Ακολουθώντας το μεγάλο μοντέλο, η «ενσωματωμένη νοημοσύνη» έχει γίνει ένα νέο hot spot στον κλάδο της τεχνολογίας φέτος και θεωρείται η βασική κατεύθυνση στο νέο κύμα τεχνητής νοημοσύνης (AI). Έχουν αναδυθεί πολλές νεοφυείς επιχειρήσεις, η χρηματοδότηση έχει φτάσει σε νέα υψηλά και η τεχνολογία συνέχισε να διασχίζει... Ως η πιο αντιπροσωπευτική οντότητα σε αυτόν τον τομέα, τα ανθρωποειδή ρομπότ επιταχύνουν την εκβιομηχάνιση υπό την κατάλυση μεγάλων μοντέλων.
Αν τα μεγάλα μοντέλα θεωρούνται «ενδιαφέρουσες ψυχές», τα ανθρωποειδή ρομπότ που ενεργοποιούνται από την «ενσωματωμένη νοημοσύνη» έχουν «καλόμορφα δέρματα» και έχουν γίνει ισχυροί βοηθοί για τους ανθρώπους σε πολλούς τομείς.
Επαναπροσδιορίζοντας τα ρομπότ
Ως γέφυρα που συνδέει τον εικονικό χώρο και τον πραγματικό χώρο, η «ενσωματωμένη νοημοσύνη» αναφέρεται στην ενσωμάτωση της τεχνητής νοημοσύνης σε φυσικές οντότητες όπως τα ρομπότ, δίνοντάς τους τη δυνατότητα να αντιλαμβάνονται, να μαθαίνουν και να αλληλεπιδρούν δυναμικά με το περιβάλλον όπως οι άνθρωποι.
Ο ίδιος ο όρος «ενσωματωμένη νοημοσύνη» έχει ένα έντονο φιλοσοφικό χρώμα τεχνολογίας. Το 1945, ο Γάλλος φιλόσοφος Maurice Merleau-Ponty πρότεινε την έννοια της «ενσάρκωσης», πιστεύοντας ότι οι άνθρωποι πρέπει να αλληλεπιδρούν και να αντιλαμβάνονται το περιβάλλον περιβάλλον μέσω του σώματός τους για να κατανοήσουν τον κόσμο. Το 1950, ο Βρετανός επιστήμονας υπολογιστών Turing, γνωστός ως ο «πατέρας της τεχνητής νοημοσύνης», πρότεινε για πρώτη φορά την έννοια της «ενσωματωμένης νοημοσύνης» στην εργασία του «Computing Machinery and Intelligence».
Στην πραγματικότητα, τα βιομηχανικά ρομπότ (ρομποτικοί βραχίονες) με σχετικά χαμηλά επίπεδα νοημοσύνης χρησιμοποιούνται ευρέως από καιρό στη μεταποιητική βιομηχανία, επιφέροντας βελτιώσεις ποιότητας και απόδοσης. Ωστόσο, τα παραδοσιακά βιομηχανικά ρομπότ είναι ένας συνδυασμός "σταθερών προγραμμάτων + ρομποτικών βραχιόνων", ενώ τα ρομπότ που ενδυναμώνονται από "ενσωματωμένη νοημοσύνη" είναι μια επανάληψη της "πολυτροπικής αντίληψης + λήψης αποφάσεων του εγκεφάλου".
Ο Xu Huazhe, επίκουρος καθηγητής στο Ινστιτούτο Διεπιστημονικών Επιστημών Πληροφοριών του Πανεπιστημίου Tsinghua, πιστεύει ότι τα ρομπότ στο μέλλον θα παρουσιάζουν μια ποικιλία μορφών: δίποδα, τετράποδα, τροχοφόρα, μηχανικά σκυλιά, έξυπνα drones και ακόμη και μηχανικές μέλισσες, αλλά ανθρωποειδή ρομπότ είναι τα πιο προσαρμόσιμα στην ανθρώπινη κοινωνία και θα γίνουν τα ρομπότ που μπορούν να βοηθήσουν καλύτερα τους ανθρώπους.
Τα ανθρωποειδή ρομπότ μπορούν να λύσουν το πρόβλημα του «τελευταίου μιλίου» της γραμμής παραγωγής. Πολλά εξατομικευμένα και προσαρμοσμένα προϊόντα δεν μπορούν να συναρμολογηθούν ομοιόμορφα στη γραμμή συναρμολόγησης, κάτι που απαιτεί ανθρωποειδή ρομπότ με δυνατότητες γενίκευσης να «βοηθήσουν» να συναρμολογήσουν εξαρτήματα μαζικής παραγωγής σε προϊόντα σύμφωνα με τις ανάγκες προσαρμογής των πελατών. Σε πιο περίπλοκα και ευμετάβλητα σενάρια όπως οι οικιακές υπηρεσίες και οι δημόσιες υπηρεσίες, τα ανθρωποειδή ρομπότ έχουν επίσης περισσότερα πλεονεκτήματα και μπορούν να προσαρμοστούν σε διαφορετικά περιβάλλοντα και ανάγκες για να ολοκληρώσουν μια ποικιλία εργασιών.
Τρεις μεγάλες δυσκολίες που πρέπει να ξεπεραστούν
Η ανάπτυξη των ανθρωποειδών ρομπότ ξεκινά με τη μάθηση και τη μίμηση των ανθρώπων. Οι δυσκολίες στην ανάπτυξή του μπορούν επίσης να γίνουν κατανοητές συγκρίνοντάς το με τον ανθρώπινο εγκέφαλο, την παρεγκεφαλίδα και το σώμα. Ο «εγκέφαλος» είναι κυρίως υπεύθυνος για το αυτόνομο κέντρο μάθησης, προγραμματισμού και λήψης αποφάσεων του ρομπότ. η "παρεγκεφαλίδα" είναι υπεύθυνη για τον έλεγχο της κίνησης, συμπεριλαμβανομένου του περπατήματος έως του τρεξίματος και του άλματος, και από το απλό πιάσιμο έως τις πολύπλοκες κινήσεις των χεριών. και το «σώμα» περιλαμβάνει τη δομή του κορμού και των άκρων και το επιδέξιο σχέδιο των χεριών.
Ο Αντιπρόεδρος της UBTECH Robotics και Διευθυντής του Ερευνητικού Ινστιτούτου Jiao Jichao είπε στους δημοσιογράφους ότι υπάρχουν πολλές τεχνικές δυσκολίες που πρέπει να ξεπεραστούν σε αυτούς τους τρεις βασικούς τομείς: Όσον αφορά τον «εγκέφαλο», η ολοκληρωμένη αρχιτεκτονική υπολογιστών στο τέλος του cloud, η πολυτροπική αντίληψη και η περιβαλλοντική μοντελοποίηση είναι στο επίκεντρο της τεχνολογίας τα τελευταία χρόνια. «Η μεγαλύτερη δυσκολία στη μίμηση του ανθρώπου έγκειται στη μίμηση του ανθρώπινου εγκεφάλου και οι υπάρχουσες επιστημονικές θεωρίες δεν είναι αρκετές για να μελετήσουν τον ανθρώπινο εγκέφαλο». Όσον αφορά την "παρεγκεφαλίδα", οι δυνατότητες αλληλεπίδρασης ανθρώπου-υπολογιστή, πολύπλοκη διέλευση εδάφους, συντονισμένες λεπτές λειτουργίες ολόκληρου του σώματος κ.λπ. είναι σημαντικές κατευθύνσεις. Όσον αφορά το «σώμα», βασικές τεχνολογίες όπως ο μηχανισμός μετάδοσης βιονικής μετάδοσης άκαμπτης-εύκαμπτης ζεύξης, η εξαιρετικά συμπαγής δομή των άκρων του ρομπότ και ο επιδέξιος σχεδιασμός των χεριών είναι σημαντικά θεμέλια υλικού που απαιτούνται για την ευέλικτη κίνηση των ανθρωποειδών ρομπότ.
Η εμφάνιση μεγάλων μοντέλων «εξέλιξε» σημαντικά τον «εγκέφαλο» του ρομπότ, βελτίωσε σημαντικά την ευελιξία και τη γενίκευση των ρομπότ και αναμένεται να μειώσει το κόστος ανάπτυξης των ανθρωποειδών ρομπότ και να επιταχύνει την είσοδό τους σε χιλιάδες νοικοκυριά.
Σύμφωνα με τον Yang Fengyu, ιδρυτή και διευθύνοντα σύμβουλο της Uniqi Robotics Technology Co., Ltd., η βιομηχανία χρησιμοποιεί τώρα κυρίως προεκπαιδευμένα μεγάλα μοντέλα για την προεκπαίδευση ρομπότ για να τους δώσει ισχυρότερες δυνατότητες εκμάθησης. τα μεγάλα μοντέλα μπορούν να μεταφέρουν την εκμάθηση συγκεκριμένων εργασιών σε εργασίες ρομπότ για να βελτιώσουν την προσαρμοστικότητά τους. Επιπλέον, οι δυνατότητες πολυτροπικής επεξεργασίας μεγάλων μοντέλων μπορούν να χρησιμοποιηθούν, σε συνδυασμό με διάφορες εισόδους όπως η όραση, η ακοή και η αφή, για να βελτιωθεί η κατανόηση από το ρομπότ περίπλοκων σκηνών.