知識ロボットはダウンロードできない

ロボットは、カップを手に持っている手を写した何百万枚もの画像で訓練できます。それでも、壊れやすいガラスを潰してしまわず、滑らせずに保持するために必要な正確な力の量を教えることにはなりません。
ここから、身体性を備えた知能の最も難しい部分が始まります。知識の中には、書き下ろすこと、アップロードすること、あるいはデータセットから抽出することが難しいものがあります。それは、身体と物理的な世界のあいだの相互作用の中に宿ります。
→ バランスとは、表面が変わったときに自分の体重をどう移すかを知ることです。
→ グリップとは、対象物がどれくらいの力に耐えられるかを感じ取ることです。
→ タイミングとは、いつ動くのか、いつ止まるのか、いつ調整するのかを知ることです。
→ 適応とは、現実が予想される結果と違って振る舞うときに応答することです。
→ 直観とは、言葉で説明しにくい微細な物理信号から、素早い判断を積み重ねて行える能力のことです。
動画なら落下物をキャッチする人の様子を示せます。データセットなら動きを記録できます。しかし、より深い知能は、行動、フィードバック、修正、そして結果のあいだの連続的なループにあります。
これこそが、知識ロボットには単純にダウンロードできないものです。@InvLambda は、人が介在するテレオペレーションによって、欠けている層の創出を支援しています。人間のオペレーターは、現実世界の器用さと判断力を、物理的な相互作用の中に持ち込みます。その結果、ロボットに「現実の世界が実際にどう振る舞うか」を教えるために必要な、豊かなマルチモーダルデータが生まれます。
目標は、ロボットに単に人間の動きをまねさせることではありません。そうした動きの背後にある物理的な知能を学ばせることです。
なぜなら、ロボティクスにおける次のブレークスルーは、AIに世界についての情報をさらに与えることで生まれるとは限らないからです。世界の中での、より多くの経験を与えることで生まれる可能性があります。
#InvertedLambdaTheBreach #InvertedLambda #Robotics #テレオペレーション #SecondContact #SecondContactTheBreach