ਮੂਰਤ AI ਦੀ ਭਾਵਨਾ ਬਣਾਉਣਾ

14 ਅਪ੍ਰੈਲ ਨੂੰ, ਬੋਸਟਨ ਡਾਇਨਾਮਿਕਸ ਅਤੇ ਗੂਗਲ ਡੀਪਮਾਈਂਡ ਨੇ ਘੋਸ਼ਣਾ ਕੀਤੀ ਕਿ ਸਪਾਟ, ਪੀਲੇ ਰੋਬੋਟ ਕੁੱਤੇ, ਜਿਸਨੇ ਆਪਣੀ ਜ਼ਿੰਦਗੀ ਦਾ ਬਹੁਤਾ ਸਮਾਂ ਤੰਗ ਸਕ੍ਰਿਪਟਡ ਰੁਟੀਨ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹੋਏ ਬਿਤਾਇਆ, ਇੱਕ AI ਦਿਮਾਗ ਪ੍ਰਾਪਤ ਕਰ ਰਿਹਾ ਹੈ। Gemini Robotics-ER 1.6 ਨੂੰ ਸਪੌਟ ਅਤੇ ਬੋਸਟਨ ਡਾਇਨਾਮਿਕਸ ਦੇ ਔਰਬਿਟ ਨਿਰੀਖਣ ਪਲੇਟਫਾਰਮਾਂ ਵਿੱਚ ਜੋੜਿਆ ਜਾ ਰਿਹਾ ਹੈ, ਜੋ ਕਿ ਗੁੰਝਲਦਾਰ ਉਦਯੋਗਿਕ ਸਾਈਟਾਂ ਦੇ ਅੰਦਰ ਮਜ਼ਬੂਤ ​​ਸਥਾਨਿਕ ਤਰਕ, ਖੁਦਮੁਖਤਿਆਰੀ ਫੈਸਲੇ ਲੈਣ ਅਤੇ ਸਿੱਖਣ ਦੀ ਸਮਰੱਥਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਸਪਾਟ ਦਾ ਹਾਰਡਵੇਅਰ ਸਾਲਾਂ ਤੋਂ ਵਧੀਆ ਰਿਹਾ ਹੈ, ਪਰ ਇੱਕ ਅਰਾਜਕ ਫੈਕਟਰੀ ਵਿੱਚ ਇਸਨੂੰ ਉਪਯੋਗੀ ਬਣਾਉਣ ਲਈ ਲੋੜੀਂਦੀ ਖੁਫੀਆ ਜਾਣਕਾਰੀ ਮਨੁੱਖ ਦੁਆਰਾ ਇਸ ਨੂੰ ਫਰੇਮ-ਦਰ-ਫਰੇਮ ਚਲਾਏ ਬਿਨਾਂ ਹੀ ਆ ਰਹੀ ਹੈ। ਉਹ ਪਾੜਾ – ਇੱਕ ਮਸ਼ੀਨ ਜੋ ਮੂਵ ਕਰ ਸਕਦੀ ਹੈ ਅਤੇ ਇੱਕ ਮਸ਼ੀਨ ਜੋ ਸਮਝਦੀ ਹੈ ਕਿ ਇਹ ਕਿਸ ਵਿੱਚੋਂ ਲੰਘ ਰਹੀ ਹੈ – ਬਿਲਕੁਲ ਉਹੀ ਹੈ ਜੋ ਇੱਕ ਦਹਾਕਿਆਂ ਪੁਰਾਣਾ ਖੇਤਰ ਜਿਸਨੂੰ ਏਮਬੋਡੀਡ ਏਆਈ ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਬੰਦ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ।

“ਅਵਤਾਰ” ਦਾ ਅਸਲ ਵਿੱਚ ਕੀ ਅਰਥ ਹੈ?

ਇਹ ਸੋਚਣਾ ਆਸਾਨ ਗਲਤੀ ਹੈ ਕਿ ਮੂਰਤੀਤ AI ਦਾ ਮਤਲਬ “ਰੋਬੋਟ ਬਾਡੀ ਵਿੱਚ AI” ਹੈ। ਇਸ ਖੇਤਰ ਵਿੱਚ ਕੰਮ ਕਰਨ ਵਾਲੇ ਮਾਹਿਰਾਂ ਦਾ ਡੂੰਘਾ ਦਾਅਵਾ ਇਹ ਹੈ ਕਿ ਇੱਕ ਸਰੀਰ ਬੁੱਧੀ ਲਈ ਇੱਕ ਡਿਲੀਵਰੀ ਵਿਧੀ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਗਣਨਾ ਦਾ ਇੱਕ ਹਿੱਸਾ ਹੈ।

ਆਪਣੀ ਕਿਤਾਬ ਹਾਉ ਦਾ ਬਾਡੀ ਸ਼ੇਪਸ ਦ ਵੇ ਥੀੰਕ ਵਿੱਚ, ਜ਼ਿਊਰਿਖ ਯੂਨੀਵਰਸਿਟੀ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਲੈਬਾਰਟਰੀ ਦੇ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਨਿਰਦੇਸ਼ਕ, ਰੋਲਫ ਫੀਫਰ ਅਤੇ ਵਰਮੋਂਟ ਯੂਨੀਵਰਸਿਟੀ ਵਿੱਚ ਕੰਪਿਊਟਰ ਸਾਇੰਸ ਦੇ ਪ੍ਰੋਫੈਸਰ ਜੋਸ਼ ਬੋਨਗਾਰਡ ਨੇ ਦਲੀਲ ਦਿੱਤੀ ਹੈ ਕਿ ਵਿਚਾਰ ਸਰੀਰ ਤੋਂ ਸੁਤੰਤਰ ਨਹੀਂ ਹੈ, ਪਰ ਜ਼ੋਰਦਾਰ ਤਰੀਕੇ ਨਾਲ ਸੀਮਤ ਹੈ, ਅਤੇ ਉਸੇ ਸਮੇਂ ਦੁਆਰਾ, ਇਹ ਸਮਰੱਥ ਹੈ।

Pfeiffer ਨੇ ਸਰੀਰ ਦੇ ਡਿਜ਼ਾਈਨ ਤੋਂ ਉਭਰਨ ਵਾਲੇ ਵਿਵਹਾਰਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਅਤੇ ਉਹਨਾਂ ਨਤੀਜਿਆਂ ਦੀ ਖੋਜ ਕਰਨ ਲਈ ਭੌਤਿਕ ਰੋਬੋਟ ਬਣਾਉਣ ‘ਤੇ ਵਿਆਪਕ ਤੌਰ ‘ਤੇ ਕੰਮ ਕੀਤਾ ਹੈ ਜੋ ਆਮ ਤੌਰ ‘ਤੇ ਬੁੱਧੀ ਬਾਰੇ ਕੁਝ ਪ੍ਰਗਟ ਕਰਦੇ ਹਨ।

ਆਸਟ੍ਰੇਲੀਅਨ ਰੋਬੋਟਿਸਟ ਰੋਡਨੀ ਬਰੂਕਸ, ਜਿਸ ਨੇ ਕਿਤਾਬ ਦੀ ਜਾਣ-ਪਛਾਣ ਲਿਖੀ ਸੀ ਅਤੇ 1980 ਅਤੇ 1990 ਦੇ ਦਹਾਕੇ ਦੇ ਅਖੀਰ ਵਿੱਚ MIT ਵਿੱਚ ਕੰਮ ਨੇ ਕੇਸ ਨੂੰ ਹੋਰ ਵੀ ਭੜਕਾਊ ਬਣਾ ਦਿੱਤਾ ਸੀ, ਨੇ ਇਸ ਗੱਲ ‘ਤੇ ਜ਼ੋਰ ਦੇ ਕੇ ਕਿ ਰੋਬੋਟਾਂ ਨੂੰ ਅੰਦਰੂਨੀ ਵਿਸ਼ਵ-ਮਾਡਲਾਂ ਅਤੇ ਵਿਸਤ੍ਰਿਤ ਯੋਜਨਾਬੰਦੀ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ, ਉਸ ਸਮੇਂ ਦੇ ਪ੍ਰਮੁੱਖ ਪ੍ਰਤੀਕ-ਏਆਈ ਪੈਰਾਡਾਈਮ ਦੇ ਵਿਰੁੱਧ ਧੱਕਿਆ। ਸਧਾਰਣ ਪ੍ਰਤੀਬਿੰਬਾਂ ਦਾ ਇੱਕ ਪੱਧਰੀ “ਸਬਮਿਸ਼ਨ ਆਰਕੀਟੈਕਚਰ”, ਸੈਂਸਰਾਂ ਅਤੇ ਮੋਟਰਾਂ ਨਾਲ ਕੱਸ ਕੇ ਜੋੜਿਆ ਗਿਆ, ਬਿਨਾਂ ਕਿਸੇ ਪ੍ਰੋਗਰਾਮਿੰਗ ਦੇ ਸੰਸਾਰ ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਮਜਬੂਤ, ਅਸਲ-ਸਮੇਂ ਦਾ ਵਿਵਹਾਰ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ।

ਜੇ ਤੁਹਾਡੇ ਸੈਂਸਰ ਅਤੇ ਸਰੀਰ ਕਮਰੇ ‘ਤੇ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰ ਸਕਦੇ ਹਨ ਜਿਵੇਂ ਕਿ ਇਹ ਅਸਲ ਵਿੱਚ ਹੈ, ਤਾਂ ਤੁਹਾਨੂੰ ਕਮਰੇ ਦਾ ਇੱਕ ਸੰਖੇਪ ਨਕਸ਼ਾ ਬਣਾਉਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ।

ਅਭਿਆਸ ਵਿੱਚ, ਇਹ “ਰੂਪ-ਵਿਗਿਆਨਕ ਗਣਨਾ” ਦੇ ਰੂਪ ਵਿੱਚ ਕੰਮ ਕਰਦਾ ਹੈ – ਔਫਲੋਡਿੰਗ ਕੰਮ ਜਿਸ ਲਈ ਸਰੀਰ ਦੀ ਭੌਤਿਕ ਬਣਤਰ ‘ਤੇ ਦਿਮਾਗ ਦੀ ਲੋੜ ਪਵੇਗੀ।

ਇੱਕ ਪੈਸਿਵ-ਕਾਇਨੇਟਿਕ ਵਾਕਰ ਬਿਨਾਂ ਕਿਸੇ ਮੋਟਰ ਜਾਂ ਨਿਯੰਤਰਣ ਪ੍ਰਣਾਲੀ ਦੇ ਇੱਕ ਮਾਮੂਲੀ ਢਲਾਨ ਉੱਤੇ ਚੱਲ ਸਕਦਾ ਹੈ, ਪੂਰੀ ਤਰ੍ਹਾਂ ਕਿਉਂਕਿ ਲੱਤ ਅਤੇ ਜੋੜਾਂ ਦੀ ਜਿਓਮੈਟਰੀ ਗਣਨਾ ਨੂੰ ਅਨੁਕੂਲ ਕਰਨ ਲਈ ਆਕਾਰ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। ਇੱਕ ਨਰਮ, ਅਨੁਕੂਲ ਰੋਬੋਟਿਕ ਹੱਥ ਬਿਨਾਂ ਕਿਸੇ ਕੰਟਰੋਲਰ ਦੇ ਇੱਕ ਅਜੀਬ ਆਕਾਰ ਵਾਲੀ ਵਸਤੂ ਨੂੰ ਸਮਝ ਸਕਦਾ ਹੈ ਜਿਸ ਨੇ ਉਸ ਆਕਾਰ ਨੂੰ ਸਪੱਸ਼ਟ ਰੂਪ ਵਿੱਚ ਮਾਡਲ ਕੀਤਾ ਹੈ, ਕਿਉਂਕਿ ਸਮੱਗਰੀ ਆਪਣੇ ਆਪ ਵਿਗੜਦੀ ਹੈ ਅਤੇ ਅਨੁਕੂਲ ਹੁੰਦੀ ਹੈ।

Pfeiffer ਦੀ ਜ਼ਿਊਰਿਖ ਲੈਬ, ਬਰੂਕਸ ਦੇ ਰੋਬੋਟ, ਅਤੇ ਅੱਜ ਦੇ ਹਿਊਮੈਨੋਇਡਸ ਨੂੰ ਜੋੜਨ ਵਾਲਾ ਇੱਕ ਸਾਂਝਾ ਧਾਗਾ ਇਹ ਹੈ ਕਿ ਬੁੱਧੀ ਦਿਮਾਗ, ਸਰੀਰ ਅਤੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਵੰਡੀ ਜਾਂਦੀ ਹੈ, ਸਿਰਫ ਇੱਕ ਹਿੱਸੇ ਤੱਕ ਸੀਮਿਤ ਨਹੀਂ।

ਐਲੋਨ ਮਸਕ ਨੇ ਦਾਵੋਸ ਵਿਖੇ ਹਰ ਕਿਸੇ ਲਈ ਰੋਬੋਟ ਦੇ ਵਾਅਦੇ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕੀਤੀ

ਇਹ ਹੁਣ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹੈ, ਅਤੇ ਇਹ ਮੁਸ਼ਕਲ ਕਿਉਂ ਹੈ

ਦਿਲਚਸਪੀ ਦੀ ਮੌਜੂਦਾ ਲਹਿਰ ਅਸਲ ਵਿੱਚ ਇਹ ਪਤਾ ਲਗਾਉਣ ਬਾਰੇ ਹੈ ਕਿ ਵੰਡ ਦੀ ਸਮੱਸਿਆ ਨੂੰ ਸਕੇਲ ਕਰਨਾ ਕਿੰਨਾ ਮੁਸ਼ਕਲ ਹੈ। AI ਚੈਟਬੋਟਸ ਦੇ ਉਲਟ ਜੋ ਟੈਕਸਟ, ਚਿੱਤਰਾਂ ਅਤੇ ਵੀਡੀਓ ਤੋਂ ਸਿੱਖਦੇ ਹਨ, ਮੂਰਤ AI ਨੂੰ ਗੰਭੀਰਤਾ ਅਤੇ ਸੰਤੁਲਨ ਵਿੱਚ ਮੁਹਾਰਤ ਹਾਸਲ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ, ਜੋ ਕਿ ਅਣਗਿਣਤ ਭੌਤਿਕ ਦ੍ਰਿਸ਼ਾਂ ਦੇ ਰੋਬੋਟ ਦੇ ਚਿਹਰੇ ਅਤੇ “ਸਿਮੂਲੇਸ਼ਨ-ਟੂ-ਰੀਅਲ ਗੈਪ” ਦੇ ਕਾਰਨ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹਨ, ਜਿੱਥੇ ਸਿਮੂਲੇਸ਼ਨ ਵਿੱਚ ਸਫਲਤਾ ਘੱਟ ਹੀ ਅਸਲ ਸੰਸਾਰ ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਅਨੁਵਾਦ ਕਰਦੀ ਹੈ।

ਉਦਯੋਗ ਦੇ ਅੰਕੜੇ ਇਸ ਗੱਲ ਦੀ ਸਪੱਸ਼ਟ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹਨ। ਹਾਲਾਂਕਿ ਮੂਰਤ ਏਆਈ ਮਾਰਕੀਟ 2030 ਤੱਕ $23 ਬਿਲੀਅਨ ਤੱਕ ਪਹੁੰਚਣ ਦਾ ਅਨੁਮਾਨ ਹੈ, ਜ਼ਿਆਦਾਤਰ ਹਿਊਮਨਾਈਡ ਰੋਬੋਟ ਅਜੇ ਵੀ ਇੱਕ ਸਿੰਗਲ ਚਾਰਜ ‘ਤੇ ਲਗਭਗ 90 ਮਿੰਟ ਚੱਲਦੇ ਹਨ, ਅਤੇ ਰਣਨੀਤੀਆਂ ਜੋ ਲੈਬ ਵਿੱਚ 95% ਸਮਾਂ ਸਫਲ ਹੁੰਦੀਆਂ ਹਨ, ਅਸਲ ਸੰਸਾਰ ਵਿੱਚ ਲਗਭਗ 60% ਹੋ ਜਾਂਦੀਆਂ ਹਨ। ਡੈਮੋ ਅਤੇ ਤੈਨਾਤੀ ਦੇ ਵਿਚਕਾਰ ਅੰਤਰ ਇਸ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਕੇਂਦਰੀ, ਗੁੰਝਲਦਾਰ ਸਮੱਸਿਆ ਹੈ।

ਮੂਰਤ ਏਆਈ ਬਨਾਮ ਨਿਊਰੋਮੋਰਫਿਕ ਏਆਈ

ਆਮ ਚਰਚਾਵਾਂ ਵਿੱਚ, ਲੋਕ AI ਨੂੰ ਨਿਊਰੋਮੋਰਫਿਕ AI ਨਾਲ ਮਿਲਾਉਂਦੇ ਹਨ ਕਿਉਂਕਿ ਦੋਵੇਂ ਜੀਵ ਵਿਗਿਆਨ ਨੂੰ ਗੰਭੀਰਤਾ ਨਾਲ ਲੈਂਦੇ ਹਨ। ਪਰ ਉਹ ਵੱਖੋ ਵੱਖਰੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦਿੰਦੇ ਹਨ.

ਏਮਬੋਡੀਡ ਏਆਈ ਉਸ ​​ਬਾਰੇ ਹੈ ਜਿੱਥੇ ਖੁਫੀਆ ਜਾਣਕਾਰੀ ਰਹਿੰਦੀ ਹੈ। ਇਹ ਖੇਤਰ ਦਿਮਾਗ ਅਤੇ ਸਰੀਰ ਵਿੱਚ ਵੰਡੇ ਹੋਏ ਗਿਆਨ ਨੂੰ ਵੇਖਦਾ ਹੈ, ਮਤਲਬ ਕਿ ਕੰਪਿਊਟੇਸ਼ਨਲ ਕੰਮ ਦਿਮਾਗ ਵਿੱਚ ਸਥਿਰ ਨਹੀਂ ਹੈ। ਇਹ ਰੋਬੋਟ ਦੇ ਅੰਦਰ ਕਿਸ ਕਿਸਮ ਦਾ ਪ੍ਰੋਸੈਸਰ ਬੈਠਦਾ ਹੈ ਇਸ ਬਾਰੇ ਕਾਫ਼ੀ ਹੱਦ ਤੱਕ ਅਗਿਆਨੀ ਹੈ; ਤੁਸੀਂ ਇੱਕ ਸਧਾਰਨ GPU ਕਲੱਸਟਰ ‘ਤੇ ਇੱਕ ਮੂਰਤ ਰੋਬੋਟ ਦੇ “ਦਿਮਾਗ” ਨੂੰ ਚਲਾ ਸਕਦੇ ਹੋ।

ਨਿਊਰੋਮੋਰਫਿਕ ਏਆਈ ਇਸ ਬਾਰੇ ਹੈ ਕਿ ਪ੍ਰੋਸੈਸਰ ਖੁਦ ਕਿਵੇਂ ਬਣਾਇਆ ਗਿਆ ਹੈ – ਇਹ ਇੱਕ ਹਾਰਡਵੇਅਰ ਅਤੇ ਐਲਗੋਰਿਦਮਿਕ ਪੈਰਾਡਾਈਮ ਹੈ ਜੋ ਜੈਵਿਕ ਨਿਊਰੋਨਸ ਦੇ ਭੌਤਿਕ ਮਕੈਨਿਕਸ ਦੀ ਨਕਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ, ਖਾਸ ਤੌਰ ‘ਤੇ ਸਪਾਈਕਿੰਗ ਨਿਊਰਲ ਨੈੱਟਵਰਕ (SNNs) ਰਾਹੀਂ।

SNNs ਵੱਖਰੇ ਸਪਾਈਕ ਦੁਆਰਾ ਕੰਮ ਕਰਦੇ ਹਨ: ਹਰੇਕ ਨਿਊਰੋਨ ਆਉਣ ਵਾਲੇ ਸਿਗਨਲਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਦਾ ਹੈ ਅਤੇ ਉਦੋਂ ਹੀ ਫਾਇਰ ਕਰਦਾ ਹੈ ਜਦੋਂ ਇੱਕ ਥ੍ਰੈਸ਼ਹੋਲਡ ਪਾਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਉਹਨਾਂ ਨੂੰ ਸਮੇਂ-ਸੰਵੇਦਨਸ਼ੀਲ ਕੰਮਾਂ ਜਿਵੇਂ ਕਿ ਮੋਸ਼ਨ ਸੈਂਸਿੰਗ ਲਈ ਢੁਕਵਾਂ ਬਣਾਉਂਦਾ ਹੈ। ਨਿਊਰੋਮੋਰਫਿਕ ਚਿਪਸ ਵੀ ਖਾਸ ਤੌਰ ‘ਤੇ ਪਾਵਰ-ਕੁਸ਼ਲ ਹੁੰਦੇ ਹਨ, ਕਿਉਂਕਿ ਸਿਰਫ ਸਰਗਰਮੀ ਨਾਲ ਸਪਾਈਕਿੰਗ ਨਿਊਰੋਨਸ ਕਿਸੇ ਵੀ ਸਮੇਂ ਊਰਜਾ ਦੀ ਖਪਤ ਕਰਦੇ ਹਨ।

ਰੋਬੋਟਿਕਸ ਦੇ ਦੋ ਖੇਤਰ ਅਭਿਆਸ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਓਵਰਲੈਪ ਹੋ ਰਹੇ ਹਨ ਕਿਉਂਕਿ “ਮੂਰਤ ਨਿਊਰੋਮੋਰਫਿਕ ਇੰਟੈਲੀਜੈਂਸ” ‘ਤੇ ਖੋਜ ਦੀ ਇੱਕ ਵਧ ਰਹੀ ਸੰਸਥਾ ਭੌਤਿਕ ਰੋਬੋਟਾਂ ਦੇ ਅੰਦਰ ਸਪਾਈਕਿੰਗ, ਘਟਨਾ-ਸੰਚਾਲਿਤ ਚਿਪਸ ਰੱਖਦੀ ਹੈ ਕਿਉਂਕਿ ਉਹਨਾਂ ਦੀ ਘੱਟ ਪਾਵਰ ਡਰਾਅ ਅਤੇ ਸਮੇਂ ਸਿਰ ਜਵਾਬ ਅਸਲ-ਸੰਸਾਰ, ਹਮੇਸ਼ਾਂ ਮੂਰਤੀਮਾਨ ਕਾਰਜਾਂ ਲਈ ਢੁਕਵਾਂ ਹੈ।

ਰੋਬੋਟਿਕਸ ਫਰਮ Unitri ਦੇ ਉਭਾਰ ਦੇ ਅੰਦਰ, ਚੀਨ ਦੀਆਂ ਤਕਨੀਕੀ ਇੱਛਾਵਾਂ ਦੀ ਇੱਕ ਝਲਕ

ਵਿਕਾਸ ਕਿਥੋਂ ਆਉਂਦਾ ਹੈ

ਜੇ ਸੰਸਥਾਵਾਂ ਕੰਪਿਊਟੇਸ਼ਨਲ ਕੰਮ ਕਰਦੀਆਂ ਹਨ, ਤਾਂ ਇੱਕ ਸਪੱਸ਼ਟ ਸਵਾਲ ਉੱਠਦਾ ਹੈ: ਤੁਸੀਂ ਜੋ ਵੀ ਫਰੇਮ ਇੰਜੀਨੀਅਰਾਂ ਦੁਆਰਾ ਬਣਾਏ ਗਏ ਹਨ, ਉਸ ‘ਤੇ AI ਮਾਡਲਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਬਜਾਏ, ਕਾਰਜ ਲਈ ਸਹੀ ਬਾਡੀ ਨੂੰ ਕਿਵੇਂ ਡਿਜ਼ਾਈਨ ਕਰਦੇ ਹੋ?

ਇਹ ਵਿਕਾਸਵਾਦੀ ਗਣਨਾ ਦਾ ਖੇਤਰ ਹੈ।

ਯਾਓਚੂ ਜਿਨ, ਬੀਲੇਫੀਲਡ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਅਲੈਗਜ਼ੈਂਡਰ ਵਾਨ ਹਮਬੋਲਡਟ ਪ੍ਰੋਫੈਸਰ, ਕਹਿੰਦੇ ਹਨ ਕਿ ਤੰਤੂ ਨਿਯੰਤਰਣ ਅਤੇ ਭੌਤਿਕ ਰੂਪ ਨੂੰ ਵੱਖਰੇ ਤੌਰ ‘ਤੇ ਡਿਜ਼ਾਈਨ ਨਹੀਂ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਅਤੇ ਫਿਰ ਜੋੜਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਸ ਦੀ ਬਜਾਏ, ਦੋਵਾਂ ਨੂੰ ਇਕੱਠੇ ਵਿਕਸਿਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਜੈਵਿਕ ਜੀਵ ਨਸ ਪ੍ਰਣਾਲੀ ਅਤੇ ਸਰੀਰ ਨੂੰ ਇਕੱਠੇ ਵਿਕਸਿਤ ਕਰਦੇ ਹਨ।

ਮਿਸਟਰ ਜਿਨ ਦੀ ਖੋਜ ਵਿਕਾਸਵਾਦੀ ਐਲਗੋਰਿਦਮ, ਵਿਕਾਸਵਾਦੀ ਜੀਵ ਵਿਗਿਆਨ, ਅਤੇ ਕੰਪਿਊਟੇਸ਼ਨਲ ਨਿਊਰੋਸਾਇੰਸ ਦੇ ਲਾਂਘੇ ‘ਤੇ ਬੈਠਦੀ ਹੈ, ਵਿਕਾਸਵਾਦ, ਸਿੱਖਣ, ਅਤੇ ਨਕਲੀ ਪ੍ਰਣਾਲੀਆਂ ਵਿਚਕਾਰ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ‘ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦੀ ਹੈ।

ਉਸਦੀ ਖੋਜ ਸਹਿ-ਵਿਕਸਤ ਦਿਮਾਗੀ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਰੂਪ ਵਿਗਿਆਨ, ਅਤੇ ਮਾਡਲਿੰਗ ‘ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦੀ ਹੈ ਕਿ ਕਿਵੇਂ ਵਾਤਾਵਰਣ ਤੋਂ ਫੀਡਬੈਕ ਕਿਸੇ ਜੀਵ ਦੀ ਸੰਵੇਦੀ ਵੰਡ ਨੂੰ ਆਕਾਰ ਦਿੰਦਾ ਹੈ।

ਇਹ ਸਿੱਧੇ ਤੌਰ ‘ਤੇ ਮੂਰਤ AI ਦੀ ਕੇਂਦਰੀ ਰੁਕਾਵਟ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ: ਰੋਬੋਟ ਬਾਡੀਜ਼ ਅਕਸਰ ਉਹਨਾਂ ਕਾਰਜਾਂ ਅਤੇ ਵਾਤਾਵਰਣਾਂ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦੀਆਂ ਜਿਸ ਵਿੱਚ ਉਹ ਖਤਮ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਹਰ ਵਾਰ ਜਦੋਂ ਕੰਮ ਵਿੱਚ ਬਦਲਾਅ ਹੌਲੀ ਅਤੇ ਮਹਿੰਗਾ ਹੁੰਦਾ ਹੈ ਤਾਂ ਹਾਰਡਵੇਅਰ ਨੂੰ ਹੱਥੀਂ ਮੁੜ-ਇੰਜੀਨੀਅਰ ਕਰਨਾ।

ਵਿਕਾਸਵਾਦੀ ਵਿਧੀਆਂ ਸਰੀਰ ਅਤੇ ਦਿਮਾਗ ਦੇ ਡਿਜ਼ਾਇਨ ਸਪੇਸ ਦੀ ਸਵੈਚਲਿਤ ਤੌਰ ‘ਤੇ ਖੋਜ ਕਰਨ ਦਾ ਇੱਕ ਤਰੀਕਾ ਪ੍ਰਦਾਨ ਕਰਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਰੋਬੋਟਿਕ ਰੂਪਾਂ ਦੀ ਨਕਲੀ ਆਬਾਦੀ ਨੂੰ ਮੁਕਾਬਲਾ ਕਰਨ ਅਤੇ ਕੁਝ ਵੀ ਬਣਨ ਤੋਂ ਪਹਿਲਾਂ ਕਾਰਜ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਅਧਾਰ ‘ਤੇ ਦੁਹਰਾਉਣ ਦੀ ਆਗਿਆ ਮਿਲਦੀ ਹੈ।

ਐਨਵੀਡੀਆ ਦੇ ਸੀਈਓ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਕੰਪਨੀ ਹਿਊਮਨਾਈਡ ਰੋਬੋਟਸ ਅਤੇ ਡਾਟਾ ਸੈਂਟਰਾਂ ‘ਤੇ LG ਨਾਲ ਕੰਮ ਕਰ ਰਹੀ ਹੈ

ਅਣਸੁਲਝੀਆਂ ਸਮੱਸਿਆਵਾਂ

ਇੱਥੋਂ ਤੱਕ ਕਿ ਜਿਵੇਂ ਕਿ ਪੂੰਜੀ ਅਤੇ ਮਾਡਲ ਮੂਰਤ AI ਦੇ ਖੇਤਰ ਵਿੱਚ ਆਉਂਦੇ ਹਨ, ਮੁਸ਼ਕਲ ਸਮੱਸਿਆਵਾਂ ਦੀ ਇੱਕ ਨਿਰੰਤਰ ਸੂਚੀ ਉਭਰਦੀ ਰਹਿੰਦੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਰੋਬੋਟਿਕ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਿੱਚ ਸਿਮੂਲੇਸ਼ਨ ਅਤੇ ਅਸਲ-ਸੰਸਾਰ ਦੇ ਤਜ਼ਰਬੇ ਵਿਚਕਾਰ ਪਾੜਾ ਅਜੇ ਵੀ ਘੱਟ ਨਹੀਂ ਹੋਇਆ ਹੈ। ਸਿਮੂਲੇਸ਼ਨਾਂ ਵਿੱਚ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਨੀਤੀਆਂ ਜੋ ਕਿ ਸਸਤੇ ਵਿੱਚ ਲੱਖਾਂ ਵਾਰ ਚਲਾਈਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ, ਅਸਲ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਤੈਨਾਤ ਕੀਤੇ ਜਾਣ ‘ਤੇ ਤੇਜ਼ੀ ਨਾਲ ਵਿਗੜ ਜਾਂਦੀਆਂ ਹਨ।

ਸੂਝਵਾਨ ਤਰਕ ਮਾਡਲ ਅਕਸਰ ਰੋਬੋਟ ਦੀ ਬਾਂਹ ਜਾਂ ਲੱਤ ਨੂੰ ਕਾਇਮ ਰੱਖਣ ਲਈ ਬਹੁਤ ਹੌਲੀ ਹੁੰਦੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਮਿਲੀਸਕਿੰਟਾਂ ਵਿੱਚ ਪ੍ਰਤੀਕ੍ਰਿਆ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਡਿਵਾਈਸ ਦੁਆਰਾ ਕੀਤੀ ਗਈ ਭਾਰੀ “ਸੋਚ” ਅਤੇ ਇਸ ‘ਤੇ ਹਲਕੇ ਪ੍ਰਤੀਬਿੰਬ ਨਿਯੰਤਰਣ ਵਿਚਕਾਰ ਇੱਕ ਵੰਡ ਹੋ ਜਾਂਦੀ ਹੈ। ਬੈਟਰੀ ਦੀ ਵਿਆਪਕ ਵਰਤੋਂ ਅਤੇ ਕਮਜ਼ੋਰ ਭਾਗਾਂ ਕਾਰਨ ਘੱਟ ਰਨਟਾਈਮ, ਨਹੀਂ ਤਾਂ ਸਫਲ ਪਾਇਲਟਾਂ ਨੂੰ ਪਰੇਸ਼ਾਨ ਕਰਨਾ ਜਾਰੀ ਹੈ।

ਇਨ੍ਹਾਂ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਡੇਟਾ ਦੀ ਵੀ ਘਾਟ ਹੈ। ਟੈਕਸਟ ਅਤੇ ਚਿੱਤਰ ਮਾਡਲਾਂ ਨੂੰ ਇੰਟਰਨੈਟ ਡੇਟਾ ਦੇ ਰੀਮਜ਼ ਤੱਕ ਸਕੇਲ ਕੀਤਾ ਗਿਆ ਸੀ; ਏਮਬੈਡਡ ਸਿਸਟਮਾਂ ਦਾ ਕੋਈ ਸਮਾਨ ਨਹੀਂ ਹੈ। ਓਪਨ ਐਕਸ-ਐਂਬੋਡੀਮੈਂਟ ਡੇਟਾਸੇਟ ਅਤੇ ਜਨਰਲਿਸਟ AI ਦੇ GEN-0 ਵਰਗੇ ਯਤਨ, ਹਜ਼ਾਰਾਂ ਘੰਟਿਆਂ ਦੇ ਹੇਰਾਫੇਰੀ ਕੀਤੇ ਡੇਟਾ ‘ਤੇ ਪ੍ਰੀ-ਟ੍ਰੇਂਡ, ਉਸ ਗੁੰਮ ਹੋਏ ਕਾਰਪਸ ਨੂੰ ਬਣਾਉਣ ਦੇ ਯਤਨ ਹਨ। ਪਰ ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਅਸਲ-ਸੰਸਾਰ ਦੀਆਂ ਸਥਿਤੀਆਂ ਵਿੱਚ ਬਰਕਰਾਰ ਰੱਖਣ ਲਈ, ਉਹਨਾਂ ਨੂੰ ਘੱਟੋ-ਘੱਟ ਲੱਖਾਂ ਘੰਟਿਆਂ ਦੇ ਡੇਟਾ ‘ਤੇ ਸਿਖਲਾਈ ਦੇਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਏਮਬੋਡੀਡ ਏਆਈ ਨੂੰ ਸਿਰਫ਼ ਇੱਕ ਸੌਫਟਵੇਅਰ ਚੁਣੌਤੀ ਦੀ ਬਜਾਏ ਇੱਕ ਸਿਸਟਮ ਚੁਣੌਤੀ ਵਜੋਂ ਦੇਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿਉਂਕਿ ਸੁਰੱਖਿਅਤ ਤੈਨਾਤੀ ਸੈਂਸਰਾਂ, ਹਾਰਡਵੇਅਰ ਮਜ਼ਬੂਤੀ, ਸੰਚਾਲਨ ਡਿਜ਼ਾਈਨ ਸੀਮਾਵਾਂ, ਮਨੁੱਖੀ ਪਰਸਪਰ ਪ੍ਰਭਾਵ, ਸਾਈਬਰ ਸੁਰੱਖਿਆ, ਅਤੇ ਸੰਗਠਨਾਤਮਕ ਪ੍ਰਕਿਰਿਆਵਾਂ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ਼ ਐਲਗੋਰਿਦਮ। ਰੈਗੂਲੇਟਰਾਂ ਨੂੰ ਇਸ ਗੱਲ ਦੇ ਸਬੂਤ ਦੀ ਮੰਗ ਕਰਨੀ ਸ਼ੁਰੂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਕਿ ਸਿੱਖਣ-ਸਮਰਥਿਤ ਰੋਬੋਟਿਕਸ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਅਸਲ ਸੰਸਾਰ ਵਿੱਚ ਤੈਨਾਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦੇਣ ਲਈ ਸਬੂਤ ਵਜੋਂ ਕੀ ਗਿਣਿਆ ਜਾਂਦਾ ਹੈ।

ਸਿਲੀਕਾਨ ਵੈਲੀ ਸਿਖਰ ਸੰਮੇਲਨ ਵਿੱਚ ਹਿਊਮਨੋਇਡ ਰੋਬੋਟ ਕੇਂਦਰ ਦੀ ਸਟੇਜ ਲੈ ਲੈਂਦੇ ਹਨ, ਪਰ ਸੰਦੇਹ ਬਣਿਆ ਰਹਿੰਦਾ ਹੈ

ਇਹ ਸਾਰੀਆਂ ਸਮੱਸਿਆਵਾਂ ਇੱਕੋ ਸਫਲਤਾ ਨਾਲ ਹੱਲ ਨਹੀਂ ਕੀਤੀਆਂ ਜਾ ਸਕਦੀਆਂ। ਉਹਨਾਂ ਨੂੰ ਸਿਮੂਲੇਸ਼ਨ-ਟੂ-ਰੀਅਲ ਗੈਪ ਨੂੰ ਘਟਾਉਣ ਲਈ ਬਿਹਤਰ ਸਿਮੂਲੇਟਰਾਂ ਦੇ ਸਮਾਨਾਂਤਰ ਸੰਬੋਧਿਤ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ, ਡੇਟਾ ਦੀ ਕਮੀ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ ਵੱਡੇ ਸਾਂਝੇ ਡੇਟਾਸੈੱਟ, “ਕਲਾਊਡ ਵਿੱਚ ਦਿਮਾਗ, ਰੋਬੋਟ ਉੱਤੇ ਪ੍ਰਤੀਬਿੰਬ” ਆਰਕੀਟੈਕਚਰ ਦੀ ਗਤੀ ਦੇ ਮੇਲ ਖਾਂਦਾ ਹੈ, ਅਤੇ ਪ੍ਰਸ਼ਾਸਨ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਹੌਲੀ ਹੌਲੀ ਪਰਿਪੱਕ ਸੁਰੱਖਿਆ ਫਰੇਮਵਰਕ।

ਵਿਕਾਸਵਾਦੀ ਤਰੀਕਿਆਂ ਜਿਵੇਂ ਕਿ ਮਿਸਟਰ ਜਿਨ ਚੈਂਪੀਅਨਜ਼ ਉਸ ਕੋਸ਼ਿਸ਼ ਵਿੱਚ ਇੱਕ ਹੋਰ ਕੋਣ ਜੋੜਦੇ ਹਨ। ਕਿਸੇ ਖਾਸ ਸਰੀਰ ਨੂੰ ਸਿੱਖਣ ਦੇ ਤਰੀਕੇ ਨੂੰ ਸੁਧਾਰਨ ਦੀ ਬਜਾਏ, ਉਹ ਪੁੱਛਦੇ ਹਨ ਕਿ ਕੀ ਇੱਕ ਵੱਖਰਾ ਰੂਪ ਕਾਰਕ ਪਹਿਲੀ ਥਾਂ ‘ਤੇ ਹੱਲ ਕਰਨ ਲਈ ਇੱਕ ਆਸਾਨ ਸਮੱਸਿਆ ਹੋਵੇਗੀ।

ਏਮਬੈਡਡ ਏਆਈ ਸਿਸਟਮ ਬਹੁਤ ਲੰਬਾ ਸਫ਼ਰ ਤੈਅ ਕਰ ਚੁੱਕੇ ਹਨ। ਫੀਫਾ ਵਿਸ਼ਵ ਕੱਪ 2026 ਦੌਰਾਨ ਫੁੱਟਬਾਲ ਦੇ ਮੈਦਾਨ ‘ਤੇ ਬੋਸਟਨ ਡਾਇਨਾਮਿਕਸ ਦਾ ਹਿਊਮਨੋਇਡ ਰੋਬੋਟ ਐਟਲਸ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਰੋਬੋਟ ਅਸਮਾਨ ਸਤਹਾਂ ਦੇ ਅਨੁਕੂਲ ਹੋਣ ਦੇ ਯੋਗ ਹੁੰਦੇ ਹਨ। ਅਮਰੀਕਾ ਦੇ ਗੌਟ ਟੇਲੈਂਟ ਸੀਜ਼ਨ 21 ‘ਤੇ ਇਕ ਵੱਖਰੇ ਈਵੈਂਟ ‘ਚ ਚੀਨ ਦੇ ਯੂਨਿਟੀ ਜੀ1 ਰੋਬੋਟ ਨੇ 26 ਸਾਲਾ ਚੀਨੀ ਡਾਂਸਰ ਵੂ ਯੁਫੇਈ ਨਾਲ ਪੇਸ਼ਕਾਰੀ ਕੀਤੀ। ਸਪਾਟ ਹੁਣ ਏਆਈ ਦਿਮਾਗ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਹੈ ਅਤੇ ਈ-ਕਾਮਰਸ ਡਿਲੀਵਰੀ ਏਜੰਟਾਂ ਦੀ ਸਹਾਇਤਾ ਕਰ ਸਕਦਾ ਹੈ।

ਇਹ ਸਪੱਸ਼ਟ ਹੋਣਾ ਸ਼ੁਰੂ ਹੋ ਗਿਆ ਹੈ ਕਿ ਬੁੱਧੀ ਕਦੇ ਵੀ ਬਿਹਤਰ ਕੰਪਿਊਟਰ ਦੇ ਅੰਦਰ ਬੈਠੇ ਬਿਹਤਰ ਸੌਫਟਵੇਅਰ ਦੀ ਗੱਲ ਨਹੀਂ ਸੀ। ਇਹ ਵੀ, ਘੱਟੋ-ਘੱਟ ਅੰਸ਼ਕ ਤੌਰ ‘ਤੇ, ਨਵੇਂ ਫਾਰਮ ਕਾਰਕਾਂ ਦੀ ਜਾਂਚ ਦਾ ਮਾਮਲਾ ਸੀ। ਅਤੇ ਇਹ ਡਿਜ਼ਾਈਨ ਏਵੀਅਨ ਡਿਜ਼ਾਈਨਾਂ ਤੋਂ ਪ੍ਰੇਰਿਤ ਚਤੁਰਭੁਜ, ਬਾਈਪੈਡਲ ਅਤੇ ਰੋਬੋਟਾਂ ਵਿੱਚ ਤਰੱਕੀ ਦੇ ਨਾਲ ਸੁਧਾਰ ਕਰਨ ਲੱਗੇ ਹਨ।