Η εποχή των ρομπότ και οι μεγάλες προκλήσεις στο ταξίδι προς την ανθρώπινη ζωή

Τα ρομπότ και η φυσική νοημοσύνη εισέρχονται σε μια περίοδο άνθησης. Οι μεγάλες ευκαιρίες συνοδεύονται από μεγάλες προκλήσεις, αναγκάζοντας τους επιστήμονες να βρουν λύσεις σε «δύσκολα» προβλήματα στην εποχή των ρομπότ.

Καθώς ο κόσμος γίνεται μάρτυρας της έκρηξης του αυτοματισμού, της ρομποτικής και της τεχνητής νοημοσύνης (ΤΝ), οι τεχνολογίες αισθητήρων και τα έξυπνα διαδραστικά συστήματα γίνονται οι πυλώνες της βιομηχανίας, των υπηρεσιών και της υγειονομικής περίθαλψης . Αυτές οι καινοτομίες όχι μόνο βελτιώνουν την παραγωγικότητα και βελτιστοποιούν το κόστος, αλλά ανοίγουν και νέες προσεγγίσεις για τη βελτίωση της ποιότητας ζωής και την πορεία προς τη βιώσιμη ανάπτυξη.

Αυτό είναι το περιεχόμενο που παρουσιάστηκε στο σεμινάριο «Ρομπότ και Ευφυής Αυτοματισμός» που διοργάνωσε το Ίδρυμα VinFuture το πρωί της 4ης Δεκεμβρίου στο Ανόι .

Η συζήτηση επικεντρώθηκε σε πολλές εξέχουσες πτυχές του τομέα της ρομποτικής: ανθρωποειδή ρομπότ με δυνατότητες κοινωνικής αλληλεπίδρασης, συνεργατικά ρομπότ σε υπηρεσίες και ιατρική, ρομποτικά συστήματα αποκατάστασης και καυτά ζητήματα που σχετίζονται με την ασφάλεια και την τεχνολογική ηθική της Τεχνητής Νοημοσύνης. Αυτά τα περιεχόμενα αντικατοπτρίζουν την τάση ανάπτυξης ρομπότ προς τον ανθρωπισμό, την ασφάλεια και τη βιωσιμότητα.

Μαλακά Υλικά: Η Βάση για Ευέλικτα Ρομπότ

Στο σεμινάριο, ο καθηγητής Kurt Kremer - Επίτιμος Διευθυντής του Ινστιτούτου Max Planck για την Έρευνα Πολυμερών (Γερμανία) τόνισε ότι τα μαλακά υλικά ανοίγουν μια νέα κατεύθυνση για τα ρομπότ χάρη στην ευελιξία τους, την ευκολία κατασκευής τους και την φιλικότητα προς το περιβάλλον. Τα πολυμερή, τα οποία χρησιμοποιούνται ευρέως επειδή είναι φθηνά, άφθονα και μπορούν να προσαρμόσουν τη σκληρότητά τους, αναπτύσσονται προς την κατεύθυνση της καλύτερης φέρουσας ικανότητας και της πιο αποτελεσματικής βιοαποικοδόμησης.

Το κλειδί, λέει, είναι ότι πρόκειται για «έξυπνα» υλικά που μπορούν να διαστέλλονται ή να αλλάζουν σχήμα όταν εκτίθενται σε ερεθίσματα όπως η θερμοκρασία, το pH, η πίεση ή οι περιβαλλοντικές αλλαγές. Με την ευαίσθητη και γρήγορη απόκρισή τους, μπορούν να χειρίζονται βαλβίδες, να δημιουργούν μηχανικές δυνάμεις ή να γίνονται εξαιρετικά εξελιγμένα ρομποτικά εξαρτήματα.

Καθηγητής Κουρτ Κρέμερ - Επίτιμος Διευθυντής του Ινστιτούτου Max Planck για την Έρευνα Πολυμερών (Γερμανία). (Φωτογραφία: Minh Son/Vietnam+)

Όταν τα πολυμερή συνδυάζονται σε πολύπλοκες δομές όπως τζελ ή «βούρτσες», τα υλικά μπορούν να αναλάβουν δύσκολες μηχανικές εργασίες, συμβάλλοντας στην παραγωγή μαλακών ενεργοποιητών για να πιάνουν τα ρομπότ πιο απαλά και με μεγαλύτερη ακρίβεια.

Πολλά πολυμερή είναι επίσης εξαιρετικά αγώγιμα ή διηλεκτρικά, ανοίγοντας ευκαιρίες για οργανικά ηλεκτρονικά. Ενώ δεν μπορούν να ανταγωνιστούν το πυρίτιο σε ταχύτητα, είναι φθηνότερα, ευκολότερα στην κατασκευή, δεν βασίζονται σε σπάνιες γαίες και έχουν βρει εφαρμογές σε OLED, πτυσσόμενα τηλέφωνα και οργανικά ηλιακά πάνελ.

Ο καθηγητής Κρέμερ πιστεύει ότι συνδυάζοντας και τα τρία στοιχεία: απαλότητα, απόκριση και ηλεκτρονικές ιδιότητες, τα οργανικά υλικά μπορούν να εξελιχθούν σε μια «νευρομορφική» μορφή που μιμείται την προσαρμογή του νευρικού συστήματος. Αυτό θεωρείται το θεμέλιο για τις μελλοντικές γενιές ρομπότ που είναι ευέλικτα, ασφαλή και οικονομικά βελτιστοποιημένα.

Από την άποψη των εφαρμογών, ο καθηγητής Ho Young Kim (Εθνικό Πανεπιστήμιο της Σεούλ, Κορέα) επεσήμανε ότι τα ρομπότ αντιμετωπίζουν μεγάλες προκλήσεις κατά τον χειρισμό μαλακών υλικών - μιας ομάδας υλικών που εμφανίζονται παντού, από ρούχα, τρόφιμα, πλαστικές σακούλες, ηλεκτρικά καλώδια έως ιατρικά εφόδια.

Τα παραδοσιακά ρομπότ είναι βελτιστοποιημένα για άκαμπτα, σταθερά σε σχήμα αντικείμενα. Αλλά τα μαλακά υλικά είναι εντελώς διαφορετικά, είπε, για παράδειγμα, όταν ένα ρομπότ κρατάει ένα μπλουζάκι, απλώς αλλάζοντας το σημείο πιασίματος, το σχήμα ενός πουκάμισου αλλάζει, η επιφάνεια του πουκάμισου μπορεί να διπλωθεί, να τσαλακωθεί, δημιουργώντας αμέτρητες πολύπλοκες παραμέτρους.

Καθηγητής Ho Young Kim από το Εθνικό Πανεπιστήμιο της Σεούλ, Νότια Κορέα. (Φωτογραφία: Minh Son/Vietnam+)

Αυτό που μπορούν να κάνουν οι άνθρωποι σε δευτερόλεπτα, όπως το να σηκώσουν τα μανίκια ή να διπλώσουν τα ρούχα, αποτελεί τεράστια πρόκληση για τα ρομπότ. Αυτό, είπε, είναι επίσης το παράδοξο της σύγχρονης Τεχνητής Νοημοσύνης: μπορεί να λύσει εξισώσεις και να απομνημονεύσει τεράστιες ποσότητες δεδομένων, αλλά δυσκολεύεται να χειριστεί βασικές οικιακές εργασίες.

Στην έρευνά τους, η ομάδα του ανέπτυξε ένα σύστημα λαβής που χρησιμοποιεί ελαστικές μεμβράνες που επιτρέπει τη σταθερή ανύψωση μεμονωμένων υφασμάτων, ακόμη και τη συλλογή μαλακών βιολογικών αντικειμένων όπως φλούδες πορτοκαλιού.

Βασιζόμενη σε αυτήν την τεχνολογία, η ερευνητική ομάδα δημιούργησε μια μηχανή που εκτελεί το βήμα της αρίθμησης - ένα σημαντικό βήμα που προηγουμένως μόνο οι άνθρωποι μπορούσαν να κάνουν. Η μηχανή μπορεί να επαναλάβει τη λειτουργία πολλές φορές χωρίς να κάνει λάθη.

Για να λυθεί το πρόβλημα των μαλακών υλικών, σύμφωνα με τον ίδιο, τα ρομπότ πρέπει να ξεπεράσουν τέσσερις προκλήσεις: την ικανότητα να αντιλαμβάνονται με ακρίβεια την κατάσταση των υλικών· ένα αρκετά ευαίσθητο μηχανικό χέρι· ένα ευέλικτο σύστημα ελέγχου ενόψει συνεχών αλλαγών· και την ικανότητα επέκτασης για μαζική παραγωγή. Η επεξεργασία μαλακών υλικών, κατέληξε, είναι η «πόρτα» για να εισέλθουν πραγματικά τα ρομπότ στη ζωή και την παραγωγή.

Ανθρωποειδή ρομπότ και απαιτήσεις φυσικής νοημοσύνης

Ο καθηγητής Tan Yap Peng - Πρόεδρος του VinUni, δήλωσε ότι τα ανθρωποειδή ρομπότ γίνονται τάση επειδή μπορούν να λειτουργούν εύκολα σε ανθρώπινα περιβάλλοντα. Προβλέπεται ότι μέχρι το 2050, ο κόσμος μπορεί να έχει τουλάχιστον ένα δισεκατομμύριο ρομπότ που θα ζουν και θα εργάζονται με ανθρώπους.

Η μεγάλη πρόκληση είναι ότι τα σημερινά ρομπότ είναι ως επί το πλείστον προγραμματισμένα για μία μόνο εργασία. Για να προχωρήσει η τεχνολογία σε ρομπότ που εκτελούν πολλά καθήκοντα ταυτόχρονα, πρέπει να μάθει από μεγάλα γλωσσικά μοντέλα: Ρομπότ που εκπαιδεύονται σε μεγάλες ποσότητες δεδομένων βίντεο για να αναπτύξουν την ικανότητα κατανόησης του φυσικού κόσμου.

Καθηγητής Tan Yap Peng - Διευθυντής του VinUni. (Φωτογραφία: Minh Son/Vietnam+)

Αλλά η μετάβαση από τη γλώσσα στην όραση και στη δράση είναι ένα μακρύ ταξίδι. Τα ρομπότ πρέπει να παρατηρούν, να συλλογίζονται και να λαμβάνουν οδηγίες – δεξιότητες που παραμένουν ανοιχτές.

Ο καθηγητής Tan Yap Peng έδωσε επίσης παραδείγματα μοντέλων όπως το «Physical Intelligence Type Zero» που επιτρέπουν στα ρομπότ να λαμβάνουν δεδομένα εικόνας, βίντεο και ομιλίας και να εκτελούν διάφορες ενέργειες ελέγχου ρομπότ. Ωστόσο, με πολύπλοκες εργασίες όπως το δίπλωμα ρούχων ή το πλύσιμο ρούχων, τα ρομπότ εξακολουθούν να χρειάζονται βελτιστοποίηση και επεξηγηματικά δεδομένα από ειδικούς.

Ο μεγαλύτερος περιορισμός, σύμφωνα με τον καθηγητή Tan, είναι ότι τα ρομπότ δεν έχουν την ίδια μνήμη με τους ανθρώπους. Ως εκ τούτου, η ομάδα του πρότεινε την αποθήκευση «θραυσμάτων μνήμης» από επιδείξεις ειδικών, επιτρέποντας στα ρομπότ να αναζητούν και να χρησιμοποιούν παρόμοιες εμπειρίες όταν αντιμετωπίζουν νέες εργασίες. Αυτή η προσέγγιση μειώνει τα σφάλματα και αυξάνει την ικανότητα ολοκλήρωσης μεγάλων εργασιών.

Ταυτόχρονα, τα ρομπότ πρέπει επίσης να επιλύουν προβλήματα που σχετίζονται με την ενέργεια, την επιδεξιότητα των χεριών, την αυτοδιάγνωση, την ασφαλή λειτουργία και τη συμμόρφωση με τα ηθικά πρότυπα. Σύμφωνα με τον καθηγητή, όλα αυτά είναι μεγάλα προβλήματα που πρέπει να επιλυθούν τα επόμενα 30-50 χρόνια.

Δρ. Nguyen Trung Quan, Επίκουρος Καθηγητής Αεροναυτικής και Αστροναυτικής Μηχανικής στο Πανεπιστήμιο της Νότιας Καλιφόρνιας (USC) και Επιστημονικός Διευθυντής (CSO) της VinMotion. (Φωτογραφία: Minh Son/Vietnam+)

Από βιομηχανικής άποψης, ο Δρ. Nguyen Trung Quan, Επίκουρος Καθηγητής Αεροναυτικής και Αεροδιαστημικής Μηχανικής στο Πανεπιστήμιο της Νότιας Καλιφόρνιας (USC) και Επιστημονικός Διευθυντής (CSO) της VinMotion, δήλωσε ότι κατά τη μετάβαση από την ψηφιακή Τεχνητή Νοημοσύνη στη φυσική νοημοσύνη, τα δεδομένα γίνονται ο πιο σπάνιος παράγοντας. Ο κόσμος μετατοπίζεται έντονα προς τα ρομπότ γενικής χρήσης επειδή προσφέρουν την ικανότητα δράσης - κάτι που η καθαρά ψηφιακή Τεχνητή Νοημοσύνη δεν μπορεί να κάνει.

Πολλές προβλέψεις δείχνουν ότι η αγορά ανθρωποειδών ρομπότ και φυσικής νοημοσύνης θα μπορούσε να φτάσει τα 10.000 δισεκατομμύρια δολάρια ΗΠΑ τα επόμενα 10 χρόνια, στο πλαίσιο της έλλειψης εργατικού δυναμικού σε πολλές χώρες.

Αλλά σύμφωνα με τον Δρ. Κουάν, η σωματική νοημοσύνη αντιμετωπίζει έναν «φαύλο κύκλο κότας-αυγού», η καλή Τεχνητή Νοημοσύνη απαιτεί πραγματικά δεδομένα, τα πραγματικά δεδομένα απαιτούν ρομπότ για να λειτουργήσουν και τα ρομπότ που λειτουργούν αποτελεσματικά χρειάζονται ισχυρή Τεχνητή Νοημοσύνη.

«Το VinMotion προσεγγίζει το μοντέλο «ανθρώπινης παρουσίας» φέρνοντας τα ρομπότ σε πραγματικά περιβάλλοντα, επιτρέποντάς τους να παρακολουθούν, να υποστηρίζουν και να ανταποκρίνονται όταν τα ρομπότ αντιμετωπίζουν δύσκολες καταστάσεις. Αυτό το μοντέλο διασφαλίζει την ασφάλεια και βοηθά την Τεχνητή Νοημοσύνη να μαθαίνει πιο γρήγορα, δημιουργώντας μια πλατφόρμα για κλιμάκωση», δήλωσε ο κ. Quan.

Σύμφωνα με τον ίδιο, τα ανθρωποειδή ρομπότ απαιτούν τρεις παράγοντες: καλό υλικό, καλό λογισμικό/τεχνητή νοημοσύνη και ένα ασφαλές σύστημα ανάπτυξης. Το Βιετνάμ είναι μία από τις χώρες που είναι ικανές να πληρούν και τους τρεις αυτούς παράγοντες ταυτόχρονα.

(Βιετνάμ+)

Πηγή: https://www.vietnamplus.vn/ky-nguyen-robot-va-thach-thuc-lon-tren-hanh-trinh-buoc-vao-doi-song-con-nguoi-post1080970.vnp