استارتاپ آمریکایی Physical Intelligence که توسط گروهی از پژوهشگران رباتیک و با حمایت لاکی گروم، مدیر سابق استرایپ، راهاندازی شده است، بهدنبال ساخت مدلهای پایهای هوش مصنوعی برای رباتهاست؛ چیزی شبیه «چتجیپیتی برای رباتها» که بتواند روی انواع بازوها و پلتفرمهای رباتیکی کار کند.
مغز عمومی برای هر ربات، با داده از دنیای واقعی
در دفتر این شرکت در سانفرانسیسکو دهها بازوی رباتیک ارزانقیمت در حال تمرین کارهای روزمره مثل تا کردن لباس، برگرداندن لباس به پشتورو، یا پوستگرفتن سبزیجات هستند. تیم، داده این آزمایشها را از آشپزخانههای آزمایشی، انبارها و حتی خانههای واقعی جمعآوری میکند تا مدلهای عمومی رباتیک را آموزش دهد؛ مدلهایی که بتوانند مهارت را از یک وظیفه به کارهای شبیه آن تعمیم دهند.
Physical Intelligence تا امروز سرمایه بسیار چشمگیری از صندوقهایی مثل Khosla Ventures، Sequoia Capital و Thrive Capital جذب کرده و بخش عمده بودجه خود را صرف محاسبات و آموزش مدلهای هوش مصنوعی میکند. این شرکت فعلاً برنامه زمانی شفافی برای تجاریسازی به سرمایهگذاران نداده و میگوید ترجیح میدهد روی تحقیق بلندمدت و ساخت هوش عمومیتر برای رباتها تمرکز کند، در حالی که بهصورت محدود با شرکتهایی در حوزههایی مانند لجستیک و خردهفروشی برای آزمایش در دنیای واقعی همکاری میکند.
اهمیت کار Physical Intelligence برای صنعت فناوری در این است که اگر رویکرد «هر پلتفرم، هر کار» موفق شود، توسعه سامانههای خودکار برای رباتهای جدید بسیار ارزانتر و سریعتر خواهد شد. این جریان میتواند هم بر اتوماسیون انبارها و کارخانهها و هم بر رباتهای خانگی آینده تأثیر بگذارد. برای مخاطبان ایرانی، آشنایی با این موج جدید مدلهای پایهای رباتیک میتواند در برنامهریزی آموزشی، پژوهشی و حتی راهاندازی استارتاپهای مبتنی بر رباتیک و هوش مصنوعی الهامبخش باشد؛ همانطور که رشد مدلهای زبانی بزرگ، بازار جهانی خرید اکانت های هوشمصنوعی و ابزارهای مبتنی بر آنها را متحول کرده است.
در مقابل این استراتژی پژوهشمحور، استارتاپهای دیگری هم هستند که با رویکردی تجاریتر، مغزهای رباتیکی خود را خیلی سریع در حوزههایی مثل امنیت، انبارداری و تولید به کار گرفتهاند و از همین حالا درآمد قابل توجهی گزارش میکنند. شکاف میان این دو رویکرد – تمرکز بر تحقیق بلندمدت در برابر تجاریسازی سریع – یکی از بحثهای اصلی اکوسیستم رباتیک و هوش مصنوعی در سالهای اخیر است و احتمالاً در سالهای آینده، برنده یا بازندهبودن هر مسیر روشنتر خواهد شد.
منبع خبر: TechCrunch
