Η εικόνα ενός τετράποδου ρομπότ που παραμένει σε λειτουργία ακόμα κι όταν του κόψεις τα πόδια με αλυσοπρίονο μοιάζει σαν σκηνή από ταινία επιστημονικής φαντασίας και όμως, υφίσταται σήμερα. Στην κοινότητα της ρομποτικής και της τεχνητής νοημοσύνης, αυτό το ρομπότ είναι σύμβολο μιας νέας εποχής όπου οι μηχανές αναγνωρίζουν τραυματισμούς, προσαρμόζονται και συνεχίζουν να λειτουργούν.
Η startup Skild AI (συνιδρυτής της οποίας είναι ο Deepak Pathak) έχει αναπτύξει έναν γενετικό αλγόριθμο , που ονομάζεται Skild Brain , ο οποίος μπορεί να ελέγχει πολλούς διαφορετικούς τύπους ρομπότ με ένα κοινό «μυαλό». Η ιδέα είναι ότι, αντί να δημιουργείται ξεχωριστή AI για κάθε μηχανή, υπάρχει μια γενική νοημοσύνη που προσαρμόζεται σε όποιο σασί, αισθητήρες ή μορφή της δοθεί.
Αυτό που έκανε εντύπωση είναι πως, σε πειράματα, το ίδιο μοντέλο AI μπορούσε να ελέγξει ρομπότ στα οποία είχαν αφαιρεθεί μέλη , η AI «έβρισκε» νέους τρόπους να κινείται, χρησιμοποιώντας τα υπάρχοντα μέλη με διαφορετικό τρόπο. Ένα ρομπότ τεσσάρων ποδιών, όταν έχασε και τα τέσσερα πόδια του ,στο πείραμα , συνέχισε να κινείται με «έμμεση» προσέγγιση, αναπροσαρμόζοντας τον έλεγχο για να παραμείνει όρθιο ή να κυλήσει, με βάση το αισθητήριο feedback.
Τι σημαίνει «omni-bodied brain»
Η λέξη-κλειδί είναι «omni-bodied brain» , ένα μυαλό AI που δεν δεσμεύεται σε μια μορφή ή δομή, αλλά μπορεί να μάθει να κινείται με οποιοδήποτε σασί. Αυτό επιτυγχάνεται μέσω μεγάλης ποικιλίας δεδομένων εκπαίδευσης, με διαφορετικά ρομπότ, συνθήκες κι αλλαγές για παράδειγμα, να κόβονται πόδια, να αφαιρούνται τροχοί ή να αλλάζει βάρος.
Αντίθετα με τις παραδοσιακές προσεγγίσεις όπου η AI μαθαίνει να ελέγχει ένα συγκεκριμένο ρομπότ, η Skild εκπαίδευσε το μοντέλο σε πολλούς τύπους ρομπότ (πόδια, ρόδες, μικτά) και το απέδειξε ότι μπορεί να γενικεύσει σε άγνωστο hardware.
Παράδειγμα: όταν το μοντέλο ετέθη σε ρομπότ με μόνο δύο πόδια, έμαθε να χρησιμοποιεί αυτά τα δύο πόδια σαν ανθρωπόμορφο ρομπότ, περπατώντας. Όταν αφαιρούσαν μερικούς κινητήρες ή πόδια, το ίδιο μοντέλο μπορούσε να ξανασχεδιάσει λειτουργίες ισορροπίας και κίνησης on-the-fly.
Εφαρμογές και προκλήσεις στο πεδίο
Πρακτικές εφαρμογές
Ρομπότ διάσωσης: σε κατεστραμμένα περιβάλλοντα, ένα ρομπότ που μπορεί να επιβιώσει από βλάβες έχει τρομερή αξία
Βιομηχανοποίηση: αισθητήρες και ρομποτικές γραμμές που αντιμετωπίζουν ζημίες μπορούν να «αυτοθεραπεύονται»
Κατοικίες / εξωτερικές συνθήκες: ρομπότ που παθαίνουν ζημιές από περιβαλλοντικούς παράγοντες μπορούν να συνεχίσουν τη λειτουργία
Προκλήσεις
Αξιοπιστία και ασφάλεια: πρέπει να εξασφαλιστεί ότι η AI δεν θα κάνει λάθη που θέτουν ανθρώπους σε κίνδυνο
Αντοχή στο υλικό: τα εξαρτήματα πρέπει να αντέχουν φθορές — αν η AI προσαρμοστεί, αλλά το υλικό χαλάσει, η λειτουργία σταματά
Νομοθεσία: ποιος φέρει ευθύνη όταν ένα αυτοδιορθούμενο ρομπότ προκαλεί ζημιά;
Επεκτασιμότητα: να υποστηρίζονται πολλά ρομπότ και εφαρμογές χωρίς να απαιτείται πολλαπλή εκπαίδευση
Συμπέρασμα
Το επίτευγμα ενός ρομπότ που συνεχίζει να λειτουργεί μετά από επίθεση με αλυσοπρίονο ήταν περισσότερο συμβολικό παρά τυχαίο. Αντιπροσωπεύει μια μετάβαση: από ρομπότ που ακολουθούν προδιαγεγραμμένες συμπεριφορές σε ρομπότ που αντιλαμβάνονται, προσαρμόζονται και επιβιώνουν.
Η τεχνολογία Skild Brain και το πλαίσιο omni-bodied AI ανοίγουν το δρόμο για ρομπότ που δεν φοβούνται τη φθορά — αλλά τη χρησιμοποιούν ως ευκαιρία προσαρμογής. Σε μια εποχή όπου η ρομποτική και η AI συναντούν τον πραγματικό κόσμο, τέτοιες καινοτομίες μπορεί να καθορίσουν ποια ρομπότ θα είναι ζωντανά και ποια θα χαθούν.
