Los modelos robóticos actuales realmente subrayan cuán tremendamente eficiente es el cerebro humano. Los modelos robóticos son relativamente pequeños (miles de millones de parámetros), solo almacenan un segundo de contexto y realizan pasos de inferencia de 100 ms. Por el contrario, el cerebro humano tiene 100 billones de sinapsis (aproximadamente análogas a los parámetros), procesa 24 fotogramas por segundo, mientras considera horas de contexto previo. Entonces, ¿cómo esperamos obtener muchas mejoras de orden de magnitud en robótica en todas estas dimensiones (que se intercambian entre sí en términos de cómputo de inferencia) al mismo tiempo? ¿Y cómo explicamos lo que está sucediendo en el cerebro? ¿Es más análogo a una ventaja de software o una ventaja de hardware? ¡Episodio completo con @svlevine ya disponible!

.@svlevine es uno de los principales investigadores de robótica del mundo (y cofundador de @physical_int). Él cree que los robots totalmente autónomos están mucho más cerca de lo que la gente cree: cuando lo presioné en una predicción, dijo 5 años a los robots que pueden administrar su hogar de forma autónoma). El gran cambio de juego, en su opinión, es que finalmente tenemos LLM con sentido común y conocimiento previo de que podemos andamiar los modelos de robots. Analizamos todas las razones por las que esto podría no suceder, el volante de datos de la implementación, la arquitectura, la simulación, la fabricación y mucho más. ¡Disfrutar! 0:00:00 - Cronología de robots autónomos ampliamente desplegados 0:22:12 - Por qué la robótica escalará más rápido que los automóviles autónomos 0:32:15 - Cómo funcionan los modelos de visión-lenguaje-acción 0:50:26 - Mejoras necesarias para una eficiencia similar a la del cerebro 1:02:48 - Aprendiendo de la simulación 1:14:08 - ¿Cuánto acelerarán los robots la construcción de IA? 1:22:54 - Si el hardware es el cuello de botella, ¿China gana por defecto?

Me parece una locura que @physical_int modelos de robótica puedan funcionar dado que solo tienen una duración de contexto de 1 segundo. Mientras el robot se mueve por una habitación y limpia una mesa, solo ve la marca de tiempo actual de las imágenes de las cámaras (más la descripción de texto de su tarea). Le pregunté @svlevine era cómo puede funcionar este modelo. Si un humano tuviera que ejecutar un plan de muchos minutos para realizar una tarea física, pero su memoria se restableciera cada segundo, no hay forma de que pueda lograrlo Pero de alguna manera, ¿saber en qué estado se encuentra literalmente el mundo en este momento es todo lo que necesita saber para mantener un plan de complicación razonable? La respuesta de Sergey se basa en la paradoja de Morevac, y me pareció bastante interesante. ¡El episodio completo sale mañana!