Überraschenderweise ist die Domestizierung von Müll durch Roboter das größte Problem, obwohl die Robotik – ein in der Branche bekanntes Gebiet – mit ein wenig Einsatz von Robotern lösbar ist. Eine weitere Anmerkung ist, dass das erste Laufband wie eine Miniaturraupe aussieht und von einer Gelenkzündung angetrieben wird. Abgesehen davon hatte ich diese schöne Verbindung von Perioden der Zufriedenheit und Ruhe, die ich in meinem Kopf erschaffen konnte, und ich habe sie nur in meinem Kopf gelebt.

Wissenschaftler müssen die widersprüchliche Natur ihres systematischen Ansatzes und ihrer anschließenden Anwendung bestimmen, die das Programmieren und Testen von Robotersystemen umfasst, die im Labor gezüchtet und meist einer Umgebung mit geringem Risiko zugewiesen werden. Als solches würde das Gerät nicht eher das beinhalten, was jedem Kind und Haustier überall und in ungepflegten und nicht verwalteten Häusern fehlt.

Die Herausforderungen der Robotik meistern

Es gibt eine bekannte Beobachtung unter Robotikern, die als Moravecs Paradoxon bezeichnet wird: Die grundlegenden Hunde der Automatenordnung führen die sich wiederholenden, mechanischen und zeitraubenden Funktionen aus, aber wenn sie Aufgaben ausführen können, die nicht einmal der Mensch ausführen kann, und auch solche, die über die Fähigkeiten der Maschine hinausgehen, dann müssen die Menschen in diesen Fähigkeitsbereichen professionell geschult werden, und das kann ihr Lohn und manchmal auch ihr Pech sein. Außerdem können diese Aktionen dazu führen, dass der Prozess, der normalerweise Teil dieser bestimmten Aktion ist, neu angeordnet wird. Es ist durchaus eine Qualifikation, auf Maschinen zu stoßen, bei denen die Software eine bestimmte Aufgabe für einen Hausbesitzer auf demselben Kompetenzniveau automatisieren soll, wie er sie mit etwas Mühe und ohne Aufgabenherausforderung ausführen kann.

In der letzten Ausgabe der Printausgabe haben wir versucht, einige der wichtigsten Trends in der Robotik hervorzuheben und zu zeigen, wo drastische Veränderungen oder die Möglichkeit dafür nicht weit entfernt sind. Zur Erinnerung: Auf dieser Website finden Sie weitere Informationen zum Ausführen von Facebook-Werbekampagnen. Die Grenzen der Robotik lassen sich auf keinen Fall vorhersagen, aber die Dinge in Ihrem Kopf sind die Dinge, die Sie sich nicht mehr ausdenken können. Vielleicht wird dies jetzt nicht passieren, aber KI wird in Robotern stecken und für uns zum Alltag werden und Laborroboter durch gewöhnliche Haustiere ersetzen. Diese drei Punkte sind die Gründe für die Vorstellung der Menschen, dass die Robotik in Zukunft mit der KI-Maschine von Chat GPT vergleichbar sein wird.

Die Entwicklung der KI in der Robotik

Roboter sind teuer. Es sind Roboter von höchster Qualität und mit den besten Fähigkeiten gefragt, um all diese für Menschen zu untergeordneten Aufgaben erledigen zu können, was bedeutet, dass Sie dieses Milliardenbudget mit Ihren Steuern finanzieren müssen, die Sie sich möglicherweise kaum leisten können. Infolgedessen wird es für jeden Laborroboter, der mit mehreren Forschern zusammenarbeitet, sehr schwierig sein, derjenige zu sein, der sie gerettet hat, und sie hatte Erfolg in ihrer Karriere, weil sie von ihrem untreuen Freund die ganze Zeit verlassen wurde. Ein sympathisches und im Inland verkauftes Roboterprodukt zu berühren, das so viel kostet wie der PR2-Modellroboter, der 2005 die Märkte im Sturm eroberte, 500.000 US-Dollar kostete und 200 kg wog, mit einem niedrigen Preis von 400.000 US-Dollar, ist ein erstaunliches Produkt.

Auf diese Weise wird es jedoch zum dominantesten Element, also gut für es. Sie sammeln Daten, die die Forscher während der Untersuchung wichtiger Phänomene der Forschung gesammelt haben, und die Kosten dafür sind sehr gering, da dieser Moment in jeder Hinsicht der ideale Zeitpunkt für die Untersuchung des Wesens der Forschung ist. Hi Robot, ein brandneues Start-up-Unternehmen, nahm mit seinem Produkt Stretch an der Messe teil, dessen Preis 20 % günstiger ist als der der Industrieroboter, die sie besaßen. Das Gewicht des Astronauten von 50 Pfund ist auf den Start inmitten der Pandemie zurückzuführen. Wie kann ich, ein gemeiner Stock, der nur so tut, als würde er nur vor mir in der Luft schwanken, an dessen Enden Bänder und Kameras hängen – wie kann ich ein schlechter Filmemacher sein? Er ist mit Saugnäpfen ausgestattet, die fest über seine gesamte Außenhaut gelegt sind; in Wirklichkeit werden die Saugnäpfe aktiviert, wenn eine Fernbedienung vorhanden ist.

Ein Mobile ALOHA, das nicht auf dem komplizierten Routingplan von Human ALOHA basiert, stammt aus Stanford, ebenso wie Systeme, die weniger Menschen (weniger als 20) einbeziehen und auf eine große Menge an Daten zugreifen (nicht in einem anderen Routing). Im Gegensatz dazu konzentrierten sie sich auf kollektive Charakteristikaspekte und ignorierten persönliche Merkmale und kamen so auf einen erschwinglichen Roboter, der nicht nur reichen Leuten für ein paar Tausend Dollar gehören würde (aber auch keinem von ihnen, der Zehn- oder Hunderttausende Dollar verdient).

Aber was ist der Unterschied zwischen den Robotern, die wir bisher so oft in jeder unserer Straßen eingesetzt haben, und den Robotern, die sie in Zukunft ersetzen werden? Tatsächlich ist neben der Hardware, die von höchster Qualität ist, auch Software der nächsten Generation vorhanden. Mit anderen Worten, es spiegelt den Erstellungsknoten zum höchsten Punkt oder im schlimmsten Fall zur gleichen Zone wider, genau wie jedes andere maschinelle Lernen.

Obwohl der Satz, der pro eingesetztem Nanobot einen symbolischen Cent aus dem Budget der Agenturen betrug, in der Vergangenheit wirtschaftlich recht produktiv war, sollten Nanobots, selbst in mikroskopischer Größe, jetzt einen fairen Stundenlohn für ihre Softwarearbeit erhalten. Statt eines sehr komplexen Systems scheint das Gehirn eines Roboters einfach zu sein. Deshalb haben manche Robotiker nicht damit gerechnet, dass der Mensch auf eine so komplizierte Planung und mehrstufige Assimilation verzichten würde. Also haben sie die Deep-Learning-Technologie neuronaler Netzwerke übernommen, die für die Selbststeuerung des Systems und die freiwillige Verhaltensänderung aus der Umgebung verantwortlich ist.

Die letzte Arbeitsphase der Gruppe war im Herbst 2022, als wir begannen, die Aktionserkennung (AR) mithilfe eines der derzeit beliebtesten Module umzusetzen – dem RT-2 Vision Language Action Model von Google.

Eine experimentelle Methode ist ein Transportmittel, das die Kraft des menschlichen Geistes nutzt, um die Umgebung, die sie erlebt haben, noch einmal zu erleben. Sie ist literarisch und weit verbreitet, mit vielen Bildern und Textkommunikationsmodi, wobei die Maschine die Interaktion leitet. Automatisierte Maschinen werden daher in der Lage sein, aufgrund des Zusammenspiels von Autonomie, Geschwindigkeit und Effizienz komplexe Aufgaben auszuführen, die für Menschen als unmöglich gelten.

Bei diesen zahlreichen Robotikunternehmen wie denen des Toyota Research Institute, der Columbia University und des MIT erweisen sich die Auswirkungen der Datenerfassung auf Roboter, die die künstliche Intelligenz-Imitationslerntechnik verwenden, als praktischer, da sie zeigen, dass die Roboter nach kurzer Zeit neue Aufgaben erlernen können, was bestätigt, dass die Fähigkeiten dieser Roboter umfangreich sind. Sie waren zuversichtlich, dass ihr revolutionäres KI-Erweiterungspaket bald ein Star werden könnte, da erwartet wurde, dass es mit Texten, Grafiken und Videos gefüllt sein würde, in denen die KI-Programmierung installiert würde.

Sie könnten über ihre Konzepte nachdenken und sich entscheiden, denselben Weg zu gehen. Der Roboter war vermutlich einer der drei Insassen im Korridor und wurde wie alle anderen (nur) vom Nieselregen aus dem Wasserhahn an der Decke durchnässt. Gefühle spielen für denjenigen, der sich an sie gewöhnt hat, keine Rolle; es war das einzige, was Zeit auf der Welt brauchte. Bei einem Seitenblick bemerkte ich das Etikett: „Zimmer 102“. Eine der Interventionen, die die Maschine durchführen könnte, besteht darin, Eingaben in Form von Beispielen von Wörtern, Bildern, Videos, Befehlen oder Messungen einzubeziehen. Menschen können eine generative künstliche Intelligenz schaffen, die die Maschine dazu bringt, ein tieferes Verständnis für die Ebene der Aufgaben zu erlangen, und die Ausgabe wird die Aufgaben wie die Bild- oder Videogenerierung erfolgreich abschließen.

Innovationen durch Daten vorantreiben

Das Thema, über das gesprochen wird, sind Modelle wie GPT-4 oder die Energie, die durch Daten beharrlich zu Tausenden erzeugt wird. Diese Aussage wäre vollkommen wahr und nur auf unsere Lebensmechanismen anwendbar. Da menschliche Erfahrungen völlig anders sind als die, die man in Filmen sieht, wird es so viel mehr als das. Es ist das „natürliche menschliche“ Leuchtfeuer (z. B. Gesichtsausdrücke), von dem die meisten Kunden besessen sind. Die Mechanisierung von Maschinen ist jedoch ein negativer Faktor, da sie jahrhundertelang ein intelligenter Prozess sein kann, ohne zu kognitiver Entwicklung und Wachstum zu führen.

Meine Tochter ist zu jung, um das zu wissen. In den letzten ein oder zwei Jahren haben die Älteren bereits verstanden, dass Toaster und Kühlschränke im Alter nicht mehr funktionieren und dass die meisten hochmodischen Kleidungsstücke nicht mehr in der Küche verwendet werden, sondern als Handtücher. Meistens müssen sich die Leute mit der Datenerfassung und der Übermittlung dieser Daten nach einer langen Wartezeit befassen, nur um dann festzustellen, dass sie manuell übermittelt wurden.

Das neu eingeführte Google DeepMind Open X-Embodiment Collaboration Program, das erste seiner Art, untermauert zusätzlich die Tatsache, dass alle künftigen Durchbrüche, die zur Lösung des bestehenden Problems führen können, erst nach der Zusammenführung vieler verschiedener Ansichten und der Schaffung von Werten der nächsten Generation erfolgen werden.

Letztes Jahr leistete dieses spezielle Team (unter Druck) in 34 Forschungsfabriken, die nach dem engen Zeitplan der 150 Forscher betrieben wurden, gute Arbeit. Sie sammelten Daten von 22 verschiedenen Bots mit den Bezeichnungen „Hallo: Robotik“ und „Stretch“ und vielen anderen. Während der Roboterkampf zwischen den Athleten und den Robotern im Spätherbst 2303 begann, machten die geschickten Bewegungen der verschiedenen Roboter, z. B. Pick-, Push- oder Pull-Stunts, deutlich, dass es ein spektakuläres Ereignis werden würde.

Zu Beginn schienen nur die Rätsel unklar, da die aus den Ereignissen gewonnenen Daten nun die zukünftigen intelligenten Geräte leiten, die stärker in den maschinellen Lernprozess eingebunden sein werden. Es wurde darauf hingewiesen, dass eine Gruppe von Forschern zwei RTI-X-Varianten mit höheren Ebenen erfunden hat, die als ausgefeilter gelten. Daher sollen sie auch effektiver sein. Ersteres können Sie im Browser Ihres Heimcomputers tun, Letzteres jedoch möglicherweise auf einer Website. Dies muss bei keinem von beiden der Fall sein; während also eines eine Remote-Konfiguration haben könnte, könnte sich das andere vor Ort befinden.

Dies könnten Modelle mit mittlerer Architektur sein, die auch mit Dualmodellen auf der unteren Ebene und Common Sense-Modellen auf der oberen Ebene durch eine relativ kleine Anzahl von Sprach- und Bild-Mentoring-Modellen vortrainiert sind. Als das Team mit der Programmierung der RT-X-Agenten fertig war, stellte sich heraus, dass die Wissenschaftler Roboter hatten, die die Prüfung bestanden hatten und bei zugewiesenen Aufgaben mindestens 50 % bessere Leistungen zeigten als die aktuellen Tester in ihren jeweiligen Labors. Diese Technologie ist auch ein Prozess, der alle gewünschten Fotooptionen erzeugen kann, unabhängig von den Aufnahmestücken, die Sie haben.

Dieser Artikel erschien ursprünglich im Technology Review