Сучасні моделі робототехніки дійсно підкреслюють, наскільки ефективним є людський мозок. Моделі робототехніки мають відносно невеликі розміри (малі мільярди параметрів), зберігають лише секунду контексту та роблять кроки висновків за 100 мс. Для порівняння, людський мозок має 100 трильйонів синапсів (приблизно аналогічно параметрам), обробляє 24 кадри в секунду, враховуючи години попереднього контексту. Отже, як ми можемо очікувати отримати багато покращень у робототехніці на порядок у всіх цих вимірах (які протиставляються один одному в термінах, висновках, обчисленнях) одночасно? І як пояснити, що відбувається в мозку? Це більше схоже на перевагу в програмному забезпеченні чи в апаратному забезпеченні? Повний епізод з @svlevine вже вийшов!

.@svlevine є одним із провідних світових дослідників робототехніки (і співзасновником @physical_int). Він вважає, що повністю автономні роботи набагато ближче, ніж люди уявляють - коли я підштовхнув його до прогнозу, він сказав 5 років роботам, які можуть автономно керувати вашим домашнім господарством). На його думку, велика зміна правил гри полягає в тому, що у нас нарешті з'явилися LLM зі здоровим глуздом і попередніми знаннями, які ми можемо використовувати моделі роботів. Ми розбираємося в усіх причинах, чому це може не відбутися, про маховик даних від розгортання, архітектури, моделювання, виробництва та багато іншого. Насолодитися! 0:00:00 – Графік широко розгорнутих автономних роботів 0:22:12 – Чому робототехніка масштабуватиметься швидше, ніж безпілотні автомобілі 0:32:15 – Як працюють моделі візія-мова-дія 0:50:26 – Потрібні покращення для мозкової ефективності 1:02:48 – Навчання на симуляції 1:14:08 - На скільки роботи прискорять створення штучного інтелекту? 1:22:54 – Якщо вузьким місцем є залізо, то Китай виграє за замовчуванням?

Я вважаю диким, що @physical_int моделі робототехніки взагалі можуть працювати, враховуючи, що вони мають лише 1 секунду контекстної тривалості. Коли робот переміщається по кімнаті і прибирає за столом, він бачить тільки поточну позначку часу зображень з камер (плюс текстовий опис свого завдання). Я запитав@svlevine як взагалі може працювати ця модель. Якби людині доводилося виконувати багатохвилинний план, щоб виконати фізичне завдання, але її пам'ять скидалася кожну секунду, вона ніяк не могла б це зробити Але якимось чином просто знати, в якому стані знаходиться світ буквально в цей момент, - це все, що вам потрібно знати, щоб підтримувати розумно складний план? Відповідь Сергія викликає парадокс Мореваца, і я подумав, що це досить цікаво. Завтра вийде повний епізод!