Dieser Roboter lernt eine neue Aufgabe anhand eines kurzen Videos, keine Schulung erforderlich
GEN-1.5 von Generalist AI nimmt als Aufforderung eine Demonstration von drei bis zwölf Sekunden und führt die Aufgabe mit einer Erfolgsquote von 59 Prozent aus, die nach fünf Minuten Daten auf 83 Prozent ansteigt. Alle Zahlen stammen vom Unternehmen.
Das Robotik-Startup Generalist AI stellte am 20. August GEN-1.5 vor, ein Modell, das eine neue physikalische Aufgabe in einer einzigen Demonstration übernimmt. Sie zeigen ihm einen Clip von drei bis zwölf Sekunden Länge, der Clip wird als etwas, das das Unternehmen als physische Eingabeaufforderung bezeichnet, in das Kontextfenster des Modells verschoben, und der Roboter versucht dann die Aufgabe ohne jeglichen Trainingsschritt. Bei zehn Tests, darunter das Öffnen eines Glases und das Herausziehen von Geld aus einer Brieftasche, meldet Generalist eine durchschnittliche Erfolgsquote von 59 Prozent. Fügen Sie zehn Trainingsschritte zu fünf Minuten Daten hinzu, und das ergibt 83 Prozent.
Es lohnt sich, das Kontextfenster zu übersetzen, da es hier die Hauptarbeit leistet. Es geht einfach darum, wie viele Informationen ein Modell während seiner Arbeit gleichzeitig speichern kann, das maschinelle Äquivalent des Kurzzeitgedächtnisses. Normalerweise bringt man einem Roboter eine Aufgabe bei, indem man stundenlang Beispiele sammelt und ihn neu trainiert, was Tage dauert. GEN-1.5 behandelt die Demonstration stattdessen als Teil der Frage, genauso wie Sie ein Dokument in einen Chatbot einfügen würden, anstatt das Modell darauf zu verfeinern. Laut Generalist kann das System zwei Eingabeaufforderungen zu längeren Sequenzen verketten, Demonstrationen akzeptieren, die in Simulationen statt in der realen Welt aufgezeichnet wurden, und teilweise menschliche Handbewegungen imitieren. Das Unternehmen behauptet außerdem, dass diese Fähigkeiten nie explizit trainiert wurden, sondern während eines mehr als achtmonatigen Vortrainings anhand von Interaktionsdaten entstanden sind.
Diese letzte Behauptung sollte man leichtfertig vertreten. Die Technik selbst, In-Context-Lernen genannt, ist in Sprachmodellen gut etabliert und wurde bereits von anderen Gruppen für Roboter gezeigt, allerdings nur für eine Handvoll Aufgabentypen. Der Generalist behauptet, dass es jetzt auf breiter Front funktioniert. Aber die demonstrierten Aufgaben sind kurz und einfach, jede Zahl stammt aus unternehmenseigenen Tests und nichts wurde unabhängig überprüft. Eine Erfolgsquote von 59 Prozent hört sich auch besser an, als sie sich anfühlt: Ein Glas, das sich in sechs von zehn Fällen öffnet, ist kein Glas, das Sie in Ihrer Küche von einem Roboter öffnen lassen würden. Was dies interessant macht, ist eher die Richtung als die Punktzahl, denn wenn das Vorführen eine Umschulung ersetzt, sinken die Kosten, einem Roboter etwas beizubringen, von Tagen auf Sekunden.
Was das für Sie bedeutet: heute nichts, und das ist in Ordnung. Hier gibt es kein Produkt, keinen Preis und kein Versanddatum. Der Grund, aufmerksam zu sein, besteht darin, dass die Robotik seit Jahren auf den schieren Kosten für das Sammeln von Trainingsdaten für jede einzelne Aufgabe basiert und „es einfach einmal zeigen“ die Form der Lösung ist, nach der alle gesucht haben. Wenn Sie bereits mit KI-Tools arbeiten, ist die nützliche Übertragung konzeptioneller Natur: Ein Beispiel direkt in die Eingabeaufforderung einzufügen, ist oft besser als der Versuch, etwas neu zu trainieren, und das gilt für Text und Bilder ebenso wie für Roboterarme.
Quellen
Google fügt eine Schaltfläche hinzu, mit der Leser ihre eigenen Lieblingsquellen auswählen können
Herausgeber können jetzt eine Schaltfläche „Bevorzugte Quellen“ auf ihrer eigenen Website einbetten. Laut Google ist die Wahrscheinlichkeit, dass Leser zu einer Quelle klicken, die sie als bevorzugt markiert haben, doppelt so hoch.
