ChatGPT ร่วมออกแบบหุ่นยนต์ตัวแรก

07 มิ.ย. 2023 (ข่าวนาโนเวิร์ค) บทกวี บทความ และแม้แต่หนังสือ มีอะไรที่แพลตฟอร์ม AI แบบเปิด ChatGPT ไม่สามารถจัดการได้หรือไม่ การพัฒนา AI ใหม่เหล่านี้ได้สร้างแรงบันดาลใจให้กับนักวิจัยที่ TU Delft และ EPFL มหาวิทยาลัยเทคนิคของสวิส ให้เจาะลึกลงไปอีกหน่อย เช่น ChatGPT สามารถออกแบบหุ่นยนต์ได้หรือไม่ และนี่เป็นสิ่งที่ดีสำหรับกระบวนการออกแบบหรือมีความเสี่ยงหรือไม่? นักวิจัยได้เผยแพร่ผลการค้นพบของพวกเขาใน ปัญญาเครื่องจักรธรรมชาติ (“LLM สามารถเปลี่ยนกระบวนการออกแบบหุ่นยนต์ได้อย่างไร”). อะไรคือความท้าทายที่ยิ่งใหญ่ที่สุดในอนาคตสำหรับมนุษยชาติ? นี่เป็นคำถามแรกที่ Cosimo Della Santina ผู้ช่วยศาสตราจารย์และนักศึกษาปริญญาเอก Francesco Stella ทั้งจาก TU Delft และ Josie Hughes จาก EPFL ถาม ChatGPT “เราต้องการให้ ChatGPT ออกแบบไม่ใช่แค่หุ่นยนต์เท่านั้น แต่ยังมีประโยชน์จริงๆ ด้วย” Della Santina กล่าว ในท้ายที่สุด พวกเขาเลือกการจัดหาอาหารเป็นความท้าทาย และเมื่อพวกเขาพูดคุยกับ ChatGPT พวกเขาก็เกิดแนวคิดที่จะสร้างหุ่นยนต์เก็บมะเขือเทศขึ้นมา หุ่นยนต์เก็บมะเขือเทศที่ออกแบบโดย ChatGPT และนักวิจัยจาก TU Delft และ EPFL "มอง" ที่กล้อง (ภาพ: เอเดรียน บัตเทียร์ / EPFL)

คำแนะนำที่เป็นประโยชน์

นักวิจัยติดตามการตัดสินใจในการออกแบบทั้งหมดของ ChatGPT ข้อมูลที่ได้รับพิสูจน์แล้วว่ามีคุณค่าอย่างยิ่งในช่วงแนวความคิด ตามที่ Stella กล่าว “ChatGPT ขยายความรู้ของนักออกแบบไปยังความเชี่ยวชาญด้านอื่นๆ ตัวอย่างเช่น หุ่นยนต์แชทสอนเราว่าการครอบตัดแบบใดจะมีคุณค่าทางเศรษฐกิจมากที่สุดในการทำงานอัตโนมัติ” แต่ ChatGPT ยังได้รับคำแนะนำที่เป็นประโยชน์ระหว่างขั้นตอนการใช้งานอีกด้วย: “สร้างมือจับจากซิลิโคนหรือยางเพื่อหลีกเลี่ยงไม่ให้มะเขือเทศบด” และ “มอเตอร์ Dynamixel เป็นวิธีที่ดีที่สุดในการขับเคลื่อนหุ่นยนต์” ผลลัพธ์ของความร่วมมือระหว่างมนุษย์กับ AI ก็คือแขนหุ่นยนต์ที่สามารถเก็บเกี่ยวมะเขือเทศได้

ChatGPT ในฐานะนักวิจัย

นักวิจัยพบว่ากระบวนการออกแบบร่วมกันเป็นบวกและมีคุณค่า “อย่างไรก็ตาม เราพบว่าบทบาทของเราในฐานะวิศวกรเปลี่ยนไปสู่การทำงานด้านเทคนิคมากขึ้น” Stella กล่าว ใน Nature Machine Intelligence นักวิจัยสำรวจระดับความร่วมมือที่แตกต่างกันระหว่างมนุษย์กับ Large Language Models (LLM) ซึ่ง ChatGPT เป็นหนึ่งในนั้น ในสถานการณ์ที่เลวร้ายที่สุด AI จะให้ข้อมูลทั้งหมดแก่การออกแบบหุ่นยนต์ และมนุษย์จะติดตามหุ่นยนต์โดยสุ่มสี่สุ่มห้า ในกรณีนี้ LLM ทำหน้าที่เป็นนักวิจัยและวิศวกร ในขณะที่มนุษย์ทำหน้าที่เป็นผู้จัดการ ซึ่งรับผิดชอบในการระบุวัตถุประสงค์ของการออกแบบ

ความเสี่ยงจากข้อมูลที่ไม่ถูกต้อง

สถานการณ์สุดขั้วดังกล่าวยังเป็นไปไม่ได้สำหรับ LLM ในปัจจุบัน และคำถามก็คือว่ามันเป็นที่พึงปรารถนาหรือไม่ “ในความเป็นจริง เอาต์พุต LLM อาจทำให้เข้าใจผิดได้หากไม่ได้รับการตรวจสอบหรือตรวจสอบความถูกต้อง บอท AI ได้รับการออกแบบมาเพื่อสร้างคำตอบที่ 'น่าจะเป็นไปได้มากที่สุด' สำหรับคำถาม ดังนั้นจึงมีความเสี่ยงที่ข้อมูลผิด ๆ และอคติในสาขาหุ่นยนต์” Della Santina กล่าว การทำงานร่วมกับ LLM ยังทำให้เกิดประเด็นสำคัญอื่นๆ เช่น การลอกเลียนแบบ การตรวจสอบย้อนกลับ และทรัพย์สินทางปัญญา Della Santina, Stella และ Hughes จะยังคงใช้หุ่นยนต์เก็บเกี่ยวมะเขือเทศในการวิจัยด้านวิทยาการหุ่นยนต์ต่อไป พวกเขายังศึกษา LLM ต่อไปเพื่อออกแบบหุ่นยนต์ตัวใหม่ โดยเฉพาะพวกเขากำลังพิจารณาความเป็นอิสระของ AI ในการออกแบบร่างกายของตนเอง “คำถามปลายเปิดสำหรับอนาคตในสาขาของเราคือวิธีที่ LLM สามารถนำมาใช้เพื่อช่วยเหลือนักพัฒนาหุ่นยนต์โดยไม่จำกัดความคิดสร้างสรรค์และนวัตกรรมที่จำเป็นสำหรับหุ่นยนต์ในการก้าวไปสู่ความท้าทายแห่งศตวรรษที่ 21” สเตลลาสรุป

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• การเงิน EVM ส่วนต่อประสานแบบครบวงจรสำหรับการเงินแบบกระจายอำนาจ เข้าถึงได้ที่นี่.
• กลุ่มสื่อควอนตัม IR/PR ขยาย เข้าถึงได้ที่นี่.
• เพลโตไอสตรีม. ข้อมูลอัจฉริยะ Web3 ขยายความรู้ เข้าถึงได้ที่นี่.
• ที่มา: https://www.nanowerk.com/news2/robotics/newsid=63137.php