ரோபோடிக்ஸில் ஒரு குறிப்பிடத்தக்க முடிவு, ஆனால் ஒரு முக்கிய குறிப்பு உடன்
Sony உருவாக்கிய மற்றும் Ace என்று பெயரிடப்பட்ட ரோபோட் கை, ரோபோடிக்ஸில் ஆராய்ச்சியாளர்கள் நீண்ட காலமாக தேடி வந்த ஒன்றை செய்துள்ளது: அது உயர்தர மனித டேபிள் டென்னிஸ் வீரர்களுடன் போட்டியிடக்கூடியதாக மாறியது. Nature இதழில் வெளியான ஆய்வில் விவரிக்கப்பட்ட இந்த முடிவு, வேகமான, எதிர்வினை சார்ந்த உடல் பணியில் AI மற்றும் ரோபோடிக்ஸ் நிபுண மனித எதிரிகளுக்கு எதிராக செயல்படுவதை காட்டும் மிகத் தெளிவான எடுத்துக்காட்டுகளில் ஒன்றாக இந்த இயந்திரத்தை வைத்துள்ளது.
அந்த தலைப்பே கவனத்தை ஈர்க்க போதுமானது. டேபிள் டென்னிஸ் எளிய அளவுகோல் அல்ல. அது perception, prediction, control, adaptation ஆகியவற்றை ஒரு விநாடியின் சிறு பகுதியிலேயே சுருக்குகிறது. உயர்நிலை வீரர்களுக்கு எதிராக அதிவேக ஷாட்டுகளை திருப்பி அனுப்பக்கூடிய ஒரு அமைப்பு, வெறும் சாமர்த்தியக் காட்சி ஒன்றை மட்டும் காட்டவில்லை. இயந்திர உணர்திறனும் உடல் கட்டுப்பாடும் ஒருகாலத்தில் கவனமாக அமைக்கப்பட்ட தொழில்துறை சூழல்களுக்கு மட்டுமே இருந்த அளவிற்கு இப்போது ஒன்றாகச் செயல்படத் தொடங்கியுள்ளன என்பதைக் காட்டுகிறது.
ஆனால் இந்த முடிவின் மிகப் பயனுள்ள பகுதி அதன் வரம்பாக இருக்கலாம். அறிக்கையின்படி, Ace போட்டியிடக்கூடியதாக இருந்தது, ஆதிக்கம் செலுத்தக்கூடியதாக இல்லை. மனித எதிரிகள் ரோபோட்டின் உத்தியில் உள்ள குறைகளை அடையாளம் காணத் தொடங்கி, அதை வெல்லும் வழிகளை கண்டுபிடித்தனர். அந்த வேறுபாடு முக்கியமானது, ஏனெனில் இது கதையை ரோபோட் மாற்றீடு பற்றிய ஒன்றாக அல்ல, மாறாக இன்னும் குறிப்பிடத்தக்க இடைவெளிகள் உள்ள நிலையில் ரோபோடிக் முன்னேற்றம் பற்றிய ஒன்றாக மாற்றுகிறது.
ரோபோடிக்ஸுக்கு டேபிள் டென்னிஸ் ஏன் முக்கியம்
ஆராய்ச்சியாளர்கள் ஆண்டுகளாக ரோபோட் டேபிள் டென்னிஸில் ஆர்வம் கொண்டுள்ளனர், ஏனெனில் இந்த விளையாட்டு ஒரு அமைப்பை ஒரே நேரத்தில் பல கடின பிரச்சினைகளைத் தீர்க்க வைக்கிறது. அது வேகமாக நகரும் பொருளை கண்காணிக்க, அதன் trajectory-யை ஊகிக்க, பதிலைத் தீர்மானிக்க, பின்னர் அந்த பதிலை துல்லியத்துடனும் வேகத்துடனும் செயல்படுத்த வேண்டும். ஒரு scripted தொழிற்சாலை இயக்கத்தைப் போல அல்லாமல், இங்கு சவால் இயக்கத்தன்மையுடனும் எதிர்மறை தன்மையுடனும் உள்ளது. ஒவ்வொரு ஷாட்டிலும் சூழல் மாறுகிறது.
Ace-இன் நிலையில், அந்த loop ஒன்பது கேமராக்களால் இயக்கப்பட்டது; அவை AI அமைப்புக்கு real-time தரவை வழங்கின. candidate text-ன் படி, ரோபோட் கை சுமார் 10 மில்லி விநாடி latency-யுடன் பந்தை கண்காணிக்க முடிந்தது, இது மனித மூளை கையாளும் வேகத்தைவிட 10 மடங்குக்கும் அதிகம். இது ரோபோடிக்ஸின் ஒரு முக்கிய பலத்தை வெளிப்படுத்துகிறது: sensing மற்றும் control stack நன்றாக செயல்பட்டால், இயந்திரங்கள் அசாதாரண வேகத்தில் எதிர்வினை அளிக்க முடியும்.
ஆனால் வேகம் மட்டுமே போட்டியை முடிவு செய்யாது. விளையாட்டுகள் reflexes மூலமாக மட்டுமே வெல்லப்படுவதில்லை. pattern recognition, deception, variation மற்றும் strategic adaptation மூலமாகவே வெல்லப்படுகின்றன. மனித வீரர்கள் இன்னும் அதில் முன்னிலையில் இருந்தது இங்குதான்.
போட்டியிடக்கூடியதும் மேலானதும் என்பதற்கிடையேயான எல்லை
இதுபோன்ற முடிவுகளை மிகைப்படுத்தி, நிபுணர்களுடன் போட்டியிடக்கூடிய இயந்திரம் முழு துறையையும் கைப்பற்றுவதற்கு அருகில் உள்ளது என்று கருதுவது எளிது. இந்த அறிக்கை அந்த விளக்கத்திற்கு எதிராக நிற்கிறது. Ace உயர்தர வீரர்களுக்கு எதிராக புள்ளிகள் பெறவும், சில ஆட்டங்களை வெல்லவும் போதுமான அளவு திறமையாக இருந்தது; ஆனால் விளையாட்டை முழுமையாகத் தீர்க்கும் அளவிற்கு இல்லை. திறமையான மனிதர்கள் ரோபோட்டை ஆய்வு செய்து, பலவீனங்களை கண்டறிந்து, தங்களை மாற்றிக் கொண்டனர்.
அதை தோல்வி அல்ல, முன்னேற்றம் என்று புரிந்துகொள்ள வேண்டும். பல நிஜ உலக அமைப்புகளில், நடைமுறை அளவுகோல் முழுமையான autonomy அல்ல; அழுத்தத்தின் கீழ் நம்பகமான competence ஆகும். Ace ஒரு முக்கிய வரியை கடந்துள்ளது போலத் தெரிகிறது, ஏனெனில் அது amateurs அல்லது கட்டுப்படுத்தப்பட்ட demonstrations மட்டுமல்ல, உயர்தர வீரர்களுக்கு எதிராக ஒரு robot meaningful-ஆக செயல்பட முடியும் என்பதை காட்டுகிறது.
அப்படியிருந்தும், competence மற்றும் mastery-க்கிடையேயான இடைவெளி பெரியது. விளையாட்டுகளிலும், பரந்த ரோபோடிக்ஸிலும், மிகக் கடினமான பகுதி பெரும்பாலும் ஒரு சிறப்பான செயலை நிறைவேற்றுவது அல்ல; அடுத்து வரப்போகும் எல்லையற்ற விதவிதமான சூழல்களை கையாள்வதே. மனிதர்கள் இன்னும் brittle patterns-ஐ கண்டறிந்து, அவற்றை பயன்படுத்துவதில் அபாரமாக திறமையுடன் இருக்கிறார்கள்.
உடல் உலகில் AI குறித்து இது என்ன சொல்கிறது
நவீன AI, software-based சூழல்களில், board games முதல் code generation வரை, பிரமிப்பூட்டும் முடிவுகளை அளித்துள்ளது. உடல் சூழல்கள் வேறுபட்டவை. sensors-ல் noise இருக்கும், timing முக்கியம், பொருள்கள் கணிக்க முடியாத வகையில் நகரும், மேலும் வெற்றியானது inference மட்டுமல்ல, motors, materials மற்றும் mechanical reliability-யையும் சார்ந்துள்ளது. அதனால்தான் டேபிள் டென்னிஸ் இன்னும் இவ்வளவு ஈர்க்கும் அளவுகோலாக உள்ளது. இது அறிவின் டிஜிட்டல் மற்றும் உடல் வரம்புகளுக்கிடையே ஒரு பாலமாக உள்ளது.
Ace-இன் செயல்திறன், ரோபோடிக்ஸ் அந்தப் பாலத்தில் உண்மையான முன்னேற்றம் காண்கிறது என்பதைக் காட்டுகிறது. இந்த அமைப்பு பின்பு frames-ஐ மட்டும் பகுப்பாய்வு செய்யவில்லை. அது real time-இல், அழுத்தத்தின் கீழ், மிகச் சிறிய தாமதம்கூட முக்கியமான ஒரு விளையாட்டில் செயல்பட்டது. manufacturing, logistics மற்றும் வேகமான perception-action loops தேவைப்படும் பிற பணிகள் உள்ளிட்ட, விளையாட்டுகளுக்கு அப்பாற்பட்ட அமைப்புகளுக்கு எதிர்காலத்தில் இது உதவக்கூடிய முன்னேற்றம் வகை.
அதே நேரத்தில், ரோபோட்டின் exploitable strategy ஒரு பரிச்சயமான AI பிரச்சினையை வெளிப்படுத்துகிறது: வலுவான local optimization கூட global அளவில் brittle நடத்தை உருவாக்கலாம். ஒரு அமைப்பு reaction time மற்றும் மீண்டும் மீண்டும் செயல்படுத்துவதில் சிறப்பாக இருக்கலாம், ஆனால் நன்றாக generalize செய்யாத மாற்றங்களுக்கு இன்னும் பாதிப்புக்குள்ளாகலாம்.
மக்கள் ஏன் பதற்றப்பட வேண்டியதில்லை
இந்த முடிவை மிகவும் அளவான முறையில் வாசித்தால், அதுவே மிகவும் சுவாரசியமானதாக இருக்கும். Ace ஒரு milestone, ஏனெனில் high-speed embodied AI எவ்வளவு தூரம் முன்னேறியுள்ளது என்பதை அது காட்டுகிறது. இது ரோபோட்கள் திடீரென எல்லா திறமைமிக்க உடல் துறைகளிலும் மனிதர்களை மிஞ்சப் போகின்றன என்பதற்கான காரணம் அல்ல. மாறாக, இயந்திரங்கள் ஒருகாலத்தில் மனிதர்கள் மிகவும் கடினமாக கருதிய உடல் துணைப் பிரச்சினைகளில் மிகவும் திறமையாகி வருகின்றன; ஆனால் மனித ஏற்புடைமை இன்னும் மிக முக்கியமானதாக உள்ளது என்பதையே இந்தப் பரிசோதனை காட்டுகிறது.
அதுவே இந்த ஆய்வை கவனிக்கத் தகுந்ததாக மாற்றுகிறது. hype-இல் விழாமலும், dismiss செய்யாமலும், அது உண்மையான தொழில்நுட்ப முன்னேற்றத்திற்கான ஆதாரங்களை வழங்குகிறது. அந்த அர்த்தத்தில், Ace பிங்-பாங் பந்துகளை திருப்பித் தந்ததைவிட அதிகம் செய்தது. மேம்பட்ட ரோபோடிக்ஸ் தற்போது எங்கே நிற்கிறது என்பதை பொதுமக்களுக்கு தெளிவாகக் காட்டியது: வேகமானது, திறமையானது, பிரமிப்பூட்டுவது, ஆனால் இன்னும் தோற்கடிக்க முடியாதது அல்ல.
இந்த கட்டுரை Mashable-இன் செய்திப்பதிவை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.
Originally published on mashable.com
