Người hình Bots: Bước nhảy từ tưởng tượng đến hiện thực

Robot hình người đang nhanh chóng từ các tác phẩm khoa học viễn tưởng chuyển sang ứng dụng thực tế. Chi phí phần cứng giảm, vốn đầu tư tăng, cùng với những đột phá trong công nghệ chuyển động và thao tác, đã cùng nhau thúc đẩy lĩnh vực tính toán bước vào một làn sóng chuyển biến lớn mới. Mặc dù khả năng tính toán và thiết bị phần cứng ngày càng phổ biến, mang lại lợi thế về chi phí cho ngành kỹ thuật robot, nhưng việc thiếu dữ liệu đào tạo vẫn là nút thắt cản trở sự phát triển của ngành.

Trong bối cảnh này, một số dự án bắt đầu tận dụng trí tuệ nhân tạo vật lý phi tập trung (DePAI) để huy động dữ liệu chuyển động chất lượng cao và dữ liệu tổng hợp, đồng thời xây dựng mô hình cơ sở cho Bots. Điều này tạo ra điều kiện thuận lợi để tăng tốc triển khai thực tế của Bots hình người.

Người máy: Từ chức năng đơn giản đến đa tài

Công nghệ robot hóa không phải là điều mới mẻ. Từ robot hút bụi iRobot Roomba ra mắt vào năm 2002, đến các camera giám sát thú cưng thông minh phổ biến trong những năm gần đây, những thiết bị đơn chức năng này đã vào hàng triệu gia đình. Với sự tiến bộ của trí tuệ nhân tạo, robot đang tiến hóa từ hình thức đơn chức năng sang đa chức năng để thích ứng với những môi trường mở phức tạp hơn.

Dự kiến trong 5 đến 15 năm tới, robot hình người sẽ dần được nâng cấp, từ các nhiệm vụ cơ bản như dọn dẹp, nấu ăn, phát triển đến khả năng đảm nhận các công việc phức tạp như dịch vụ tiếp tân, cứu hỏa cứu nạn thậm chí là phẫu thuật.

Gần đây, sự phát triển đang biến những Robot hình người từ tiểu thuyết khoa học viễn tưởng thành hiện thực dễ dàng tiếp cận:

• Xu hướng thị trường: Hơn 100 công ty đang đầu tư vào lĩnh vực Bots.
• Đột phá công nghệ: Thế hệ robot hình người mới thể hiện những chuyển động tự nhiên và mượt mà, cho phép chúng tương tác như con người trong môi trường thực tế. Một số robot có tốc độ đi bộ đạt 3,3 mét mỗi giây, vượt xa tốc độ đi bộ trung bình của con người là 1,4 mét mỗi giây.
• Dự kiến chi phí: Đến năm 2032, chi phí của người máy dự kiến sẽ thấp hơn mức lương nhân lực tại Mỹ.

Nút thắt phát triển: Dữ liệu huấn luyện từ thế giới thực

Mặc dù lĩnh vực robot hình người có triển vọng tươi sáng, nhưng chất lượng và số lượng dữ liệu chưa đủ vẫn cản trở việc triển khai quy mô lớn.

So với các công nghệ thực thể trí tuệ nhân tạo khác như tự lái, vấn đề dữ liệu đã gần như được giải quyết. Ví dụ, một số hệ thống tự lái đã thu thập hàng tỷ dặm dữ liệu lái xe trên đường thực tế thông qua việc sử dụng đội xe. Trong giai đoạn phát triển ban đầu, các hệ thống này còn trang bị người giám sát là con người ngồi ở ghế phụ để đào tạo trong thời gian thực.

Tuy nhiên, người tiêu dùng khó có khả năng chấp nhận sự tồn tại của "Bots bảo mẫu". Điều này có nghĩa là Bots phải có hiệu suất cao ngay từ khi mở hộp, điều này yêu cầu hoàn thành tất cả các đào tạo trước khi sản xuất thương mại. Quy mô và chất lượng dữ liệu trở thành một vấn đề tồn tại lâu dài.

Các loại mô hình AI khác nhau có các đơn vị dữ liệu huấn luyện riêng, chẳng hạn như mô hình ngôn ngữ lớn sử dụng Token, trình tạo hình ảnh sử dụng cặp video-văn bản, còn công nghệ Robot thì sử dụng đoạn chuyển động. So sánh quy mô dữ liệu ở các lĩnh vực khác nhau, có thể thấy rõ sự chênh lệch về khả năng truy cập dữ liệu mà công nghệ Robot đang phải đối mặt:

• Quy mô dữ liệu huấn luyện của một mô hình ngôn ngữ lớn nào đó vượt quá 15 nghìn tỷ văn bản đánh dấu.
• Một số AI tạo hình ảnh sử dụng hàng tỷ cặp video văn bản có nhãn.
• So với, bộ dữ liệu robot lớn nhất chỉ chứa khoảng 2,4 triệu bản ghi tương tác.

Sự chênh lệch này giải thích tại sao công nghệ Bots chưa đạt được mô hình cơ bản thật sự như các mô hình ngôn ngữ lớn, điều quan trọng nằm ở chỗ nền tảng dữ liệu vẫn chưa hoàn thiện.

Các phương pháp thu thập dữ liệu truyền thống khó đáp ứng nhu cầu quy mô của dữ liệu huấn luyện robot hình người:

• Mô phỏng: Chi phí thấp nhưng thiếu bối cảnh biên giới thực tế (khoảng cách giữa mô phỏng và thực tế)
• Video Internet: Không thể cung cấp cảm giác bản thể và môi trường phản hồi lực cần thiết cho việc học của Bots.
• Dữ liệu thế giới thực: Mặc dù chính xác, nhưng cần điều khiển từ xa và các hoạt động khép kín bằng sức người, dẫn đến chi phí cao và thiếu khả năng mở rộng.

Các mô hình được đào tạo trong môi trường ảo thường khó thích ứng với các tình huống phức tạp của thế giới thực. Ví dụ, các Bots được đào tạo ảo có thể dễ dàng nhấc lên các vật thể trong điều kiện lý tưởng, nhưng thường gặp khó khăn khi đối mặt với môi trường lộn xộn, bề mặt không đều hoặc tình huống bất ngờ.

Tầm nhìn toàn diện cho AI phi tập trung

Một số dự án đổi mới đang xây dựng nền tảng phần mềm và dữ liệu tích hợp theo chiều dọc cho các ứng dụng của Bots thông minh thể chất. Những nền tảng này không chỉ tập trung vào việc giải quyết vấn đề tắc nghẽn dữ liệu trong lĩnh vực Bots hình người, mà còn trở thành những người dẫn dắt toàn bộ trong việc đạt được trí thông minh thể chất thông qua việc phát triển phần cứng độc lập, cơ sở hạ tầng mô phỏng đa phương thức và sự kết hợp của các mô hình cơ bản.

Các nền tảng này thường bắt đầu từ thiết bị thu thập chuyển động tiêu dùng độc quyền, xây dựng hệ sinh thái trò chơi thực tế tăng cường và thực tế ảo mở rộng nhanh chóng. Người dùng cung cấp dữ liệu chuyển động độ phân giải cao để đổi lấy phần thưởng khuyến khích trực tuyến, thúc đẩy sự phát triển liên tục của nền tảng. Một số nền tảng đã bán hàng nghìn bộ thiết bị, số người dùng hoạt động hàng tháng đạt hàng chục nghìn, và đã thiết lập một lộ trình tăng trưởng người dùng rõ ràng.

Sự tăng trưởng này chủ yếu xuất phát từ sự phát triển tự nhiên: Người dùng bị thu hút bởi tính giải trí của trò chơi, trong khi các streamer sử dụng thiết bị thu hình chuyển động để thực hiện việc điều khiển hình ảnh kỹ thuật số theo thời gian thực. Chu trình tự phát tích cực này đã tạo ra sản xuất dữ liệu có thể mở rộng, chi phí thấp và độ chân thực cao, khiến cho bộ dữ liệu trở thành tài nguyên đào tạo mà các công ty robot hàng đầu đang cạnh tranh áp dụng.

Một số nền tảng vẫn đang phát triển nền tảng dữ liệu đa mô hình với môi trường mô phỏng phân mảnh thống nhất. Hiện tại, lĩnh vực mô phỏng đang bị phân tách cao độ, các công cụ khác nhau hoạt động độc lập, mặc dù mỗi công cụ có ưu điểm riêng nhưng không thể tương tác với nhau. Tình trạng phân chia này làm chậm tiến trình nghiên cứu và phát triển, gia tăng khoảng cách giữa mô phỏng và thực tế. Bằng cách thực hiện tiêu chuẩn hóa nhiều mô phỏng, các nền tảng này đã tạo ra cơ sở hạ tầng ảo chia sẻ để phát triển và đánh giá mô hình Bots, hỗ trợ thử nghiệm chuẩn nhất quán, từ đó nâng cao khả năng mở rộng và khả năng tổng quát của hệ thống.

Bots cơ bản

Trong những công nghệ này, thành phần quan trọng nhất có thể là mô hình cơ bản của Bots. Là một trong những mô hình cơ bản của Bots đầu tiên, loại mô hình này đang được xây dựng như hệ thống cốt lõi của cơ sở hạ tầng trí tuệ nhân tạo vật lý mới nổi. Nó có vị trí tương tự như mô hình ngôn ngữ lớn truyền thống, nhưng nhắm đến lĩnh vực Bots.

Bằng cách kết hợp dữ liệu thể thao crowdsourcing với hệ thống mô phỏng mạnh mẽ và hệ thống cấp phép mô hình, các nền tảng này có thể đào tạo ra các mô hình cơ bản có khả năng tổng quát qua các bối cảnh khác nhau. Mô hình này có thể hỗ trợ các ứng dụng robot đa dạng trong các lĩnh vực công nghiệp, tiêu dùng và nghiên cứu, thực hiện triển khai tổng quát dưới khối lượng dữ liệu đa dạng khổng lồ.

Một số dự án đã bắt đầu tích cực thúc đẩy quá trình thương mại hóa công nghệ, khởi động các dự án thử nghiệm trả phí với nhiều công ty Bots và thiết lập quan hệ đối tác chiến lược. Thị trường người máy hình người ở Trung Quốc đang trải qua sự tăng trưởng nhanh chóng, chiếm khoảng một phần ba thị trường toàn cầu. Đáng chú ý là, có các nhà sản xuất Trung Quốc chiếm hơn 60% thị phần thị trường Bots bốn chân toàn cầu và dự kiến sẽ sản xuất hơn 1000 chiếc người máy hình người vào năm 2025.

Vai trò của công nghệ tiền điện tử trong ngăn xếp công nghệ trí tuệ nhân tạo vật lý

Công nghệ blockchain đang xây dựng một ngăn xếp dọc hoàn chỉnh cho trí tuệ nhân tạo vật lý. Mặc dù các dự án khác nhau thuộc về các cấp độ khác nhau của ngăn xếp trí tuệ nhân tạo vật lý, nhưng chúng có một điểm chung: đó là các dự án trí tuệ nhân tạo vật lý phi tập trung (DePAI). DePAI sử dụng phần thưởng bằng token xuyên suốt toàn bộ ngăn xếp công nghệ, tạo ra cơ chế mở, có thể kết hợp và không cần giấy phép, biến sự phát triển phi tập trung của trí tuệ nhân tạo vật lý thành hiện thực.

Một số dự án vẫn chưa phát hành token, sự tăng trưởng hữu cơ của họ càng trở nên quý giá hơn. Khi cơ chế khuyến khích token chính thức được khởi động, sự tham gia của mạng lưới sẽ trở thành yếu tố then chốt để thúc đẩy hiệu ứng vòng quay DePAI: Người dùng mua thiết bị phần cứng có thể nhận được khuyến khích từ dự án, các công ty phát triển Bots sẽ trả thưởng cho những người sở hữu thiết bị, sự khuyến khích kép này sẽ thúc đẩy nhiều người hơn mua sắm và sử dụng thiết bị thu thập. Đồng thời, dự án cũng sẽ động viên thu thập dữ liệu hành vi tùy chỉnh có giá trị cao một cách linh hoạt hơn, từ đó thu hẹp hiệu quả khoảng cách công nghệ giữa mô phỏng và ứng dụng thực tế.

Kết luận

Nền tảng Bots cách mạng không thể ngăn cản, nhưng giống như tất cả các nền tảng khác, sự phát triển quy mô của nó không thể thiếu sự hỗ trợ của dữ liệu. Trí tuệ nhân tạo vật lý phi tập trung (DePAI) đang lấp đầy khoảng trống quan trọng nhất trong công nghệ Bots AI: giải pháp dữ liệu Bots của nó có hiệu quả chi phí, khả năng mở rộng cao và tính chất mô-đun.

Khi công nghệ robot trở thành mặt trận tiên phong tiếp theo của AI, những dự án đổi mới này đang biến người dùng bình thường thành "thợ mỏ" dữ liệu hành động. Giống như các mô hình ngôn ngữ lớn cần sự hỗ trợ từ các nhãn văn bản, robot hình người cần một lượng lớn chuỗi hành động để huấn luyện. Thông qua những nỗ lực này, chúng ta hy vọng sẽ vượt qua rào cản cuối cùng, thực hiện bước nhảy vọt từ khoa học viễn tưởng sang hiện thực cho robot hình người.