AI вече е прочел всичко в интернет, а сега наблюдава как живеем, за да обучава роботи

Изкуственият интелект (AI) е ограничен предимно до виртуалния свят, но вече се учи от физическата механика на ежедневието, задвижван от глобалното нарастване на събирането и анотирането на данни. От производствените центрове в Индия до изследователските лаборатории по целия свят специалистите по данни изграждат основите на системи за AI, способни да изпълняват практически задачи в реалния свят.

В текстилния град Карур Навин Кумар започва деня си не с писане на код, а с извършване на стотици прецизни движения на ръката, за да сгъва кърпи. С камера GoPro, прикрепена към челото му, той записва всеки жест – от начина, по който пръстите му хващат плата, до последователността на сгъване и поставяне на всеки елемент.

Тези записи не са предназначени за социалните мрежи или за наръчници за обучение. Вместо това те захранват Objectways, компания за анотиране на данни, която доставя учебни материали на клиенти в областта на роботиката и генеративния изкуствен интелект по целия свят. Objectways, която има повече от 2000 служители разделя работата си между анотиране на сензорни данни за автономни превозни средства и роботика и осигуряване на обратна връзка за работата на системи с генеративен изкуствен интелект.

Грешките са често срещани. Кумар и колегите му често изхвърлят стотици записи поради пропуснати стъпки или неправилно поставени елементи. Всеки видеозапис е щателно анотиран, като екипите за анотация очертават движещите се части, маркират обектите и класифицират специфични жестове.

Тази работа е от жизненоважно значение: тя предоставя на моделите за машинно обучение подробен контекст за физическите действия, като помага на алгоритмите да научат всичко – от движението на ръката до точния натиск, необходим за сгъване на кърпа без гънки.

Международните компании признават стойността на този вид данни. Улрик Стиг Хансен, съосновател на Encord, платформа в Сан Франциско, която управлява големи проекти за анотиране заяви пред Los Angeles Times, че роботиката преживява възраждане, тъй като компаниите се конкурират в разработването на AI модели, създадени за физически задачи.

Encord работи с Objectways и други подобни компании за събиране на демонстрационни данни за клиенти, включително Physical Intelligence и Dyna Robotics. Големи компании като Tesla, Boston Dynamics, Nvidia, Google и OpenAI продължават напред, залагайки на това, че добре подбраните тренировъчни набори, базирани на човешката дейност, ще тласнат техните роботизирани системи към по-голяма автономност и гъвкавост.

Nvidia например изчислява, че световният пазар на хуманоидни роботи може да достигне 38 милиарда долара през следващите десет години. Наред с добре познатите имена, десетки новосъздадени фирми предоставят хардуер, инструменти за симулация и анотирани данни, за да ускорят разработването на многофункционални роботи за масовите пазари.

За разлика от големите езикови модели, които обработват огромни количества онлайн съдържание, за да имитират реч, разсъждения и визуално разбиране, обучението по роботика зависи от данни за демонстрации от първо лице, като например кадри, записани от хора като Кумар, докато изпълняват рутинни задачи с прецизност.

Събирането на физически данни от реалния свят се е превърнало в самостоятелна индустрия. Някои компании използват телеопериране, при което хора направляват дистанционно роботи чрез определени действия. Според Али Ансари, основател на Micro1, напредъкът в дистанционното събиране на данни вече позволява на обучители на един континент да контролират роботи на друг, като данните за движението се предават и анализират за успехи и грешки.

Операторите вече работят в централизирани „ферми за ръце“ в Източна Европа, където складовете са пълни с джойстици и екипи, направляващи роботи за обучение в реално време.

Мохамед Муса от Deepen AI обяснява, че настоящите най-добри практики съчетават реални и синтетични демонстрации, базирани на сесии, ръководени от хора, и инсценирани среди, като голяма част от тази дейност все още се извършва извън западните пазари.

Критиците поставят под въпрос доколко тези методи са наистина ефективни, като отбелязват, че някои телеуправляеми роботи се представят добре под човешки контрол, но трудно действат самостоятелно в реални условия.

Въпреки това търсенето на демонстрационни данни продължава да расте. Micro1 плаща на хора в Бразилия, Аржентина, Индия и Съединените щати, за да носят умни очила и да записват ежедневните си движения. Figura AI, базирана в Сан Хосе си партнира с компанията за недвижими имоти Brookfield, за да заснеме дейността в 100 000 жилища.

Проектът използва 1 милиард долара финансиране предимно за събиране на данни от първо лице за хората. Междувременно Scale AI, подкрепена от Meta е събрала повече от 100 000 часа подобни кадри за обучение на роботи.

Objectways продължава да разширява репертоара си, като наскоро документира и анотира задачи от роботизирани ръце, манипулиращи с кутии и тениски, както и хуманоидни роботи, които сортират и сгъват кърпи. Мащабът на работата по анотиране е огромен: служителите наскоро обработиха 15 000 видеоклипа на роботи, изпълняващи задачи по сгъване, като коригираха грешките, като например дрехи, които се хвърлят, а не се сгъват внимателно.

„След 5 или 10 години роботите ще могат да извършват всички тези дейности.“

отбелязва Кавин, ветеран в екипа по анотиране