„Kövessenek, uraim”, mondta Spot, az integrált mesterséges intelligenciával ellátott robotkutya. A Boston Dynamics új chatrobotjai idegenvezetőként, vagy igazi (?), beszélő háziállatként is működhetnek.
A Boston Dynamics mérnökei híresek autonóm robotterveikről, és legújabb innovációjukkal, a ChatGPT egy újabb integrációjával lehetőséget adtak robotkutyájuknak, hogy megszólaljon.
„Az idegenvezetőként való foglalkoztatásom nagy elégedettséget nyújt”,
mondta Spot a Boston Dynamics vezető szoftvermérnökének, Matt Klingensmithnek.
Az elmúlt egy-két évben a mesterséges intelligencia fejlődése, különösen a generatív mesterséges intelligencia területen gyors volt. A valódi emberekhez hasonlóan író chatbotok, képgeneráló algoritmusok és élethű beszédgenerátorok bemutatói mind-mind mindennapossá, és az átlagember számára elérhetővé váltak.
Ezt a bővülést részben a nagy alapmodellek (FM-ek, hatalmas adathalmazon kiképzett nagy MI-rendszerek) térhódítása segítette elő. Ezek a modellek általában több millió vagy milliárd paraméterrel rendelkeznek, és a nyilvános internetről származó nyers adatok lekérdezésével képezték ki őket, amelyek általában rendelkeznek az úgynevezett „emergens viselkedéssel”, azaz képesek olyan feladatok elvégzésére, amelyek nem tartoznak a közvetlenül betanítottak közé. Emiatt számos alkalmazáshoz adaptálhatók, és más algoritmusok alapjául szolgálhatnak.
A Boston Dynamics csapata egy csütörtökön feltöltött videóban mutatta be, hogyan működik a chatbot integráció Spot segítségével. A nagy sárga „kutya” úgy tűnt, hogy meghibásodik, amikor Klingensmith megpróbálta elmondani neki, hogy szereti a robot brit akcentusát.
A Boston Dynamics robotjai már bizonyították, hogy tudnak táncolni, futni és még parkourozni is, azonban a generatív mesterséges intelligencia segítségével most már hallanak, és közvetlenül reagálnak az emberi inputokra. A robotnak több személyisége van, köztük egy „nemesfém cowgirl”, aki izgatottan beszél a kőzet alatt esetlegesen fellelhető ásványokról. Egy másik, a „shakespeare-i időutazó” csak rímekben hajlandó válaszolni. A szarkasztikus „Josh” azt mondta Klingensmithnek:
„Létem kifürkészhetetlen ürességét látom tükröződni ezen a QR-kódokkal teli táblán… ó, és egy nagy ablakot is”.
A szoftvermérnök elmondta, hogy a csapat több ChatGPT-integrációs demót készített egy nemrégiben megrendezett hack-a-Thon során, és az „idegenvezető” funkció nyilvánvalóan az egyik legérdekesebb alkalmazás volt. Spot teljes körű idegenvezetőként működhetne a Boston Dynamics főhadiszállásán, apró ízelítőket kínálva a vállalat által készített korábbi botokról. Még a „szüleire”, vagyis az épületben kiállított régebbi Spot modellekre is rámutathatna.
A botot egy forgatókönyvvel és a főhadiszállás helyiségeinek és kiállítási tárgyainak térképével programozták be, majd a beépített kamerák és a képfelismerő technológia segítségével felfogta, mi történik körülötte.
A videó egy könnyed bemutató volt arról, hogy mire képes egy beszélő robot, de Klingensmith szerint a csapat talán egy kicsit túl mélyre merült a nyílt mesterséges intelligencia hype-ban.
„Ez a fajta technológia lehetővé teheti, hogy a robotok ne csak kövessék a parancsainkat, hanem bizonyos értelemben megértsék a cselekedeteiket és a körülöttük lévő világ kontextusát”,
mondta.
A „bizonyos értelemben” itt nagyon sok nehézséget jelent. A modern nyelvi modellek rendkívül természetesnek tűnő beszédet produkálni, de egyetlen chatbot sem érti valójában, amit csinál. A hang- és képfelismeréssel kombinálva a ChatGPT képes intelligensnek tűnni, de valójában csupán olyan mondatokat rak össze, amelyek illeszkednek a kívánt felszólításhoz.
