूर्ण कार्यों को मज़बूती से संभाल सकता है, साथ ही रोबोटिक्स के लिए अनुकूलित लिनक्स वितरण, जैसे कि आरओएस, जो प्रदान कर सकता है विषम कंप्यूटिंग समूहों के लिए डिज़ाइन की गई सेवाएं। हम मानते हैं कि एआरएम-प्रायोजित मानकों और प्रमाणन कार्यक्रम जैसे कि सिस्टमरेड और पीएसए प्रमाणित रोबोट सॉफ्टवेयर के विकास को स्केल करने में मदद करेंगे। SystemReady को यह सुनिश्चित करने के लिए डिज़ाइन किया गया है कि मानक समृद्ध OS वितरण ARM आर्किटेक्चर के आधार पर सिस्टम-ऑन-चिप्स (SOCS) की एक विस्तृत श्रृंखला पर चलते हैं, जबकि PSA प्रमाणित जुड़े उपकरणों के लिए क्षेत्रीय सुरक्षा और विनियामक आवश्यकताओं को पूरा करने के लिए सुरक्षा कार्यान्वयन समाधान को सरल बनाने में मदद करता है।
एआई रोबोट और ह्यूमनॉइड रोबोट के विकास में बड़े पैमाने पर मल्टीमॉडल मॉडल और जेनेरिक एआई हेराल्ड में एक नए युग में अग्रिम। एआई कंप्यूटिंग और पारिस्थितिक तंत्र के साथ, ऊर्जा दक्षता, सुरक्षा और कार्यात्मक सुरक्षा इस नए युग में रोबोटिक्स मुख्यधारा बनाने के लिए आवश्यक हैं। एआरएम प्रोसेसर पहले से ही रोबोटिक्स में व्यापक रूप से उपयोग किए जाते हैं, और हम एआरआई रोबोटिक्स के भविष्य की आधारशिला बनाने के लिए पारिस्थितिकी तंत्र के साथ मिलकर काम करने के लिए तत्पर हैं।




