کلود و سگ ربات: آنچه آزمایش آنتروپیک نشان داد

آخرین به‌روزرسانی: ۰۱/۰۲/۲۰۲۴

  • کلود در برنامه‌نویسی و بهره‌برداری از Unitree Go2 کمک کرد و بخش زیادی از کار در پروژه Fetch را خودکارسازی نمود.
  • تیم مجهز به هوش مصنوعی برخی از وظایف، مانند راه رفتن و پیدا کردن توپ، را سریع‌تر از گروه بدون کمک حل کرد.
  • تحلیل تعامل، به لطف اتصال آسان‌تر و رابط کاربری کاربردی‌تر، سردرگمی کمتری را در مورد کلود نشان داد.
  • این پیشرفت، هم فرصت‌ها و هم خطرات را برجسته می‌کند: پروتکل‌ها و حفاظ‌های فیزیکی هنگام ورود LLM به دنیای واقعی باید تقویت شوند.

سگ رباتیک کنترل‌شده با هوش مصنوعی

آزمایش جدید از انسان‌شناسی این کتاب بر موضوعی تمرکز دارد که دیگر علمی تخیلی نیست: چه اتفاقی می‌افتد وقتی یک مدل زبانی، یک ربات را هماهنگ می‌کند؟در واکشی پروژهسیستم کلود آنها به کار انداختن یک سگ رباتیک کمک کرد، با هدف آزمایش اینکه ربات تا چه مسافتی می‌تواند برود. فیزیک هوش مصنوعی حرکت از متن به حرکت

فراتر از تیتر، این آزمایش سرنخ‌های روشنی در مورد قابلیت‌ها و محدودیت‌ها ارائه می‌دهد: کلود بسیاری از برنامه‌نویسی‌های لازم را خودکار کرد تا چهارپا بتواند اعمال فیزیکی انجام دهد، و این به عنوان کاتالیزوری برای تیمی از افراد عمل کرد تا در وظایف خاص سریع‌تر پیشرفت کنند..

هوش مصنوعی و دنیای فیزیکی: از آزمایشگاه تا عمل

ربات چهارپا در حال آزمایش

شرکت آنتروپیک که توسط محققان سابق OpenAI تأسیس شده است، مدت‌هاست که خطرات و کاربردهای عملی مدل‌های پیشرفته را مطالعه می‌کند. این بار، فرضیه ساده بود: اگر یک LLM به طور فزاینده‌ای بر کدنویسی و تعامل با ... تسلط پیدا کند. نرم‌افزار، می‌تواند شروع به تحت تأثیر قرار دادن اشیاء واقعی کندتیم امنیت داخلی (تیم قرمز) می‌خواست این گذار را در یک محیط کنترل‌شده مشاهده کند.

محتوای اختصاصی - اینجا را کلیک کنید  مایکروسافت مو: مدل زبانی جدیدی که هوش مصنوعی محلی را به ویندوز ۱۱ می‌آورد

محققان خاطرنشان می‌کنند که مدل‌های فعلی هنوز به طور کامل یک ربات پیچیده را کنترل نمی‌کنند، اما آنها پیش‌بینی می‌کنند که نسخه‌های آینده فضای مانور بیشتری خواهند داشت.بنابراین، تجزیه و تحلیل چگونگی تکیه انسان‌ها بر هوش مصنوعی برای برنامه‌ریزی و هماهنگ کردن رفتارهای فیزیکی، به ویژه در موارد زیر، مفید است. ربات‌های انسان‌نماقبل از رسیدن آن لحظه.

چگونه پروژه Fetch طراحی شد

دریافت پروژه Unitree Go2

این چالش، دو تیم بدون هیچ تجربه قبلی در رباتیک را در مقابل یکدیگر قرار داد: یکی با کمک کلود و دیگری که بدون کمک هوش مصنوعی برنامه‌ریزی می‌کرد. هر دو تیم باید با استفاده از یک کنترل از راه دور، کنترل یک سگ رباتیک Unitree Go2 را به دست می‌گرفتند و کد می‌نوشتند و با کنترلرها و پلتفرم‌هایی مانند ... کار می‌کردند. آردوینو اونو کیو، برای انجام وظایف با سختی فزایندهاز راه رفتن به سمت یک نقطه گرفته تا پیدا کردن یک شیء.

گروه همراه کلود توانست به برخی از اهداف، از جمله چهارپا، سریع‌تر دست یابد. من راه می‌رفتم و یک توپ ساحلی پیدا می‌کردماین چیزی بود که تیمِ صرفاً انسانی تحت شرایط آزمایش نمی‌توانست به آن دست یابد. کلید ماجرا جادو نبود؛ مدل، کد را تولید و اصلاح می‌کرد، اتصال با ربات را سرعت می‌بخشید و اصطکاک را کاهش می‌داد.

آنتروپیک پویایی کار را ثبت و تحلیل کرد. در رونوشت‌ها، تیمی که هوش مصنوعی نداشت، ناامیدی و تردید بیشتری ابراز می‌کرد، در حالی که تیم کمک‌کننده‌ی کلود به نظر می‌رسید که رابط کنترلی قابل فهم‌تری را تسهیل می‌کند. و یک شروع روان‌تر. با این حال، همه اهداف محقق نشدند و استقلال محدود بود.

محتوای اختصاصی - اینجا را کلیک کنید  چین هوش مصنوعی ایجاد می کند که بیماری ها را با آزمایش خون تا 15 سال قبل از وقوع آنها پیش بینی می کند

سگ رباتیک منتخب: Unitree Go2 و هدف آن

Unitree Go2

مدل Go2، تولید شده توسط Unitree در هانگژو، چین، برای ارزیابی انتخاب شد. قیمت آن حدود ... ۵۰۰ دلار، که در مقایسه با سایر تجهیزات این بخش، رقم نسبتاً کمی است و در وظایف بازرسی از راه دور، گشت‌های امنیتی یا گشت‌زنی در ساخت و ساز و تولید استفاده می‌شود.

این چهارپا می‌تواند به طور مستقل حرکت کند، اما در عمل به ... وابسته است. دستورات سطح بالا یا کنترل یک شخصطبق تحلیل‌های اخیر بازار، سیستم‌های Unitree از جمله گسترده‌ترین‌ها هستند و همین امر آنها را به یک میدان آزمایش جذاب برای بررسی این موضوع تبدیل می‌کند که برنامه‌نویسی با کمک هوش مصنوعی تا چه حد می‌تواند مرزها را جابجا کند.

نتایج چه چیزی را در مورد LLM ها نشان می دهد؟

مدل‌های بزرگ زبانی دیگر فقط متن نمی‌نویسند: در سال‌های اخیر آنها در ... تخصص پیدا کرده‌اند. تولید کد و مدیریت آن نرم‌افزاردر پروژه Fetch، این توانایی به معنای صرف زمان کمتر برای وظایف برنامه‌نویسی تکراری و یک راهنمای گام به گام برای تکرار خطاها و تطبیق رفتارهای ربات بود.

تعبیر محتاطانه این است که اگرچه ما در مورد کنترل کامل صحبت نمی‌کنیم، هوش مصنوعی مانع ورود تیم‌های غیرمتخصص را کاهش می‌دهد آنها یک پلتفرم فیزیکی را قادر می‌سازند تا اقدامات مفیدی را انجام دهد. این یک تغییر کیفی است: LLMها از تولیدکننده‌های صرف متن، شروع به عمل به عنوان هماهنگ‌کننده‌های سیستم‌ها کرده‌اند.

محتوای اختصاصی - اینجا را کلیک کنید  ChatGPT خطایی می‌دهد و تصاویر ایجاد نمی‌کند: علل و راه‌حل‌ها

خطرات و اقدامات احتیاطی: چگونه از ترس‌ها جلوگیری کنیم

دادن توانایی به هوش مصنوعی برای انجام عملیات روی ماشین‌ها، خطرات آشکاری را به همراه دارد: خطاهای کد، داده‌های معیوب یا سوءاستفاده عمدی این خرابی‌ها می‌توانند عواقب فیزیکی داشته باشند. رباتیک صنعتی مدت‌ها پیش آموخته است که چگونه با محافظت‌های مستقل، این خرابی‌ها را کاهش دهد. نرم‌افزار.

در این زمینه، متخصصان پیشنهاد می‌کنند چندین لایه را با هم ترکیب کنید: مرزهای عملیاتی، حسابرسی کد تولید شده، و مهم‌تر از همه، سوئیچ‌ها و پروتکل‌های اضطراری مکانیکی که به مدل وابسته نیستند. مطالعه‌ی آنتروپیک دقیقاً در چارچوب آن منطق پیشگیرانه قرار دارد.

کاربردهای نوظهور و اقدامات احتیاطی لازم

با تدابیر حفاظتی مناسب، همین رویکرد می‌تواند در مورد لجستیک، تعمیر و نگهداری، بازرسی یا کمک در محیط‌هایی که حضور انسان پیچیده استایده این نیست که جایگزین تکنسین‌ها شویم، بلکه هدف ارائه ابزارهایی است که پیکربندی‌ها را تسریع می‌کنند و امکان پاسخ‌های تطبیقی‌تر را فراهم می‌کنند.

برای تحقق این مزایا، توافق بر سر شیوه‌های ایمن، مستندات شفاف و معیارهای استقرار مسئولانهدر غیر این صورت، پیشرفت‌های فنی ممکن است با اعتماد عمومی یا با خطرات عملیاتی کاملاً قابل اجتناب در تضاد باشند.

تجربه Project Fetch یک نقطه عطف را نشان می‌دهد: کلود نشان داد که یک LLM می‌تواند فاصله بین کد و عمل را کوتاه کند.ساده‌سازی وظایف دنیای واقعی در یک ربات چهارپا، در عین حال به ما یادآوری می‌کند که جهش به دنیای فیزیکی نیازمند کنترل‌ها، آزمایش‌های دقیق و فرهنگ ایمنی متناسب با آن است.

ربات‌های روسی سقوط می‌کنند
مقاله مرتبط:
ربات انسان نمای روسی آیدول (Aidol) در مراسم رونمایی به زمین نشست.