மூளையின் அலைகள் உடல் AI-க்கான அடுத்த திறப்பாக இருக்குமா?

கலிஃபோர்னியாவின் சான் லியாண்ட்ரோவில் உள்ள ஒரு கிடங்கு தற்போது ரோபோட்டிக்ஸில் மிகவும் விசித்திரமான சோதனைகளில் ஒன்றை நடத்தி வருகிறது: ஒரு மனிதன் கவனமாக ஜெங்கா கோபுரத்திலிருந்து மரத்தாலான பிளாக்குகளை வெளியே இழுக்கிறான், அதே சமயம் சென்சார்கள் அவனது மூளையின் அலைகளை அளவிடுகின்றன. இது ஒரு நரம்பியல் அறிவியல் ল்যாப் அமைப்பு போல் தோன்றுகிறது, ஆனால் இது உண்மையில் ஒரு தரவு சংগ்রহ செயல்பாடு — மேலும் இது உடல் AI அமைப்புகளை எவ்வாறு பயிற்றுவிக்கப்படுகிறது என்பதில் ஒரு உண்மையான திருப்புமுனையைக் குறிக்கலாம். மூளையின் அலைகள் உடல் AI-க்கான அடுத்த திறப்பாக இருக்குமா? இந்த கேள்வி அறிவியல் புனைகதை போல் தோன்றுகிறது, ஆனால் இதன் பின்னணியில் உள்ள பொறியியல் காரணம் வாதிடுவது놀ளிப்பளவுக்கு கடினமாக உள்ளது.

என்ன நடந்தது

இந்த சோதனை Encordக்கு சொந்தமானது, இது AI மாதிரி பயிற்சிக்கான தரவு கருவிகளை உருவாக்கும் ஒரு நிறுவனம். TechCrunch இன் அறிக்கையின் படி, Encord "பைலட்டுகள்" என்று அழைக்கப்படுவதைப் பயன்படுத்துகிறது — மனித ரோபோட் பயிற்சியாளர்கள் — அவர்கள் கருவிப்படுத்தப்பட்ட தலைக்கவசங்களை அணிந்து உடல் பணிகளைச் செய்கிறார்கள். இந்த தலைக்கவசங்கள் பயிற்சியாளர் ஒரு கேமராவின் மூலம் என்ன பார்க்கிறார் என்பதை ட்র்যாக் செய்வது மட்டுமல்ல; அவை மின்னொளிப்பாடு (EEG) தரவையும் பிடிக்கின்றன, உண்மையான நேரத்தில் மூளை செயல்பாட்டை அளவிடுகின்றன. தலைக்கவச வன்பொருள் Zander Labsஐ இருந்து வருகிறது, இது மூளை சமிக்ஞைகளிலிருந்து மানসிக நிலைகளை புரிந்துகொள்ள கவனம் செலுத்தும் ஒரு ஜெர்மன் நரம்பியல் தொடக்க நிறுவனம்.

মূল ধারணை நீங்கள் கேட்டவுடன் நேரடியாக உள்ளது: ஒரு மனிதன் ஒரு திறமையான பணியைச் செய்யும் போது, ஒவ்வொரு தருணமும் சமান அறிவாற்றல் எடையைக் கொண்டிருக்கவில்லை. ஒரு টেবிளிலிருந்து ஒரு கப் எடுப்பது சாதாரணமானது. ஒரு நடுங்கும் ஜெங்கா கோபுரத்திலிருந்து ஒரு சுமை-தாங்கும் பிளாக்கை பிரித்தெடுப்பது அல்ல. ஒரு நிலையான வீடியோ பதிவு இரண்டு தருணங்களையும் சமமான தரவு புள்ளிகளாக கருதுகிறது. மூளையின் அலை வாசிப்புகள் அல்ல — அவை மனித ஆபரேட்டர் உயர்ந்த கவனம், ஆச்சரியம் அல்லது பிழை திருத்தத்தை அனுபவிக்கும் போது சமிக்ஞை செய்கின்றன. Zander நரம்பியல் விஞ்ஞানி Lucas Gehrke, இந்த பணியை மேற்பார்வை செய்து, எந்த தருணத்திலும் மூளை செயல்பாட்டின் அளவு மாதிரி உருவாக்குபவர்கள் தங்கள் மிக உচ்ச-முயற்சி மாதிரிகளை எப்போது பயன்படுத்த வேண்டும் என்பதைக் கண்டுபிடிக்க உதவுகிறது என்று விளக்குகிறார்.

Encord தற்போது இதை ஒரு சோதனை ரன் என்று கருதுகிறது. திட்டம் ஒரு ஆரம்ப மூளை அலை-குறிப்பிடப்பட்ட தரவு தொகுப்பை உருவாக்குவது, அதை வாடிக்கையாளர் ரோபோட்டிக்ஸ் மாதிரிகளின் மூலம் இயக்குவது, மேலும் அது உண்மையில் செயல்திறனை மேம்படுத்துகிறதா என்பதை மதிப்பீடு செய்வது, பின்னர் அளவிடுவதா என்பதை முடிவு செய்வது. Encord இன் ரோபோட்டிக்ஸ் தலைவர் Vineeth Velmurugan, இதை ரோபோட்டிக்ஸ் தரவு பாட்டிலை தீர்க்க முயற்சிகளின் "இரத்தக்காய்ச்சல் விளிம்பு" என்று விவரிக்கிறார். அந்த பாட்டிலை — மாதிரி கட்டிடக்கலை அல்ல, கணக்கீடு அல்ல, ஆனால் உচ்ச-தரம் உண்மையான-உலக உடல் பயிற்சி தரவுகளின் மூல பற்றாக்குறை — தீவிர ரோபோட்டிக்ஸ் குழுக்கள் ஏற்கனவே எதிர்கொள்ளும் கட்டுப்பாடு.

பரந்த சூழல்: எல்லை உடல் AI மாதிரிகள் YouTube வீடியோக்களிலிருந்து நன்றாக கற்றுக்கொள்ளவில்லை. அவர்களுக்கு பல கேமரா கோணங்கள், அடர்த்தியான குறிப்பு, மேலும் இப்போது, வெளிப்படையாக, நரம்பியல் சூழல் தேவை. ரோபோட்டிக்ஸில் தரவு சிக்கல் மொழி மாதிரிகளில் தரவு சிக்கலிலிருந்து அடிப்படையில் வேறுபட்டுள்ளது, மேலும் Encord "ஒரு தரவு புள்ளி" என்றால் என்ன என்பதை மறுசிந்தனை செய்ய தீர்வு தேவை என்று பந்தயம் கட்டுகிறது.

ஆசியாவுக்கு இது ஏன் முக்கியமானது

ஆசியா உடல் AI பந்தயத்தில் ஒரு பார்வையாளர் அல்ல. சீனா, ஜப்பான், தென் கொரியா, மேலும் ক্রমிக வளர்ச்சி கொண்ட தென்கிழக்கு ஆசிய உற்பத்தி மையங்கள் அனைத்தும் ரோபோட்டிக்ஸ் மற்றும் தன்னியக்கமாக்கலில் ஆழமாக முதலீடு செய்துள்ளன. சீனா மட்டுமே மனிதவடிவ ரோபோட்டிக்ஸை ஒரு தேசிய কৌশலগত অগ்রাধிகாரமாக செய்துள்ளது, தொழிற்சாலை தளங்களுக்கான இரு-கால் ரோபோட்டுகளை உருவாக்கும் ஆறுபது நன்கு நிதியுதவி பெற்ற தொடக்க நிறுவனங்கள் உள்ளன. ஜப்பানின் உற்பத்தி துறை கிட்டத்தட்ட யாரையும் விட நீண்ட நேரம் தொழிற்சாலை ரோபோட்டுகளை பயன்படுத்தி வருகிறது. தென் கொரியாவின் சேபோல்கள் கிடங்கு தன்னியக்கமாக்கலுக்கு மூலதனம் ஊற்றுகிறது. பயிற்சி தரவு எங்கிருந்து வருகிறது — மற்றும் அதை யார் கட்டுப்படுத்துகிறார்கள் — இந்த சூழல்களில் ஒவ்வொன்றிற்கும் நேரடி தாக்கங்கள் உள்ளன.

Encord-Zander சோதனை ஆசியா தொழில்நுட்ப உருவாக்குபவர்கள் கவனமாக கவனம் செலுத்த வேண்டிய ஒன்றை சுட்டிக்காட்டுகிறது: உடல் AI-ல் போட்டி பாதுகாப்பு மாதிரி எடைகளிலிருந்து தரவு பাইপ்லைன்களுக்கு மாறுகிறது. மூளை அலை-குறிப்பிடப்பட்ட பயிற்சி தரவு உண்மையில் ரோபோட் திறமை மற்றும் முடிவு எடுப்பதை மேம்படுத்தினால், அந்த தரவை அளவில் உற்பத்தி செய்யக்கூடிய குழுக்கள் விரைவாக பிரতিபலிக்க கடினமான ஒரு கட்டமைப்பு நன்மை பெறும். தரவு பாইபைன்கள் உள்கட்டமைப்பு, மற்றும் உள்கட்டமைப்பு நன்மைகள் கூட்டு.

ஆசிய ரோபோட்டிக்ஸ் நிறுவனங்களுக்கு, இது ஒரு হুமகி மற்றும் ஒரு வாய்ப்பு இரண்டையும் உருவாக்குகிறது. அச்சம்: சிறந்த உடல் AI பயிற்சி தரவு கலிஃபோர்னியாவின் கிடங்குகளில் உত்பத்தி செய்யப்பட்டால், ইউரோபிய நரம்பியல் தொடக்க நிறுவனங்களால் கட்டப்பட்ட கருவிகளுடன், ஆசிய உற்பத்தিக்காரர்கள் வன்பொருளை உருவாக்கும் போது மேற்கத்திய தரவு உள்கட்டமைப்பில் சார்பு பெறும் ஆபத்து உள்ளது. வாய்ப்பு: ஆசியாவில் தொழிற்சாலை தளங்கள், கிடங்கு செயல்பாடுகள், மற்றும் உற்பத்தி அடர்த்தி உள்ளது உடல் பயிற்சி தரவை ஒரு அளவில் உত்பத்தி செய்ய, இது உண்மையில் வேறு இடங்களில் பொருந்தக்கடினம். விடுபட்ட பகுதி கருவிப்படுத்தல் மற்றும் அதை சரியாக பிடிக்க தரவு கருவிகள் உள்ளன.

தென்கிழக்கு ஆசியாவில் AI-ன் மேல் உருவாக்கும் நிறுவனர்கள் — பதিப்பு, உற்பத்தி, அல்லது கடைசி-மைல் ரோபோட்டிக்ஸ் விநியோகத்திற்கு — இந்த வளர்ச்சியை கவனமாக கண்காணிக்க வேண்டும். தங்கள் சொந்த செயல்பாட்டு சூழல்களை கருவிப்படுத்த மற்றும் உடல் பயிற்சி தரவை சரியாக உত்பத்தி செய்ய கண்டுபிடிக்கும் நிறுவனங்கள் Hugging Face இலிருந்து பதிவிறக்க முடியாத ஒன்றைக் கொண்டிருக்கும்.

இது உருவாக்குபவர்களுக்கு என்ன அர্த்தம்

உடல் AI இடத்தில் பணிபுரியும் உருவாக்குபவர்களுக்கு — நீங்கள் ரோபோட்டிக்ஸ் மென்பொருள், பயிற்சி பாইபைன்கள், அல்லது அடிப்படை மாதிரிகளின் மேல் அமர்ந்திருக்கும் பயன்பாடுகளை உருவாக்கினாலும் — மூளை அலை கதை சிந்திக்க வேண்டிய சில கான்கிரீட் பொறியியல் தாக்கங்களை மேலெழுப்புகிறது.

தரவு தரம் சமிக்ஞைகள் தரவு தொகுதியை விட அதிக முக்கியத்துவம் வாய்ந்தவை. Zander Labs ஒருங்கிணைப்பின் முழு முன்மாதிரி என்பது அனைத்து பயிற்சி தருணங்களும் சமம் அல்ல. ஒரு மனிதன் ஒரு பணியை முடிக்கும் 30-வினாடி வீடியோ கிளிப் 2 அல்லது 3 உண்மையில் உচ்ச-சமிக்ஞை தருணங்கள் மாதிரி கற்ற வேண்டிய ஒன்றை கொண்டுள்ளது. EEG தரவு அந்த தருணங்களை தானாக அடையாளம் கண்டுபிடிக்க ஒரு வழி. ஆனால் அடிப்படை கொள்கை — நீங்கள் உங்கள் பயிற்சி தரவை சரியாக எடை செய்ய ஒரு தரம் சமிக்ஞை தேவை — மூளை அலை சென்சார்களை பயன்படுத்தினாலும் பயன்படுத்தாவிட்டாலும் பொருந்தும். நீங்கள் எந்த உடல் AI பயன்பாட்டிற்கும் பயிற்சி பாইபைன்கள் உருவாக்கினால், நீங்கள் கேட்க வேண்டும்: எந்த தரவு புள்ளிகள் மிக முக்கியமாக உள்ளன என்பதை நான் எவ்வாறு அறிவேன்?

குறிப்பு பல-மாதிரி ஆகிறது. ரோபோட்டிக்ஸ்க்கான ঐতिह्यवादी தரவு குறிப்பு பொருள் நிலைகள், கூட்டு கோணங்கள், மற்றும் பணி நிலைகளுடன் வீடியோ ফ்রேம்களை குறிப்பிடுவதை உள்ளடக்கியது. நரம்பியல் தரவு சேர்ப்பது ஒரு பரந்த போக்கின் ஒரு உச்ச பதிப்பு: குறிப்பு பணக்கார, அதிக স்তரযুক்ত, மற்றும் அதிக விலை ஆகிறது. தரவு பாইபைன்கள் உருவாக்கும் உருவாக்குபவர்கள் விரிவாக்கத்திற்கு கட்டிடக்கலை செய்ய வேண்டும். நீங்கள் இப்போது வடிவமைக்கும் குறிப்பு திட்டம் உங்கள் স্ট்যাকে இன்னும் இல்லாத சமிக்ஞை வகைகளை வாழ்க்கை செய்ய வேண்டும்.

சென்சார் স்তரம் ஒரு முதல்-வகுப்பு பொறியியல் கவலை ஆகிறது. மென்பொருள் AI-ல், உங்கள் தரவு பதிவுகள், ব்যবহারকারী தொடர்புகள், மற்றும் ஸ்ক্র্যাப் செய்யப்பட்ட வெப்பு உள்ளடக்கத்திலிருந்து வருகிறது. உடல் AI-ல், உங்கள் தரவு உடல் உலகத்திலிருந்து வருகிறது — மற்றும் அந்த தரவுகளின் தரம் உங்கள் சென்சார் அமைப்பின் தரத்தால் সীমাবদ்ধ. Encord பைலட்டுகள் চোখ-ট்র্যাকிங் கேமராக்கள் மற்றும் EEG சென்சார்களுடன் தலைக்கவசங்களை ஒரே சமயத்தில் அணிந்துள்ளன. அந்த கருவிப்படுத்தலை சரியாக, அளவுத்திருத்தம், மற்றும் அளவில் நம்பகமாக பெறுவது ஒரு வன்பொருள்-மென்பொருள் ஒருங்கிணைப்பு சிக்கல் பெரும்பாலான மென்பொருள் உருவாக்குபவர்கள் முன்பு சிந்திக்க வேண்டியிருக்கவில்லை. நீங்கள் உடல் AI-க்கு நகர்ந்தால், இது புதிய "தரவு உள்கட்டமைப்பு" சிக்கல்.

மாதிரி திறன் சூழல்-சார்பு ஆகிறது. Gehrke இன் புள்ளி "மிக உচ்ச-முயற்சி மாதிரிகள்" மூளை செயல்பாட்டு சமிக்ஞைகள் ஒரு அறிவாற்றல் கோரிக்கை தருணம் சமிக்ஞை செய்யும் போது மட்டுமே பயன்படுத்துவது ஒரு நேரடி பொறியியல் மொழிபெயர்ப்பு உள்ளது: ஒவ்வொரு அনுமান அழைப்பும் சমানாக விலை ஆக வேண்டிய அவசியம் இல்லை. நீங்கள் உங்கள் பயிற்சி தரவை சிரமம் சமிக்ஞைகளுடன் குறிப்பிட முடிந்தால் — நரம்பியல் அல்லது வேறு — நீங்கள் மாதிரிகளை பயிற்றுவிக்க முடியும் அவை எப்போது கடினமாக சிந்திக்க வேண்டும் என்பதை அறிந்து. இது ரோபோட்டிக்ஸ்க்கு அப்பால் பொருந்தும். அனுமান விலை முக்கியமாக மற்றும் பணி சிரமம் மாறுபடும் எந்த பயன்பாடும் இந்த வகையான தகவமைப்பு கணக்கீடு பরிமாற்றத்திலிருந்து பயனடையக்கூடும்.

MonstarX மீது உருவாக்கும் உருவாக்குபவர்களுக்கு, இந்த பொறியியல் கொள்கைகள் உங்கள் தரவு பாইபைன்கள் மற்றும் பயிற்சி செயல்பாட்டுக்கு நেরடியாக பொருந்தும்। உடல் AI-ல் தரவு பாட்டிலை தீர்க்க மূল்যமான ஒரு প্ল்যাটஃபார்ம் தேவை, மற்றும் MonstarX-ல் உருவாக்குவது உங்கள் பயிற்சி பாইபைன்களை உங்கள் உடல் AI பயன்பாட்டுக்கு விரைவாக மாপிக்க உங்களை அனுமதிக்கிறது।