ChatGPT: Robot od Microsoftu poháňaný AI

Výskumníci Microsoftu minulý týždeň predstavili experimentálny rámec na ovládanie dronov a robotov prostredníctvom jazyka pomocou ChatGPT, známeho jazykového modelu AI vyvinutého spoločnosťou OpenAI.

ChatGPT dokáže vytvoriť špecializovaný kód, ktorý riadi pohyb robota pomocou príkazov zadaných v prirodzenom jazyku. Človek potom skontroluje výsledky a vykoná všetky potrebné úpravy, kým sa úloha úspešne nesplní.

Zistenia boli publikované v článku „ChatGPT for Robotics: Design Principles and Model Abilities“, ktorý napísali Sai Vemprala, Rogerio Bonatti, Arthur Bucker a Ashish Kapoor zo skupiny Microsoft Autonomous Systems and Robotics Group.

V demonštračnom videu Microsoft ukazuje roboty, ako pomocou robotického ramena skladajú bloky do loga Microsoftu, pomocou dronu skenujú obsah police a pomocou robota s víziou lokalizujú predmety.

Zdá sa, že títo roboti sú ovládaní kódom vytvoreným ChatGPT, pričom poslúchajú ľudské príkazy.

Výskumníci naučili ChatGPT špeciálne robotické API, aby mohol komunikovať s robotikou. ChatGPT dokáže vygenerovať riadiaci kód robotiky rovnakým spôsobom, akým by napísal báseň alebo dokončil esej, keď dostane pokyny ako „zdvihnúť loptu“.

Ľudský operátor môže vykonať úlohu a posúdiť jej výkon po preskúmaní a úprave kódu z hľadiska presnosti a bezpečnosti.

ChatGPT nie je autonómny systém, ale týmto spôsobom urýchľuje programovanie robotického riadenia. Ako sa uvádza v dokumente: „Zdôrazňujeme, že používanie ChatGPT pre robotiku nie je plne automatizovaný proces, ale funguje skôr ako nástroj na rozšírenie ľudskej kapacity.

Aj keď sa zdá, že ľudia poskytujú väčšinu spätnej väzby ChatGPT (pokiaľ ide o účinnosť alebo zlyhanie jej akcií) vo forme textu, výskumníci tiež tvrdia, že mali určitý úspech pri poskytovaní vizuálnych údajov ChatGPT.

V jednom prípade vedci použili ChatGPT, aby dali robotovi pokyn, aby chytil basketbalovú loptu a zároveň dostával spätnú väzbu z kamery. 

Vedci uviedli, že ChatGPT dokáže pomocou SVG kódu odhadnúť, ako sa loptička a obloha objavia na snímke kamery.

Toto správanie zvyšuje možnosť, že LLM udržiava model sveta, ktorý presahuje textové pravdepodobnosti.

Hoci sa výsledky v tomto bode javia ako primitívne, ukazujú prvé pokusy začleniť robotické riadenie s najnovšou technológiou, veľkými jazykovými modelmi. 

Microsoft tvrdí, že rozhranie ChatGPT môže v budúcnosti sprístupniť robotiku väčšiemu publiku.

S cieľom pomôcť s robotickými úlohami je cieľom tohto výskumu zistiť, či ChatGPT dokáže okrem textu uvažovať aj o fyzickom svete.

Chceme ľuďom zjednodušiť interakciu s robotmi tým, že sa nebudú musieť učiť zložité programovacie jazyky alebo špecifiká o robotických systémoch.