Il sogno di un robot in grado di piegare il bucato, organizzare la scrivania o persino gestire delicate banconote si sta spostando dalla fantascienza alla realtà. Mentre le precedenti generazioni di robotica lottavano con l’imprevedibilità del mondo fisico, una nuova svolta nell’intelligenza artificiale fisica sta colmando il divario tra la programmazione rigida e la destrezza di tipo umano.
La svolta della Gen-1
Generalist AI, con sede in California, ha presentato Gen-1, un nuovo modello fisico di intelligenza artificiale progettato per fungere da “cervello” universale per vari sistemi robotici. A differenza dei modelli tradizionali che potrebbero funzionare solo per un braccio industriale specifico, Gen-1 è costruito per essere indipendente dalla piattaforma, il che significa che può alimentare qualsiasi cosa, da un robot umanoide a un arto industriale stazionario.
Le capacità del modello sono meglio dimostrate attraverso la sua capacità di gestire compiti “complicati”, azioni che richiedono capacità motorie e una comprensione della struttura e dell’attrito. Le dimostrazioni recenti includono:
– Gestione della valuta: Ritirare e reinserire con successo fragili banconote in un portafoglio.
– Lavori domestici: Ordinare i calzini per colore e piegarli in pile ordinate.
– Attività di precisione: aprire gli astucci, impilare le arance in piramidi e collegare i cavi Ethernet.
Risolvere il problema dei dati: “Mani dei dati”
Per capire perché si tratta di un balzo in avanti, è necessario considerare l’ostacolo principale della robotica: la scarsità di dati.
Mentre i modelli linguistici di grandi dimensioni (come ChatGPT) sono stati addestrati sulla vasta distesa di Internet, ai robot manca una simile “internet del movimento fisico”. La maggior parte dei robot viene addestrata tramite la teleoperazione, in cui un essere umano controlla a distanza un robot per insegnargli un compito. Questo è lento e difficile da scalare.
L’intelligenza artificiale generalista ha aggirato questo collo di bottiglia utilizzando un approccio più organico. Hanno distribuito la tecnologia indossabile agli esseri umani in tutto il mondo, consentendo loro di eseguire milioni di compiti. Ciò ha fornito all’intelligenza artificiale “mani di dati”, un enorme set di dati che cattura le sottili sfumature del movimento umano, come:
* Feedback tattile: quanta pressione applicare su un oggetto.
* Scivolamento e recupero: Come regolare la presa quando un oggetto inizia a scivolare.
* Modulazione della forza: La capacità di distinguere tra un calzino morbido e uno smartphone rigido.
Questi dati consentono al robot di sviluppare il “buon senso fisico”, allontanandosi dall’esecuzione di istruzioni rigide e preimpostate e verso una comprensione intuitiva del comportamento degli oggetti.
Dalla programmazione rigida all’improvvisazione robotica
Uno dei cambiamenti più significativi evidenziati dalla Gen-1 è il passaggio all’improvvisazione.
Tradizionalmente, se un robot incontrasse un leggero cambiamento nel suo ambiente, ad esempio una parte posizionata leggermente fuori portata, semplicemente fallirebbe. La Gen-1 è progettata per “pensare con i propri piedi”. Ad esempio, in un’attività di assemblaggio automobilistico, il modello ha dimostrato la capacità di utilizzare due mani per riposizionare una parte, nonostante fosse stato addestrato a usarne solo una. Questa capacità di adattarsi alle “palle curve” è essenziale affinché i robot possano passare dalle fabbriche controllate agli ambienti caotici della vendita al dettaglio, dell’ospitalità e, infine, delle nostre case.
L’orizzonte economico
I tempi di questo progresso sono in linea con un massiccio cambiamento nell’economia globale. Mentre aziende come Boston Dynamics e Honor ampliano i confini del movimento umanoide, gli analisti vedono un mercato in espansione. Morgan Stanley prevede che il mercato della robotica potrebbe raggiungere i 5 trilioni di dollari entro il 2050.
Affinché questo mercato possa realizzare il suo potenziale, i robot devono andare oltre il sollevamento di carichi pesanti ed entrare nel regno delle complesse interazioni quotidiane. I tassi di successo osservati nella Gen-1, come l’aumento del tasso di successo della manutenzione di un robot aspirapolvere dal 50% al 99%, suggeriscono che la transizione dagli strumenti industriali agli aiutanti domestici sta accelerando.
“Stiamo cominciando a vedere progressi reali e siamo entusiasti di ampliare i confini dell’intelligenza incarnata.” — Pete Florence, co-fondatore e CEO di Generalist AI
Conclusione
Addestrando l’intelligenza artificiale sulle sottili sfumature del tocco umano piuttosto che su semplici comandi, l’intelligenza artificiale generalista sta avvicinando la robotica alla vera autonomia. Questo passaggio dalla ripetizione programmata all’improvvisazione fisica è la chiave per portare robot utili e affidabili nelle nostre case e nei luoghi di lavoro.
