மெட்டாவின் ரோபோடிக்ஸ் ஸ்டார்ட்அப் கைப்பற்றல், ஏஐ போட்டி திரைகளிலிருந்து உடல்களுக்குள் நகர்கிறது என்பதை காட்டுகிறது

மெட்டா ஒரு சிறிய குழுவை மட்டும் அல்ல, திறனையே வாங்குகிறது

மெட்டா, humanoid robotics startup ஆன Assured Robot Intelligence, அல்லது ARI-யை கைப்பற்றியுள்ளது. இந்த நகர்வு, நிறுவனத்தின் AI பிரிவு Superintelligence Labs-உள்ளே அதன் robotics ambitions-ஐ வலுப்படுத்துகிறது. ARI, robot intelligence-இன் முன்சாதியில் பணிபுரிவதாகவும், சிக்கலான, மாறும் சூழல்களில் மனித நடத்தை들을 புரிந்து கொள்ள, முன்னறிவிக்க, மற்றும் தழுவிக் கொள்ள ரோபோக்களுக்கு உதவுவதில் கவனம் செலுத்துவதாகவும் நிறுவனம் கூறியது.

மேற்பரப்பில், இந்த ஒப்பந்தம் பழக்கமான talent-and-technology acquisition போலத் தோன்றுகிறது. ARI, AIX Ventures-இடமிருந்து ஒரு seed round பெற்றிருந்தது மற்றும் வீட்டு வேலைகள் போன்ற உடல் உழைப்புக்காக humanoid robots-க்கு foundation models உருவாக்கிக் கொண்டிருந்தது. அதன் நிறுவனர்களான Xiaolong Wang மற்றும் Lerrel Pinto, Nvidia, UC San Diego, NYU மற்றும் முன்பிருந்த robotics ventures-உடன் தொடர்புடைய பின்னணிகளால், விசேஷமான ஆராய்ச்சி அனுபவத்தை கொண்டு வருகின்றனர். மெட்டா கூறுவதன்படி, இந்த குழு robot control, self-learning மற்றும் whole-body humanoid control-க்கான models மற்றும் frontier capabilities-ஐ வடிவமைக்க உதவும்.

ஆனால் பெரிய சைகை மூலோபாய ரீதியானது. மெட்டா இன்னொரு அருகிலுள்ள தயாரிப்பு துறையில் மட்டும் விரிவடைவதில்லை. மாடல் திறனில் அடுத்த பெரிய தாவலுக்கு physical world-ல் கற்றல் தேவைப்படலாம் என்ற AI ஆராய்ச்சிக்குள் வளர்ந்து வரும் கருத்துடன் அது தன்னை இணைத்துக் கொள்கிறது.

Embodied AI இப்போது ஏன் முக்கியம்

இன்றைய frontier models, text, images, audio, video போன்ற digital data-விலிருந்து பெருமளவில் பயிற்சி பெறுகின்றன. இந்த அணுகுமுறை குறிப்பிடத்தக்க முடிவுகளைத் தந்துள்ளது, ஆனால் அதற்கும் வரம்புகள் உள்ளன. physical competence, common-sense interaction, real-world adaptation ஆகியவை screen-based training corpora-வில் முழுமையாகப் பதிவாகவில்லை. Humanoid robots, action, feedback, environment ஆகியவற்றை training signals-ஆக மாற்றி அந்த இடைவெளியின் ஒரு பகுதியை நிரப்பும் வழியைக் கொடுக்கின்றன.

TechCrunch செய்தியின்படி, பல AI நிபுணர்கள் artificial general intelligence-க்கு முன்னேற்றம் physical-world learning-ஐ சார்ந்திருக்கலாம் என்று இப்போது நம்புகின்றனர். அந்தத் துல்லியமான milestone சரியான கட்டமைப்பா இல்லையா என்பது வேறு விஷயம்; வணிக தர்க்கம் தெளிவானது. வீடுகள், பணியிடங்கள் அல்லது warehouse-களில் செயல்படக்கூடிய ரோபோக்களுக்கு uncertainty-இல் generalize செய்ய, மனித நடத்தை கையாள, உலகுடன் தொடர்ச்சியாக தொடர்பு கொண்டு கற்றுக்கொள்ளக்கூடிய models தேவை.

ARI துல்லியமாக அந்தப் பகுதியை நோக்கியது. மெட்டா வெறும் உரையாடல் அல்லது multimodal assistants மட்டுமல்ல, செயல்படக்கூடிய systems-ஐ உருவாக்க விரும்பினால், robotics ஒரு பக்கத் திட்டத்தை விட அதிகமாகிறது. அது மேலும் திறன் வாய்ந்த AI-க்கான training ground ஆகிறது.

போட்டிப் பரப்பின் விரிவடைப்பு

ARI ஒப்பந்தம் மேலும் நெரிசலான போட்டியையும் பிரதிபலிக்கிறது. மெட்டா ஆராய்ச்சியாளர்கள் பல ஆண்டுகளாக humanoid robotics technology-இல் பணியாற்றி வருவதாக கூறப்படுகிறது, மேலும் முன்கால உள் விவாதங்கள் models மற்றும் consumer-facing hardware இரண்டிலும் உள்ள ambition-களை சுட்டின. இதற்கிடையில், பெரிய tech மற்றும் startup ecosystem-இன் போட்டியாளர்கள் robotics research, supply-chain investments, specialist teams acquisitions போன்ற வழிகளால் அருகிலுள்ள துறைகளுக்குள் நுழைகின்றனர்.

அறிக்கையில் குறிப்பாக வெளிப்படையான ஒரு விவரம்: Lerrel Pinto முன்பு Fauna Robotics-ஐ இணைந்து நிறுவினார்; அது குழந்தை அளவிலான humanoid startup, கடந்த மாதம் Amazon அதை வாங்கியது. இதன் பொருள், இப்போது இரண்டு பெரிய தொழில்நுட்ப நிறுவனங்கள் நிறுவனர்-முன்னிலை robotics expertise-ஐ விரைவாக உள்வாங்கியுள்ளன. இது embodied AI-யில் top talent மூலோபாய ரீதியாக அரிதாகி வருவதைச் சுட்டுகிறது.

மெட்டா ஒருபோதும் consumer humanoid robot-ஐ வெளியிடாவிட்டாலும், இந்த கைப்பற்றல் பலன் தரக்கூடும். Robotics ஆராய்ச்சி model architectures, control systems, self-learning methods ஆகியவற்றை மேம்படுத்தி, பின்னர் பிற தயாரிப்புகளையும் பாதிக்கலாம். அந்த அர்த்தத்தில், humanoid முயற்சி product development-ஆகவும், ஒரு விரிவான R&D platform-ஆகவும் ஒரே நேரத்தில் செயல்பட முடியும்.

அடுத்த கட்ட AI போட்டி என்ன

AI போட்டி இனி பெரிய language models, சிறந்த assistants அல்லது மேலும் திறமையான inference பற்றியது மட்டும் அல்ல. intelligence-ஐ action-உடன் இணைக்க எந்த நிறுவனங்கள் முடிகின்றன என்பதும் இப்போது கேள்வியாகிறது. இதற்கு இணையத்தில் பயிற்சி பெற்ற model காலத்தை விட வேறுபட்ட தரவு, வேறுபட்ட engineering constraints, வேறுபட்ட மதிப்பீட்டு முறைகள் தேவை.

ARI-யின் கைப்பற்றல், அந்த மாற்றத்திற்குத் தயாராகி வரும் பெரிய AI நிறுவனங்களின் தெளிவான அறிகுறி. தொழில் அதிக embodied systems நோக்கி நகரும் நிலையில், நிறுவனம் robot control மற்றும் self-learning expertise-ஐ வாங்குகிறது. இந்த acquisition ஒரு breakthrough-ஐ உறுதி செய்யாது. Humanoid robotics இன்னும் தொழில்நுட்ப ரீதியாக கடினமானது, மூலதனம் அதிகம் தேவைப்படுவது, வணிக ரீதியாக நிச்சயமற்றது. ஆனால் குறைந்தபட்சம் ஒரு முக்கிய platform நிறுவனம் frontier-ஐ எங்கே பார்க்கிறது என்பதைக் காட்டுகிறது.

இதுபோன்ற deals தனித்த நிகழ்வுகளாகவே இருக்குமா அல்லது வழக்கமானதாக மாறுமா என்பதை Developments Today கவனிக்கும். மேலும் frontier AI labs robotics-ஐ பரிசோதனைத் துணை வேலை அல்ல, core infrastructure ஆகக் கருதத் தொடங்கினால், AI வளர்ச்சியின் மையம் software interfaces-இலிருந்து உலகில் செயல் செய்யக்கூடிய machines-க்கு நகரத் தொடங்கலாம்.

இந்தக் கட்டுரை TechCrunch செய்தியின்மீது அடிப்படையாக உள்ளது. மூலக் கட்டுரையைப் படிக்கவும்.