- 19,400
- 40
- 8 Ноя 2022
Следующий шаг — заговоры без нашего участия?
Компания Для просмотра ссылки Войдиили Зарегистрируйся , принадлежащая Google, разрабатывает новую технологию для роботов и искусственного интеллекта, которая может заметно ускорить и упростить обучение машин. Речь идет о системе внутреннего монолога, позволяющей ИИ-агентам сопровождать свое восприятие окружающего мира естественным языковым описанием происходящего. Эта технология уже запатентована и может изменить принципы обучения роботов.
Метод, предложенный DeepMind, официально называется внутренняя речь агента для облегчения обучения задачам (intra-agent speech to facilitate task learning). Суть подхода заключается в том, что робот или программный ИИ-агент наблюдает за выполнением какой-либо задачи — например, через видео или изображения — и параллельно проговаривает внутри себя, что он видит. Это своего рода мысленный комментарий: наблюдая за тем, как человек берет чашку, система формулирует фразу человек берет чашку.
Такая форма внутреннего описания помогает связать визуальные данные с конкретными действиями. Это не просто запоминание последовательности движений, а полноценное формирование причинно-следственных связей между наблюдаемым объектом и необходимым действием.
Одно из ключевых преимуществ этой технологии — так называемое обучение с нуля (zero-shot learning). Иными словами, робот сможет выполнять задачи, связанные с ранее незнакомыми предметами или ситуациями, без предварительной тренировки. В привычных системах ИИ обучение на новые объекты требует длительных циклов подготовки данных и вычислительных ресурсов. В данном случае, благодаря внутреннему монологу, система сама формирует языковое описание, что позволяет быстрее соотнести новое визуальное восприятие с подходящими действиями.
Кроме того, как подчеркивает DeepMind, метод снижает требования к памяти и вычислительным мощностям, что особенно важно для автономных или маломощных устройств.
Эта разработка вписывается в более широкие усилия компании по совершенствованию робототехники. Совсем недавно DeepMind представила систему под названием Gemini Robotics On-Device, рассчитанную на работу непосредственно на роботе — без необходимости постоянного подключения к облачным сервисам.
Gemini Robotics On-Device — это компактная версия уже известной модели Gemini Robotics, сочетающей визуальное восприятие и языковые способности. В отличие от стандартной облачной версии, эта модификация работает локально, прямо на устройстве. Такой подход особенно полезен там, где подключение к интернету нестабильно или нежелательно — например, в медицинских учреждениях, где важна конфиденциальность данных.
Несмотря на то, что локальная версия легче и компактнее, она демонстрирует впечатляющие результаты. По данным разработчиков DeepMind, модель способна выполнять задачи из коробки, а для обучения новым действиям ей достаточно 50–100 демонстраций. Это существенно ускоряет адаптацию под конкретного робота и конкретную задачу.
Первоначально модель обучалась на роботе ALOHA, принадлежащем Google, однако впоследствии ее адаптировали и для других платформ. Среди них — гуманоидный робот Apptronik Apollo и Для просмотра ссылки Войдиили Зарегистрируйся FR3. Система способна с высокой точностью и плавностью выполнять сложные действия, включая складывание одежды или расстегивание молний.
При необходимости разработчики могут дообучить модель, управляя роботом вручную — это называется телеприсутствием или телеоперацией. Такой гибкий подход позволяет быстро адаптировать ИИ к новым условиям.
DeepMind также предусмотрела возможность тестирования модели в симулированной среде, используя физический движок Multi-Joint dynamics with Contact, либо сразу внедрять ее в реальные роботы.
Однако стоит отметить, что локальная версия Gemini Robotics On-Device пока не оснащена встроенными системами семантической безопасности. В отличие от гибридных или облачных версий, здесь защита от некорректного или потенциально опасного поведения возлагается на разработчиков. DeepMind рекомендует внедрять собственные Для просмотра ссылки Войдиили Зарегистрируйся , а на текущем этапе доступа к системе предоставляется ограниченному числу пользователей для проверки рисков при эксплуатации в реальной среде.
Добавление внутренней речи дает роботам дополнительный контекст, позволяя им принимать более обоснованные решения и адаптироваться к незнакомым ситуациям. Это особенно важно для роботов, работающих в динамичных, непредсказуемых условиях, где не всегда возможно заранее подготовить весь набор данных для обучения.
Пока технологии находятся в стадии активного тестирования и совершенствования, но сама концепция внутреннего монолога может стать важным этапом на пути к более самостоятельным и гибким ИИ-системам.
Интересно, что на фоне этих событий DeepMind недавно анонсировала и другое Для просмотра ссылки Войдиили Зарегистрируйся : ИИ-модель, способную прогнозировать влияние конкретных мутаций ДНК на сложнейшие системы, регулирующие активность генов. Это еще один пример того, как лаборатория Google продвигает границы применения ИИ сразу в нескольких отраслях — от биологии до робототехники.
Компания Для просмотра ссылки Войди
Метод, предложенный DeepMind, официально называется внутренняя речь агента для облегчения обучения задачам (intra-agent speech to facilitate task learning). Суть подхода заключается в том, что робот или программный ИИ-агент наблюдает за выполнением какой-либо задачи — например, через видео или изображения — и параллельно проговаривает внутри себя, что он видит. Это своего рода мысленный комментарий: наблюдая за тем, как человек берет чашку, система формулирует фразу человек берет чашку.
Такая форма внутреннего описания помогает связать визуальные данные с конкретными действиями. Это не просто запоминание последовательности движений, а полноценное формирование причинно-следственных связей между наблюдаемым объектом и необходимым действием.
Одно из ключевых преимуществ этой технологии — так называемое обучение с нуля (zero-shot learning). Иными словами, робот сможет выполнять задачи, связанные с ранее незнакомыми предметами или ситуациями, без предварительной тренировки. В привычных системах ИИ обучение на новые объекты требует длительных циклов подготовки данных и вычислительных ресурсов. В данном случае, благодаря внутреннему монологу, система сама формирует языковое описание, что позволяет быстрее соотнести новое визуальное восприятие с подходящими действиями.
Кроме того, как подчеркивает DeepMind, метод снижает требования к памяти и вычислительным мощностям, что особенно важно для автономных или маломощных устройств.
Эта разработка вписывается в более широкие усилия компании по совершенствованию робототехники. Совсем недавно DeepMind представила систему под названием Gemini Robotics On-Device, рассчитанную на работу непосредственно на роботе — без необходимости постоянного подключения к облачным сервисам.
Gemini Robotics On-Device — это компактная версия уже известной модели Gemini Robotics, сочетающей визуальное восприятие и языковые способности. В отличие от стандартной облачной версии, эта модификация работает локально, прямо на устройстве. Такой подход особенно полезен там, где подключение к интернету нестабильно или нежелательно — например, в медицинских учреждениях, где важна конфиденциальность данных.
Несмотря на то, что локальная версия легче и компактнее, она демонстрирует впечатляющие результаты. По данным разработчиков DeepMind, модель способна выполнять задачи из коробки, а для обучения новым действиям ей достаточно 50–100 демонстраций. Это существенно ускоряет адаптацию под конкретного робота и конкретную задачу.
Первоначально модель обучалась на роботе ALOHA, принадлежащем Google, однако впоследствии ее адаптировали и для других платформ. Среди них — гуманоидный робот Apptronik Apollo и Для просмотра ссылки Войди
При необходимости разработчики могут дообучить модель, управляя роботом вручную — это называется телеприсутствием или телеоперацией. Такой гибкий подход позволяет быстро адаптировать ИИ к новым условиям.
DeepMind также предусмотрела возможность тестирования модели в симулированной среде, используя физический движок Multi-Joint dynamics with Contact, либо сразу внедрять ее в реальные роботы.
Однако стоит отметить, что локальная версия Gemini Robotics On-Device пока не оснащена встроенными системами семантической безопасности. В отличие от гибридных или облачных версий, здесь защита от некорректного или потенциально опасного поведения возлагается на разработчиков. DeepMind рекомендует внедрять собственные Для просмотра ссылки Войди
Добавление внутренней речи дает роботам дополнительный контекст, позволяя им принимать более обоснованные решения и адаптироваться к незнакомым ситуациям. Это особенно важно для роботов, работающих в динамичных, непредсказуемых условиях, где не всегда возможно заранее подготовить весь набор данных для обучения.
Пока технологии находятся в стадии активного тестирования и совершенствования, но сама концепция внутреннего монолога может стать важным этапом на пути к более самостоятельным и гибким ИИ-системам.
Интересно, что на фоне этих событий DeepMind недавно анонсировала и другое Для просмотра ссылки Войди
- Источник новости
- www.securitylab.ru
