मेटाच्या रोबोटिक्स स्टार्टअप खरेदीतून दिसते की एआयची शर्यत स्क्रीनपलीकडे जाऊन शरीरांपर्यंत पोहोचत आहे

मेटा फक्त एक लहान टीम नाही, तर क्षमता विकत घेत आहे

मेटाने humanoid robotics startup Assured Robot Intelligence, म्हणजेच ARI, चे अधिग्रहण केले आहे. या पावलामुळे कंपनीच्या AI युनिट Superintelligence Labs मधील robotics महत्त्वाकांक्षा अधिक मजबूत होतात. कंपनीने ARI ला robotic intelligence च्या अग्रभागी काम करणारी संस्था म्हणून वर्णन केले, ज्याचा भर रोबोटांना गुंतागुंतीच्या, गतिमान वातावरणात मानवी वर्तन समजून घेणे, भाकीत करणे आणि त्यानुसार जुळवून घेणे यावर आहे.

वरकरणी हा सौदा परिचित talent-and-technology acquisition सारखा वाटतो. ARI ने AIX Ventures कडून seed round उभारली होती आणि घरकामांसारख्या शारीरिक श्रमासाठी humanoid robots साठी foundation models तयार करत होती. संस्थापक Xiaolong Wang आणि Lerrel Pinto हे Nvidia, UC San Diego, NYU आणि पूर्वीच्या robotics ventures शी जोडलेल्या पार्श्वभूमीमुळे विशेष संशोधन ताकद घेऊन येतात. मेटानुसार, ही टीम robot control, self-learning आणि whole-body humanoid control साठी models आणि frontier capabilities डिझाइन करण्यात मदत करेल.

पण मोठा संकेत रणनीतिक आहे. मेटा फक्त आणखी एका जवळच्या उत्पादन क्षेत्रात विस्तार करत नाही. model capability मधील पुढच्या मोठ्या झेपेसाठी physical world मध्ये शिकणे आवश्यक ठरू शकते, या AI संशोधनातील वाढत्या दृष्टिकोनाशी ती स्वतःला जोडत आहे.

Embodied AI आता का महत्त्वाची आहे

सध्याची frontier models text, images, audio, video अशा digital data वर मोठ्या प्रमाणात प्रशिक्षित केली जातात. या पद्धतीने आश्चर्यकारक निकाल दिले आहेत, पण तिच्या मर्यादाही आहेत. physical competence, common-sense interaction आणि real-world adaptation या गोष्टी screen-based training corpora मध्ये पूर्णपणे पकडल्या जात नाहीत. Humanoid robots कृती, अभिप्राय आणि वातावरण यांना training signals मध्ये रूपांतरित करून या दरीचा काही भाग भरून काढू शकतात.

TechCrunch च्या वार्तांकनानुसार, अनेक AI तज्ज्ञ आता मानतात की artificial general intelligence कडे जाणारी प्रगती physical-world learning वर अवलंबून असू शकते. तो नेमका milestone योग्य चौकट आहे की नाही, हा वेगळा मुद्दा; व्यावसायिक तर्क स्पष्ट आहे. घरे, कामाची ठिकाणे किंवा गोदामांमध्ये काम करू शकणाऱ्या रोबोटांना uncertainty मध्ये generalize करू शकणारी, मानवी वर्तन हाताळू शकणारी आणि जगाशी संपर्कातून सतत शिकू शकणारी models लागतात.

ARI ने नेमके याच क्षेत्राला लक्ष्य केले होते. जर मेटाला फक्त संभाषणात्मक किंवा multimodal assistants नव्हे, तर कृती करू शकणारी systems तयार करायची असतील, तर robotics हे side project न राहता training ground बनते. ते अधिक सक्षम AI साठी प्रशिक्षणाचे मैदान ठरते.

स्पर्धेचे चित्र अधिक विस्तृत होत आहे

ARI deal मुळे वाढत्या स्पर्धेचे आणखी एक चित्रही दिसते. अहवालांनुसार, मेटाचे संशोधक वर्षानुवर्षे humanoid robotics technology वर काम करत आहेत, आणि याआधीच्या अंतर्गत चर्चांमध्ये models तसेच consumer-facing hardware याभोवती महत्त्वाकांक्षा सूचित झाल्या होत्या. दरम्यान, मोठ्या tech आणि startup ecosystem मधील प्रतिस्पर्धी robotics research, supply-chain investments किंवा specialist team acquisitions द्वारे या शेजारील क्षेत्रात पुढे सरकत आहेत.

अहवालातील एक तपशील विशेष बोलका आहे: Lerrel Pinto यांनी पूर्वी Fauna Robotics ची सह-स्थापना केली होती, हे kid-size humanoid startup होते, जे Amazon ने गेल्या महिन्यात खरेदी केले. याचा अर्थ दोन मोठ्या टेक कंपन्यांनी आता founder-led robotics expertise पटकन आत्मसात केली आहे. हा नमुना सूचित करतो की embodied AI मधील सर्वोच्च प्रतिभा रणनीतिकदृष्ट्या दुर्मिळ होत आहे.

मेटा कधीही consumer humanoid robot बाजारात आणेलच असे नाही, तरी हे अधिग्रहण फायदेशीर ठरू शकते. Robotics research model architectures, control systems आणि self-learning methods सुधारू शकते, ज्याचा नंतर इतर उत्पादांवर परिणाम होऊ शकतो. त्या अर्थाने, humanoid प्रयत्न हा एकाच वेळी product development आणि व्यापक R&D platform म्हणून काम करू शकतो.

एआय स्पर्धेचा पुढचा टप्पा काय आहे

एआयची शर्यत आता फक्त मोठ्या language models, चांगले assistants किंवा अधिक कार्यक्षम inference यापुरती मर्यादित नाही. intelligence ला action शी कोणत्या कंपन्या जोडू शकतात, हाही प्रश्न आहे. यासाठी internet-trained model युगाच्या तुलनेत वेगळा डेटा, वेगळ्या engineering constraints आणि वेगळ्या evaluation पद्धती आवश्यक आहेत.

ARI चे अधिग्रहण हा बदल लक्षात घेऊन मोठ्या AI कंपन्या तयारी करत असल्याचे ठोस लक्षण आहे. उद्योग अधिक embodied systems कडे जात असताना कंपनी robot control आणि self-learning expertise विकत घेत आहे. हे अधिग्रहण breakthrough ची हमी देत नाही. Humanoid robotics अजूनही तांत्रिकदृष्ट्या कठीण, भांडवलीदृष्ट्या जड आणि व्यावसायिकदृष्ट्या अनिश्चित आहे. पण किमान एक मोठी platform कंपनी frontier कुठे पाहते आहे हे ते दाखवते.

अशा deals एकटेच राहतील की रूढ होतील, यावर Developments Today लक्ष ठेवेल. जर अधिक frontier AI labs robotics ला प्रयोगात्मक साईड वर्क न मानता core infrastructure मानू लागले, तर AI विकासाचा केंद्रबिंदू software interfaces पासून त्या machines कडे सरकू शकतो ज्या जगात कृती करू शकतात.

हा लेख TechCrunch च्या वार्तांकनावर आधारित आहे. मूळ लेख वाचा.