حقق فريق أبحاث MIT اختراقًا كبيرًا مؤخرًا لتطوير نموذج تدريب جديد على الروبوت الذي يستعير أساليب تدريب نماذج اللغة الكبيرة (LLMS) ولم يعد يعتمد على مجموعات بيانات محددة ، ولكنه يستخدم معلومات ضخمة تستخدم للتدريب. من المتوقع أن يحل هذا الابتكار القيود التي واجهتها أساليب تدريب الروبوت التقليدية في الاستجابة للتغيرات البيئية والتحديات الجديدة ، ووضع أساس قوي للبحث والتطوير في أدمغة الروبوتية العامة. تكمن أهمية هذه الدراسة في أن لديها القدرة على تغيير مستقبل الروبوتات ، مما يسمح للروبوتات بالتكيف بشكل أفضل مع البيئات المعقدة والقابلة للتغيير وأداء مجموعة واسعة من المهام.
قدمت معهد ماساتشوستس للتكنولوجيا هذا الأسبوع نموذجًا جديدًا لتدريب الروبوت الذي تخلى عن أساليب التدريب السابقة التي ركزت على مجموعات بيانات محددة واستخدمت بدلاً من ذلك كميات هائلة من المعلومات المستخدمة عند التدريب في نماذج اللغة الكبيرة (LLMS).
يشير الباحثون إلى أن التعلم المقلد - أي أن الوكلاء يتعلمون من خلال تقليد الأفراد الذين يؤدون المهام - يمكن أن يفشلوا عندما يواجهون تحديات صغيرة. قد تشمل هذه التحديات ظروف إضاءة مختلفة ، أو إعدادات بيئية مختلفة أو عقبات جديدة. في هذه الحالات ، لا يحتوي الروبوت على بيانات كافية للتكيف مع هذه التغييرات.
استعار الفريق نماذج مثل GPT-4 واعتمد طريقة حل المشكلات القائمة على البيانات.
وقال ليروي وانغ ، المؤلف الرئيسي للصحيفة: "في مجال اللغة ، فإن البيانات هي جمل". "في مجال الروبوتات ، بالنظر إلى تنوع البيانات ، إذا كنت ترغب في التدريب المسبق بطريقة مماثلة ، نحتاج إلى بنيات مختلفة."
قدم الفريق بنية جديدة تسمى المحول غير المتجانس قبل التدريب (HPT) ، والذي يدمج المعلومات من أجهزة استشعار مختلفة وبيئات مختلفة. ثم يتم دمج البيانات في نموذج التدريب باستخدام محول. كلما زاد المحول ، كانت نتيجة الإخراج أفضل.
ثم يدخل المستخدم تصميم الروبوت والتكوين والمهام التي يريدون إنجازها.
وقال ديفيد هيلد ، أستاذ مشارك بجامعة كارنيجي ميلون ، من الدراسة: "إن حلمنا هو أن يكون لديك دماغ روبوت عالمي يمكنك تنزيله واستخدامه للروبوت الخاص بك دون أي تدريب". "على الرغم من أننا بدأنا للتو ، إلا أننا سنستمر في العمل بجد ، على أمل أن يؤدي هذا التوسع إلى اختراقات في استراتيجيات آلية مثل نماذج اللغة الكبيرة."
تم تمويل هذه الدراسة جزئيا من قبل معهد تويوتا. في العام الماضي في TechCrunch Disrupt ، أظهر Tri وسيلة لتدريب روبوت بين عشية وضحاها. في الآونة الأخيرة ، وصلت إلى شراكة مستجمعات المياه تجمع بين أبحاث التعلم الآلي مع أجهزة Boston Dynamics.
جلب هذا البحث الذي أجرته معهد ماساتشوستس للتكنولوجيا إمكانيات جديدة إلى مجال الروبوتات ، ويستحق تطوره المستقبلي. من خلال الاستفادة من التجربة الناجحة لنماذج اللغة الكبيرة ، من المتوقع أن يعزز النموذج تقدمًا أكثر أهمية في التكنولوجيا الآلية ، مما يدرك في النهاية حلم الدماغ الآلي العام ، بحيث يمكن أن تخدم الروبوتات البشر بمرونة وذكاء أكثر.