रोबोट आमतौर पर लचीलेपन के लिए नहीं जाने जाते: एक ही गति के लिए हज़ारों दोहराव, और रोशनी या वस्तु के आकार में ज़रा सा भी बदलाव कौशल को तोड़ सकता है। कैम्ब्रिज (मैसाचुसेट्स) का स्टार्टअप Generalist AI इस तर्क को उलटने की कोशिश कर रहा है। उदाहरणों पर लंबे प्रशिक्षण के बजाय, मशीन के लिए एक बार छोटा वीडियो देखना ही काफी है — और वह समान, लेकिन समान न होने वाली परिस्थितियों में काम करने के लिए तैयार है। यह कुछ हद तक वैसा ही है जैसे एक बच्चा वयस्क के व्यवहार की नकल करता है, बिना यह जाने कि वह सीख रहा है।
वीडियो एक निर्देश के रूप में: रोबोट "एक ही टेक में" क्या सीखते हैं
कंपनी की प्रयोगशाला में गए एक लेखक ने एक असामान्य दृश्य देखा। मैनिपुलेटर बिना किसी पूर्व तैयारी के किसी विशिष्ट कार्य के लिए समायोजित हो रहे थे: वे कपों को संभाल रहे थे, उन्हें एक के ऊपर एक रख रहे थे, ब्लॉकों को एक कटोरे से दूसरे में स्थानांतरित कर रहे थे। बस एक छोटा सा वीडियो चाहिए था जिसमें क्रिया का प्रदर्शन हो, और उसके बाद रोबोट अपने लिए नई वस्तुओं के साथ काम करने लगता था।
कुछ प्रसंग लगभग इंजीनियरिंग के छोटे चमत्कारों जैसे लगते हैं। उदाहरण के लिए, रोबोट के सामने एक ब्लॉक को कटोरे में धकेलने का कार्य रखा गया, और उसे मदद के लिए एक ब्रश और एक कूड़ादान दिया गया। जब ब्रश हटा दिया गया, तो मशीन रुकी नहीं, बल्कि उसने इस उद्देश्य के लिए कूड़ादान को अपना लिया — उसे पकड़ में लिया और ब्रश की तरह इस्तेमाल करने लगी, और काम को सफलतापूर्वक पूरा किया। एक और मामला दो-हाथ वाले मैनिपुलेटर के साथ हुआ। उसने एक वीडियो देखा जिसमें एक व्यक्ति बटुआ खोलकर उसमें से कागज़ के नोट निकाल रहा था। रोबोट ने दूसरे बटुए के साथ बेहतरीन काम किया, और जब दाहिना हाथ नोट को पकड़ नहीं पाया, तो उसने बाएं हाथ पर स्विच किया, कोण बदला और आखिरकार पैसे निकाल ही लिए।
यह क्यों काम करता है: "भौतिक कल्पना" पर दांव
Generalist AI के सीईओ और सह-संस्थापक पीट फ्लोरेंस अपने रोबोटों के व्यवहार की तुलना GPT-3 से करते हैं। भाषा मॉडल के लिए एक नया कार्य देना ही काफी है, और वह बिना किसी विशेष प्रशिक्षण के समाधान ढूंढ लेता है। रोबोटों के साथ लगभग यही होता है, लेकिन भौतिक दुनिया के संदर्भ में: उन्हें सिर्फ शब्द उत्पन्न करने नहीं होते, बल्कि वस्तुओं की भौतिकी को ध्यान में रखते हुए गतियों का समन्वय करना होता है। कूड़ादान ब्रश की जगह ले सकता है, बटुआ अलग-अलग तरह से खुल सकता है, और केला झाड़ू लगाने का उपकरण बन सकता है।
आखिरी मामला वाकई हुआ: रोबोट के सामने एक केला रखा गया, और उसने बिना घबराए उससे मेज पर रखे पुर्जों को साफ करना शुरू कर दिया। यह मज़ेदार लग रहा था, लेकिन इसके पीछे एक महत्वपूर्ण विचार है — सिस्टम कोई विशिष्ट गति नहीं सीखता, बल्कि भौतिकी की सहज समझ सीखता है, जो मनुष्यों में जन्म से होती है। संस्थापकों की टीम इसी पर दांव लगा रही है: पीट फ्लोरेंस, एंड्रयू बैरी और एंडी ज़ेंग पहले Google DeepMind और Boston Dynamics में काम कर चुके हैं, और अब वे ऐसे मॉडल बना रहे हैं जो अंतरिक्ष में चीज़ों के "व्यवहार" को समझ सकें।
ऐसी समझ का रहस्य भौतिक अंतःक्रियाओं पर भारी मात्रा में गुणवत्तापूर्ण डेटा है। इसे यथासंभव कुशलता से इकट्ठा करने के लिए, Generalist AI ने विशेष दस्ताने बनाए हैं जो रोबोट के पंजों की याद दिलाते हैं। उनमें कैमरे लगे हैं, और दस्ताने खुद इंसानों के लिए हैं: दुनिया भर के ऑपरेटर, जिनमें मेक्सिको भी शामिल है, सामान्य घरेलू या औद्योगिक कार्य करते हैं, और सिस्टम इन रिकॉर्डिंग्स को प्रशिक्षण सामग्री में बदल देता है। लेखक को एक बक्सा भी दिखाया गया जिसमें ऐसे सैकड़ों दस्ताने रखे थे, जो डेटा कलेक्टरों को भेजे जाने के लिए तैयार थे। साथ ही, कंपनी अपने न्यूरल नेटवर्क को शून्य से बनाती है, जानबूझकर तैयार खुली भाषा मॉडलों को अस्वीकार करती है।
विश्वसनीयता, संदेह और उद्योग के लिए संभावनाएं
निर्माता कमजोरियों को छिपाते नहीं हैं। फिलहाल रोबोट दिखाए गए कार्य को औसतन 59% मामलों में सफलतापूर्वक करता है। यह औद्योगिक मानकों से बहुत दूर है, जहां 99% से अधिक विश्वसनीयता की आवश्यकता होती है। यह स्पष्ट नहीं है कि कौशल पूरी तरह से अपरिचित परिदृश्यों में स्थानांतरित होंगे या नहीं, और स्थितियों में अचानक बदलाव पर मॉडल कैसा व्यवहार करेगा। लेकिन किया गया काम पहले से ही बाहरी विशेषज्ञों को प्रभावित कर रहा है।
जॉर्जिया टेक के रोबोटिक्स विशेषज्ञ डैनफेई ज़ू कहते हैं कि सार्वभौमिक रोबोटिक मॉडल विकसित करने वाली कंपनियों में Generalist AI ही वास्तविक व्यावसायिक उपयोग के सबसे करीब है। उनके अनुसार, टीम ने अपने विचार को चरम सीमा तक पहुंचाया और उसे गुणवत्तापूर्ण तरीके से लागू किया, जिसमें भारी मात्रा में अच्छा डेटा इकट्ठा किया। स्टैनफोर्ड की कैरन लियू कहती हैं कि कंपनी का दृष्टिकोण दिलचस्प है क्योंकि डेटा बड़े पैमाने पर इकट्ठा किया जाता है और किसी एक रोबोट डिज़ाइन से बंधा नहीं होता। यह सीखने को एक खुले प्लेटफॉर्म की तरह बनाता है, न कि एक बार के करतब की तरह।
उत्पादन के लिए संभावित लाभ बहुत बड़ा है। एक ऐसी असेंबली लाइन की कल्पना करें जिसे बोतलों की पैकेजिंग से पुर्जों की असेंबली पर तुरंत स्विच किया जा सके — बस रोबोट को एक छोटा वीडियो दिखाना होगा। कोई लंबा पुन: समायोजन नहीं, कोई मैनिपुलेशन प्रोग्रामिंग नहीं।
शायद सबसे प्रभावशाली प्रसंग स्टार्टअप के कार्यालय में देर रात फिल्माया गया था। एक इंजीनियर दो-हाथ वाले रोबोट के सामने हाथ से छोटे कप रख रहा था। अचानक मैनिपुलेटर ने, बिना किसी आदेश की प्रतीक्षा किए, कपों को पकड़ना शुरू कर दिया और उन्हें इंसान के पीछे-पीछे एक साफ स्टैक में रखने लगा। यह सहज क्रिया — भले ही सरल और क्षणभंगुर हो — बताती है कि मशीन निर्देशों के निष्प्राण निष्पादक की सीमा से बाहर निकल रही है। और शायद यही "पहल" वह सफलता बन जाएगी जो रोबोटों को फैक्ट्री हॉल के पिंजरों से निकालकर वास्तविक दुनिया में ले जाएगी।
