Почему ИИ 2.0 нуждается в боковой реальности

Физическому ИИ необходимо нечто большее, чем просто данные, чтобы роботы могли работать более эффективно. Источник: Эрика AI, Adobe Stock

Мир искусственного интеллекта переходит от чат-ботов для обработки изображений — ИИ, который живет в роботах и ​​беспилотных автомобилях. Несмотря на то, что мы добились значительных успехов в обучении этих систем с использованием огромных наборов данных и пространственного анализа, остается крайний пробел: мост между тем, что робот “видит” и что на самом деле происходит в нашем беспорядочном мире.

Рассуждений о высоком уровне недостаточно, если система не полностью соответствует нормативному состоянию окружающей среды.

Физический ИИ Разработчик с версии 1.0 до версии 2.0

В настоящее время в отрасли доминирует “физический ИИ 1.0.” На этом этапе определен масштаб: использование огромных объемов видео и текстовых данных, а также гиперреалистических симуляций, таких как платформа NVIDIA Cosmos, для обучения машин, таких как устроенный мир, еще до того, как они делают свои первые шаги.

Однако физическая ИИ 1.0 имеет “прежде всего”видение” предвзятость. Предполагается, что если у робота достаточно камеры и вычислительной мощности, он сможет точно предсказать будущее. Но, как известно любому водителю, камера может быть ослеплена ярким светом, предметы могут быть спрятаны в тени, датчик может выдавать зашумленные и противоречивые данные.

“Физический AI 2.0” вводит новый, критический уровень в стек: восстановление физического состояния.

Этот аргумент имеет значение, поскольку интеграция в конкурентную среду ИИ больше не является просто моделью. Модель цифрового искусственного интеллекта часто является продуктом.

В реализованных универсальных моделях необходимо работать с зондированием, моделированием, обучением политикам, оркестрацией, безопасностью ветра, периферийным развертыванием и обратной связью от различных операций. Робот, который неправильно интерпретирует настоящее, не может найти выход из плохой оценки состояния.

Отправить свою идею сессии для RoboBusiness 2026

Новая архитектура действий

Для безопасного срабатывания в первой мировой системе необходимы четыре различные функции, работающие в цикле:

<ол>

ол>

Рассуждения настолько хороши, насколько хороши оценки состояния, на основании которых они рассуждают. Если наблюдение неполное или привнесенное, даже превосходная модель рассуждения может оказаться совершенно ошибочной.

Это важно. Системы рассуждений влияют на управление, но не действуют напрямую. В надежном и спокойном обсуждении предполагаемых намерений, ограничений, объяснений или возможных действий; логика планирования, управления и безопасности затем преобразует эти выходные в ограниченное движение.

Физический ИИ не просто описательный или прогнозирующий. Оно становится физическим, когда решения преобразуются в движение, и когда это движение меняет мир и порождает следующий набор исследований.

п>

Почему больше данных — единственный ответ

Распространенный контраргумент заключается в том, что если мы просто создадим более крупные “сквозной” моделей, ИИ со временем учится самостоятельно справляться с шумными датчиками.

Выделенный уровень восстановленияявляется более эффективным. Учитывая восстановление состояния состояния в качестве отдельного модуля, разработчики могут использовать специальные датчики (например, радар или прикосновение) и улучшить наблюдение до того, как более высокий уровень “brain” даже начинаю думать. Это позволяет обеспечить каждого нового робота необходимостью “переобучения” законы физики с нуля.

Основное обнаружение заключается между механизмами случаев и случаями, которые плохо наблюдаются. Бенчмарки могут сообщить разработчикам, что система сталкивается с трудностями в цепях с длинным хвостом, такими как звезды или необычное поведение участников дорожного движения.

Но серьёзный случай — это не то же самое, что восстановить то, что не удалось зафиксировать сенсорам. Камера может создавать больше кадров, модель может анализировать их длину, но если ведущее наблюдение структурно ухудшено, результаты рассуждения все равно могут работать с неправильной картинкой.

В таких случаях ответом будет не только увеличение количества данных. Это более сильный уровень восстановления, который использует ограничения, основанные на физике, и более глубокое исследование, чтобы сделать скрытое состояние более очевидным.

тр>

тр>

тр>

тр> тело> стол>

Наблюдение – основа физического ИИ

Следующий рубеж развития искусственного интеллекта — это не только создание «умных» моделей; при рассуждении; речь идет о том, чтобы сделать их лучше” при наблюдении. Победителем гонок ИИ станет та система, которая сможет наиболее точно преодолеть разрыв между цифровым предсказанием и физической реальностью.

Зрение и язык — это только начало, но для того, чтобы физический ИИ действительно мог перейти в реальный мир, ему необходим более надежный контроль над реальным миром, в который он пытается проникнуть.

Потому что в первом мире то, чего ты не видишь, имеет большее значение, чем то, что ты видишь.

Об авторе

<с>Доктор. Бехруз Резвани — серийный предприниматель, технолог и системный архитектор, который постоянно превращал передовую математику в платформу и продукты. Он использовал Ikanos Communications, который помог по-новому взглянуть на высокоскоростную проводную широкополосную связь, а позже получил приобретение Qualcomm Atheros.

Резвани также стал соучредителем Quantenna Communications, ведущей компании по производству полупроводников Wi-Fi, подключенной ON Semiconductor примерно за 1,07 миллиарда долларов. Он является основателем и генеральным директором компании Atomatic, которая создает программную платформу по физике, математике и результатам для физического искусственного интеллекта — “делает невидимое видимое обеспечение, автономность, робототехнику, авиацию и интеллектуальные машины” — при стратегической поддержке со стороны RTX Ventures и GM Ventures.

Пост «Почему физический ИИ 2.0 нуждается в боковой реальности» впервые появился в The Robot Report.

Источник