Mengapa chatgpt membantu Anda menulis esai tetapi tidak dapat melipat cucian Anda? Beberapa peneliti sedang mengerjakan perangkat lunak yang akan memungkinkan robot untuk memahami dan menjalankan perintah.
ADVERTISEMENT
SCROLL TO RESUME CONTENT
Ailsa Chang, tuan rumah:
Kecerdasan buatan dapat menemukan Anda resep atau menghasilkan gambar, tetapi tidak dapat menggantung gambar itu di dinding atau memasak makan malam Anda, setidaknya, belum. Beberapa peneliti sekarang berusaha membuat AI bekerja di dunia nyata dengan memasukkannya ke dalam robot. NPR's Geoff Brumfiel memiliki lebih banyak.
Geoff Brumfiel, Byline: Di sebuah laboratorium di Stanford University, mahasiswa pascasarjana Moo Jin Kim sedang mengerjakan jenis robot baru yang ditenagai oleh AI, mirip dengan AI yang digunakan dalam chatbots.
Moo Jin Kim: Ini satu langkah ke arah, seperti, chatgpt untuk robotika, tetapi masih banyak pekerjaan yang harus dilakukan.
Brumfiel: Oke. Baiklah. Nah, Anda ingin menunjukkan kepada saya bagaimana – tunjukkan apa yang bisa dilakukannya?
Kim: Ya, pasti. Jadi…
Brumfiel: Robot itu sendiri sangat biasa -biasa saja – hanya sepasang lengan mekanis dengan penjepit. Apa yang membuatnya berbeda adalah apa yang ada di dalam. Robot biasa harus diprogram dengan hati -hati. Seorang insinyur harus menulis instruksi terperinci untuk setiap tugas. Tetapi robot ini didukung oleh jaringan saraf AI yang dapat diajar. Kim telah melatihnya bagaimana melakukan banyak tugas yang berbeda hanya dengan menunjukkannya.
Kim: Jadi pada dasarnya, seperti, tugas apa pun yang ingin Anda lakukan, Anda terus melakukannya berulang -ulang, mungkin seperti, 50 kali atau 100 kali.
Brumfiel: Jaringan saraf AI robot belajar, dan kemudian melakukan tugas dengan sendirinya. Kim mengeluarkan nampan berbagai jenis campuran jejak, dan saya mengetik apa yang saya ingin lakukan.
Oke, jadi ambil beberapa yang hijau dengan kacang ke dalam mangkuk.
Kim: Baiklah.
Brumfiel: Lihat apa yang terjadi.
Gagasan bahwa Anda bisa memberi tahu robot untuk melakukan sesuatu dengan cepat adalah impian Chelsea Finn. Dia memimpin laboratorium di Stanford.
Chelsea Finn: Jadi dalam jangka panjang, kami ingin mengembangkan perangkat lunak yang akan memungkinkan robot untuk beroperasi secara cerdas dalam situasi apa pun.
Brumfiel: Dengan cerdas, dia berarti robot bisa memahami perintah sederhana, seperti menyendok beberapa yang hijau ke dalam mangkuk, dan mengeksekusi di dunia nyata.
Finn: Bahkan hanya untuk melakukan hal -hal yang sangat mendasar, seperti bisa membuat sandwich atau bisa membersihkan dapur atau bisa mengisi kembali rak -rak toko kelontong.
Brumfiel: Pekerjaan sederhana dan membosankan banyak manusia ingin mendapatkan bantuan dari mesin. Finn juga pendiri startup yang disebut kecerdasan fisik. Baru -baru ini menunjukkan robot seluler yang bisa mengeluarkan binatu dari pengering dan melipatnya. Sekali lagi, robot itu diajarkan oleh manusia yang melatih program AI yang kuat.
Finn: Dalam hal ini, kami sebenarnya memiliki stasiun kerja yang ada di apartemen yang menghitung tindakan dan kemudian mengirimkannya melalui jaringan ke robot.
Brumfiel: Jadi kita tidak perlu khawatir tentang robot yang mengambil alih di luar jajaran Wi-Fi.
Finn: (Tertawa) Saya pikir itu, seperti – saya tidak berpikir kita harus khawatir mereka mengambil alih sama sekali. Kita hanya bisa membuang air pada mereka, dan dalam kebanyakan kasus, mereka tetap tidak bekerja jadi …
Brumfiel: Robot AI ini masih bingung, salah paham, membuat kesalahan dan macet.
Ken Goldberg: Robot tidak akan tiba -tiba menjadi mimpi fiksi ilmiah dalam semalam.
Brumfiel: Ken Goldberg adalah seorang profesor di University of California di Berkeley yang mempelajari robotika. Memang benar bahwa penulisan teks AI telah meningkat secara besar-besaran selama beberapa tahun terakhir, tetapi itu karena chatbots memiliki banyak data untuk dipelajari. Mereka pada dasarnya telah mengambil seluruh internet untuk melatih diri mereka sendiri cara menulis kalimat dan menggambar. Tapi, kata Goldberg …
Goldberg: Untuk robotika, tidak ada apa -apa. Kami tidak punya apa -apa untuk memulai, bukan? Tidak ada contoh online perintah robot yang dihasilkan sebagai tanggapan terhadap input robot.
Brumfiel: Dan jika robot membutuhkan data sebanyak teman chatbot virtual mereka, maka memiliki manusia mengajari mereka satu tugas pada satu waktu akan memakan waktu cukup lama.
Goldberg: Anda tahu, pada tingkat ini, kami akan membutuhkan waktu 100.000 tahun untuk mendapatkan banyak data.
Brumfiel: Satu solusi mungkin untuk membiarkan AI belajar di dalam simulasi komputer. Para peneliti di Swiss baru-baru ini melatih drone bagaimana balapan dengan menempatkan otak bertenaga AI ke dalam simulator dan menjalankannya melalui kursus yang telah ditetapkan berulang kali.
(Soundbite of Drone Flying)
Brumfiel: Ketika masuk ke dunia nyata, ia mampu secara teratur menerbangkan kursus dalam ruangan lebih cepat dan lebih baik daripada lawan manusia yang terampil.
(Soundbite of Drone Flying)
Brumfiel: Tapi apa pun yang tidak disimulasikan – angin, hujan, sinar matahari – bisa membuat drone jatuh, dan terbang di sekitar cukup sederhana. Mencoba berinteraksi dengan barang -barang, seperti cucian lipat, yang menjadi sangat sulit untuk disimulasikan. Jadi pelatihan dunia nyata terlalu lambat. Simulasi meninggalkan beberapa detail penting. Dan beberapa peneliti berpikir ada masalah yang lebih dalam dalam mencoba memasukkan AI ke dalam robot. Salah satunya adalah Matthew Johnson-Roberson di Universitas Carnegie Mellon di Pittsburgh.
Matthew Johnson-Roberson: Dalam pikiran saya, pertanyaannya tidak, apakah kita memiliki cukup data? Lebih, apa pembingkaian masalahnya?
Brumfiel: Kembali ke AI Chatbots sebentar, Johnson -Roberson mengatakan, untuk semua keterampilan mereka yang luar biasa, tugas yang kami minta mereka lakukan relatif sederhana – lihatlah apa yang tipe manusia dan kemudian mencoba memprediksi kata -kata berikutnya yang ingin dilihat pengguna. Robot harus melakukan lebih dari sekadar menyusun kalimat.
Johnson-Roberson: Prediksi kata terbaik berikutnya bekerja dengan sangat baik, dan ini adalah masalah yang sangat sederhana karena Anda hanya memprediksi kata berikutnya. Dan tidak jelas sekarang – saya dapat mengambil 20 jam rekaman GoPro dan kemudian menghasilkan sesuatu yang masuk akal sehubungan dengan bagaimana robot bergerak di dunia.
Brumfiel: Dengan kata lain, tugas yang kami ingin robot sci-fi kami lakukan sangat rumit dibandingkan dengan penulisan kalimat, tidak ada jumlah data yang cukup kecuali para peneliti dapat menemukan cara yang lebih baik untuk mengajar robot.
Kembali di lab Chelsea Finn, mahasiswa pascasarjana Moo Jin Kim dan saya menonton ketika robot mencoba untuk mengambil campuran jejak yang saya minta. Pada umpan video, ia menempatkan X di tempat sampah kanan, untuk melegakan Kim.
Kim: Biasanya, tempat itu di sana, di mana ia mengidentifikasi objek dan pergi ke sana, itulah bagian di mana kita menahan napas (tawa).
Brumfiel: Kemudian sangat lambat dan ragu -ragu, ia mencapai dengan cakarnya dan mengambil sendok.
(Soundbite of Trail Mix Dropping)
Brumfiel: Moo Jin, apakah saya baru saja memprogram robot?
Kim: (Tertawa) Anda melakukannya. Sepertinya itu berhasil.
Brumfiel: Ini sendok yang sangat kecil, tetapi sendok ke arah yang benar.
Geoff Brumfiel, NPR News.
(Soundbite of Music)
Hak Cipta © 2025 NPR. Semua hak dilindungi undang -undang. Kunjungi halaman penggunaan dan izin situs web kami di www.npr.org untuk informasi lebih lanjut.
Transkrip NPR dibuat pada tenggat waktu terburu -buru oleh kontraktor NPR. Teks ini mungkin tidak dalam bentuk akhir dan dapat diperbarui atau direvisi di masa depan. Akurasi dan ketersediaan dapat bervariasi. Catatan otoritatif pemrograman NPR adalah catatan audio.
RakyatPos.ID Network
