Makine öğrenimi modellerini hareket edebilen gövdelere ve robotlara bağlayan somut yapay zekâ sektörü güçlü bir yatırım dalgası yaşıyor; ancak donanımdaki gelişim, henüz değer taşıyan işleri güvenilir biçimde gerçekleştirme becerisindeki benzer bir ilerlemeyle desteklenmiş değil. Bu boşluk sektörün mevcut durumunu özetliyor: Robotlar fiziksel olarak daha yetenekli hâle geldi, ancak gerçek dünyayla başa çıkmak için gereken bilgiye sahip olmaları hâlâ çözülememiş bir sorun.
Bu çelişki, somut yapay zekâya yönelik model ve altyapı geliştiricileri için Foxglove tarafından düzenlenen son Actuate konferansında açıkça görüldü. Konferans, 2023'teki başlangıcından bu yana üç kat büyüyerek 1.500 katılımcıyı çekti ve alana yönelik artan ilgiyi gösterdi. Buna karşılık altyapı şirketleri, modellerin ihtiyaç duyduğu yüksek kaliteli ve çeşitli eğitim verilerinin eksikliği olarak tanımladıkları robotik veri krizine odaklandı.
Fiziksel yetenekler neden yeterli değil?
Her türlü görevi yerine getirebilen genel amaçlı bir robot geliştirme girişimleri hâlâ olgunluktan uzak. Robot, belirli bir görev için uçtan uca öğrenme kullanılarak eğitildiğinde bile bu yöntemler henüz güvenilebilecek, istikrarlı ticari performansa sahip ürünler ortaya çıkarmadı. Bu nedenle geliştiriciler, ileri yapay zekâ laboratuvarlarının yaptıklarını taklit etmeye yöneliyor: Daha çeşitli veri kümeleri toplamak veya oluşturmak, birden fazla eğitim yaklaşımını test etmek ve pekiştirmeli öğrenme için daha iyi senaryolar tasarlamak.
Model geliştiricilerine simülasyon araçları sağlayan Antioch şirketinin kurucusu Harry Mellsop, somut yapay zekânın, ChatGPT'yi kitlelere ulaştıran sıçramadan önceki dönem olan “GPT-2” aşamasında bulunduğunu söyledi. Bu görüşe göre sektörün mevcut aşamasını aşabilmesi için daha fazla veriye ve hesaplama gücüne ihtiyacı var; buna yüksek doğruluklu simülasyonlar oluşturmak için kullanılan ışın izleme tekniklerine yönelik geliştirilmiş grafik işlem birimleri de dâhil.
Ancak dil modelleriyle yapılan karşılaştırma, sürecin aynı olacağı anlamına gelmiyor. Robot değişken bir fiziksel dünyayla etkileşime girer ve yalnızca metne değil, görsel verilere, LiDAR verilerine ve çevreyle bağlantılı davranışlara ihtiyaç duyar. Ayrıca fiziksel bir görevdeki hata çarpışmaya, hasara veya operasyonun durmasına yol açabilir. Bu da bazen çalışan bir modelden güvenilir bir ticari ürüne geçişi daha karmaşık hâle getirir.
Erken bir laboratuvar olarak otonom araçlar
Otonom araçlar, kısmen insanları tarafından kullanılan araçlardan büyük miktarlarda veri toplayabilmeleri ve temel görevlerinin nesnelerle doğrudan etkileşip onları hareket ettirmek yerine çarpışmalardan kaçınmaya odaklanması nedeniyle somut yapay zekânın en gelişmiş alanlarından biri gibi görünüyor. Model geliştirmeye yönelik birçok araç otonom araç şirketlerinden robotik sektörüne geçti; örneğin Foxglove, General Motors'un daha önceki otonom sürüş projesi Cruise'un eski çalışanları tarafından kuruldu.
Otomotiv şirketleri şimdi bu deneyimi insansı robotlar alanında rekabet etmek için kullanmaya çalışıyor. Tesla Optimus robotunu geliştirirken, otonom sürüş alanında uzmanlaşan Wayve ile Uber, insansı gövdelere odaklanan robotik laboratuvarlarını araştırma ve geliştirme çalışmaları olarak başlattı.
Wayve CEO'su Alex Kendall, veri ve simülasyon altyapısı ile makine öğrenimi işletim süreçlerinin uygulamalar arasında kısmen paylaşılabilmesi nedeniyle araçlarla başlamanın daha mantıklı olabileceğini düşünüyor. Ancak küresel bir modelin her gövde, robot ve çalışma ortamıyla bağlantılı farklılıklara ihtiyaç duyacağını; sensörler ve bileşenlerdeki hızlı gelişmelerin de tek bir donanım platformuna erken aşamada bağlanmayı riskli bir karar hâline getirdiğini vurguluyor.
Uzmanlaşma mı, genel amaçlı robot mu?
Sektörde çalışan herkes “zihin” ile gövdeyi birbirinden ayırma fikrine katılmıyor. Dikey olarak entegre insansı robotlarda uzmanlaşan Genesis AI'ın CEO'su Théophile Gervet, dalganın donanım ve yapay zekânın birlikte tasarlanmasına hâlâ izin verecek kadar erken bir aşamada olduğunu düşünüyor. Şirket bu yıl 105 milyon dolar değerinde bir tohum yatırım turu toplamıştı.
Anlaşmazlık yalnızca mühendislikle değil, iş kurma stratejisiyle de ilgili. Belirli görevleri hedefleyen şirketler robotlarını gerçek sahalara taşımaya başladı: Gritt güneş enerjisi çiftliklerinde çalışıyor, Agility robotlarını endüstriyel ortamlarda konuşlandırıyor, Bedrock ise otonom ekskavatörler işletiyor. Buna karşılık çok amaçlı insansı robotlar hâlâ büyük ölçüde laboratuvarlarda bulunuyor.
Gervet, müşterinin bir görevi yalnızca %80 başarıyla yerine getiren genel amaçlı bir robotla ilgilenmediğini söylüyor; çünkü sektörel odağın bulunmaması pratik değerin de bulunmaması anlamına gelebilir. Ancak uzmanlaşma başka bir sorun yaratıyor: Bir ürün erken nesil modeller üzerine kurulursa, daha gelişmiş bir model kullanan rakip tarafından geride bırakılabilir. Bununla birlikte uzmanlaşmış uygulama, robot genel amaçlı hâle gelmesine yetecek kadar çeşitli olmasalar bile gelir ve gerçek dünya verisi sağlar.
Bedrock, gerçek koşullarda nesnelerle etkileşimin zorluklarını anlamak için kazı çalışmalarıyla başlıyor; ancak inşaat makineleri yelpazesine yayılacak bir zekâ katmanı oluşturmayı planlıyor. Bu, olası bir uzlaşma yolunu gösteriyor: Deneyim ve veri toplayabilecek uzmanlaşmış bir ürün piyasaya sürmek, daha sonra daha geniş yetenekler geliştirme hedefini korumak.
Pratikte ne değişiyor?
Altyapı, veri sorununun kendisini ele almaya yöneliyor. Foxglove, Nvidia'nın açık ağırlıklı Cosmos dünya modeli üzerine kurulu yeni bir ürün duyurdu. Bu ürün, mühendislerin gelişmiş doğal dil sorgularını kullanarak görsel ve LiDAR verilerinde arama yapmasına; değerlendirmeler ve simülasyonlar oluşturmasına, sorunları ayıklama ve düzeltme sürecini hızlandırmasına olanak tanıyor. Bu araçların değeri robota fiziksel bir yetenek eklemelerinde değil, modelin neden başarısız olduğunu keşfetmek ve modeli yeniden eğitmek için gereken süreyi azaltmalarında yatıyor.
Daha geniş soru ise robotlar için ChatGPT anını neyin oluşturacağı. Kendall, gerçek anın yatırımcıların değil tüketicilerin ilgisini çekmesi gerektiğini düşünüyor ve gözlerin denetlenmesini gerektirmeyen, donanım maliyeti 1.000 doların altında olan otonom sürüşü örnek gösteriyor. Wayve, modellerini otomobil şirketlerine lisanslayarak bu fırsatı hedeflediğini söylüyor. Gervet ise belirleyici dönüm noktasının, doğal komutları anlayan ve itme, çekme, dizüstü bilgisayarı kapatma veya masayı temizleme gibi temel manipülasyon görevlerini karmaşık bir hazırlık olmadan yaklaşık %80 veya daha yüksek başarı oranıyla yerine getiren bir robot olacağını düşünüyor.
Ancak Foxglove CEO'su Adrian Macneil, ChatGPT'ye benzer tek bir an beklemiyor; fiziksel dünyada yaygınlaşmak, bir yazılımı internet üzerinden dağıtmaktan çok daha zor. Bunun yerine Apple II veya IBM PC'nin ortaya çıkışına benzer bir an öngörüyor: Faydalı ve eğlenceli görevleri yerine getiren bir ev robotunun satın alınabilir hâle geldiği bir dönem.
Bu görüşlerden çıkarılabilecek en önemli sonuç, sektörün ilerlemenin genel amaçlı bir modelden mi, donanım ile yazılımın ortak tasarımından mı, yoksa kademeli olarak genişleyen uzmanlaşmış uygulamalardan mı geleceğine henüz karar vermemiş olması. Mevcut verilerden kesin olarak anlaşılansa şu: Yatırımların artması ve gövdelerin gelişmesi temel darboğazı ortadan kaldırmıyor: gerçekçi ve çeşitli veriler, hassas simülasyon ve müşterilerin laboratuvar dışında güvenebileceği performans.