ਮੈਸੇਚਿਉਸੇਟਸ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਟੈਕਨਾਲੋਜੀ (ਐਮਆਈਟੀ) ਨੇ ਪਿਛਲੇ ਹਫ਼ਤੇ ਰੋਬੋਟਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਇੱਕ ਨਵੀਂ ਵਿਧੀ ਦਾ ਪਰਦਾਫਾਸ਼ ਕੀਤਾ ਜੋ ਜਨਰੇਟਿਵ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਨਵੀਂ ਤਕਨੀਕ ਵੱਖ-ਵੱਖ ਡੋਮੇਨਾਂ ਅਤੇ ਰੂਪ-ਰੇਖਾਵਾਂ ਵਿੱਚ ਡੇਟਾ ਨੂੰ ਜੋੜਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਸਾਂਝੀ ਭਾਸ਼ਾ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ ਜਿਸ ਨੂੰ ਫਿਰ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (LLMs) ਦੁਆਰਾ ਸੰਸਾਧਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। MIT ਖੋਜਕਰਤਾਵਾਂ ਦਾ ਦਾਅਵਾ ਹੈ ਕਿ ਇਹ ਵਿਧੀ ਆਮ-ਉਦੇਸ਼ ਵਾਲੇ ਰੋਬੋਟਾਂ ਨੂੰ ਜਨਮ ਦੇ ਸਕਦੀ ਹੈ ਜੋ ਹਰੇਕ ਹੁਨਰ ਨੂੰ ਸਕ੍ਰੈਚ ਤੋਂ ਵੱਖਰੇ ਤੌਰ ‘ਤੇ ਸਿਖਲਾਈ ਦੇਣ ਦੀ ਲੋੜ ਤੋਂ ਬਿਨਾਂ ਬਹੁਤ ਸਾਰੇ ਕੰਮਾਂ ਨੂੰ ਸੰਭਾਲ ਸਕਦੇ ਹਨ।
MIT ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਰੋਬੋਟਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ AI-ਪ੍ਰੇਰਿਤ ਤਕਨੀਕ ਵਿਕਸਿਤ ਕੀਤੀ
ਇੱਕ ਨਿਊਜ਼ਰੂਮ ਵਿੱਚ ਪੋਸਟMIT ਨੇ ਰੋਬੋਟਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਨਾਵਲ ਵਿਧੀ ਦਾ ਵਿਸਥਾਰ ਕੀਤਾ। ਵਰਤਮਾਨ ਵਿੱਚ, ਇੱਕ ਰੋਬੋਟ ਨੂੰ ਇੱਕ ਖਾਸ ਕੰਮ ਸਿਖਾਉਣਾ ਇੱਕ ਮੁਸ਼ਕਲ ਪ੍ਰਸਤਾਵ ਹੈ ਕਿਉਂਕਿ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਸਿਮੂਲੇਸ਼ਨ ਅਤੇ ਅਸਲ-ਸੰਸਾਰ ਡੇਟਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਇਸ ਲਈ ਜ਼ਰੂਰੀ ਹੈ ਕਿਉਂਕਿ ਜੇ ਰੋਬੋਟ ਨੂੰ ਇਹ ਸਮਝ ਨਹੀਂ ਆਉਂਦੀ ਕਿ ਕਿਸੇ ਦਿੱਤੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਕੰਮ ਕਿਵੇਂ ਕਰਨਾ ਹੈ, ਤਾਂ ਉਹ ਇਸ ਦੇ ਅਨੁਕੂਲ ਹੋਣ ਲਈ ਸੰਘਰਸ਼ ਕਰੇਗਾ।
ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਹਰ ਨਵੇਂ ਕੰਮ ਲਈ, ਹਰੇਕ ਸਿਮੂਲੇਸ਼ਨ ਅਤੇ ਅਸਲ-ਸੰਸਾਰ ਦ੍ਰਿਸ਼ਾਂ ਵਾਲੇ ਡੇਟਾ ਦੇ ਨਵੇਂ ਸੈੱਟਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਫਿਰ ਰੋਬੋਟ ਇੱਕ ਸਿਖਲਾਈ ਦੀ ਮਿਆਦ ਵਿੱਚੋਂ ਗੁਜ਼ਰਦਾ ਹੈ ਜਿੱਥੇ ਕਾਰਵਾਈਆਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਗਲਤੀਆਂ ਅਤੇ ਗਲਤੀਆਂ ਨੂੰ ਦੂਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ, ਰੋਬੋਟਾਂ ਨੂੰ ਆਮ ਤੌਰ ‘ਤੇ ਕਿਸੇ ਖਾਸ ਕੰਮ ‘ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਜਿਹੜੇ ਬਹੁ-ਮੰਤਵੀ ਰੋਬੋਟ ਵਿਗਿਆਨ ਗਲਪ ਫਿਲਮਾਂ ਵਿੱਚ ਦੇਖੇ ਜਾਂਦੇ ਹਨ, ਅਸਲ ਵਿੱਚ ਨਹੀਂ ਦੇਖੇ ਗਏ ਹਨ।
ਹਾਲਾਂਕਿ, ਐਮਆਈਟੀ ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਦੁਆਰਾ ਵਿਕਸਤ ਇੱਕ ਨਵੀਂ ਤਕਨੀਕ ਇਸ ਚੁਣੌਤੀ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨ ਦਾ ਦਾਅਵਾ ਕਰਦੀ ਹੈ। ਵਿਚ ਏ ਕਾਗਜ਼ ਪੂਰਵ-ਪ੍ਰਿੰਟ ਔਨਲਾਈਨ ਜਰਨਲ arXIv ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ (ਨੋਟ: ਇਹ ਪੀਅਰ-ਸਮੀਖਿਆ ਨਹੀਂ ਹੈ), ਵਿਗਿਆਨੀਆਂ ਨੇ ਉਜਾਗਰ ਕੀਤਾ ਕਿ ਜਨਰੇਟਿਵ AI ਇਸ ਸਮੱਸਿਆ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰ ਸਕਦਾ ਹੈ।
ਇਸਦੇ ਲਈ, ਵੱਖ-ਵੱਖ ਡੋਮੇਨਾਂ ਵਿੱਚ ਡੇਟਾ, ਜਿਵੇਂ ਕਿ ਸਿਮੂਲੇਸ਼ਨ ਅਤੇ ਅਸਲ ਰੋਬੋਟ, ਅਤੇ ਵਿਜ਼ਨ ਸੈਂਸਰ ਅਤੇ ਰੋਬੋਟਿਕ ਆਰਮ ਪੋਜੀਸ਼ਨ ਏਨਕੋਡਰ ਵਰਗੀਆਂ ਵੱਖ-ਵੱਖ ਰੂਪਾਂਤਰੀਆਂ, ਨੂੰ ਇੱਕ ਸਾਂਝੀ ਭਾਸ਼ਾ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਗਿਆ ਸੀ ਜਿਸਨੂੰ ਇੱਕ ਏਆਈ ਮਾਡਲ ਦੁਆਰਾ ਸੰਸਾਧਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਡੇਟਾ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਲਈ ਹੇਟਰੋਜੀਨਿਅਸ ਪ੍ਰੀਟਰੇਨਡ ਟ੍ਰਾਂਸਫਾਰਮਰ (ਐਚਪੀਟੀ) ਨਾਮਕ ਇੱਕ ਨਵਾਂ ਆਰਕੀਟੈਕਚਰ ਵੀ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਸੀ।
ਦਿਲਚਸਪ ਗੱਲ ਇਹ ਹੈ ਕਿ ਅਧਿਐਨ ਦੇ ਮੁੱਖ ਲੇਖਕ, ਇਲੈਕਟ੍ਰੀਕਲ ਇੰਜੀਨੀਅਰਿੰਗ ਅਤੇ ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ (EECS) ਦੇ ਗ੍ਰੈਜੂਏਟ ਵਿਦਿਆਰਥੀ ਲੀਰੂਈ ਵੈਂਗ ਨੇ ਕਿਹਾ ਕਿ ਇਸ ਤਕਨੀਕ ਦੀ ਪ੍ਰੇਰਨਾ ਓਪਨਏਆਈ ਦੇ ਜੀਪੀਟੀ-4 ਵਰਗੇ ਏਆਈ ਮਾਡਲਾਂ ਤੋਂ ਲਈ ਗਈ ਸੀ।
ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਆਪਣੇ ਸਿਸਟਮ ਦੇ ਮੱਧ ਵਿੱਚ ਇੱਕ ਟਰਾਂਸਫਾਰਮਰ (ਜੀਪੀਟੀ ਆਰਕੀਟੈਕਚਰ ਦੇ ਸਮਾਨ) ਨਾਮਕ ਇੱਕ ਐਲਐਲਐਮ ਮਾਡਲ ਨੂੰ ਜੋੜਿਆ ਅਤੇ ਇਹ ਦ੍ਰਿਸ਼ਟੀ ਅਤੇ ਪ੍ਰੋਪ੍ਰਿਓਸੈਪਸ਼ਨ (ਸਵੈ-ਗਤੀ, ਬਲ ਅਤੇ ਸਥਿਤੀ ਦੀ ਭਾਵਨਾ) ਇਨਪੁਟਸ ਦੋਵਾਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ।
MIT ਖੋਜਕਰਤਾਵਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਹ ਨਵੀਂ ਵਿਧੀ ਰਵਾਇਤੀ ਤਰੀਕਿਆਂ ਦੇ ਮੁਕਾਬਲੇ ਰੋਬੋਟਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਤੇਜ਼ ਅਤੇ ਘੱਟ ਖਰਚੀਲੀ ਹੋ ਸਕਦੀ ਹੈ। ਇਹ ਮੁੱਖ ਤੌਰ ‘ਤੇ ਵੱਖ-ਵੱਖ ਕਾਰਜਾਂ ਵਿੱਚ ਰੋਬੋਟ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਲੋੜੀਂਦੇ ਕਾਰਜ-ਵਿਸ਼ੇਸ਼ ਡੇਟਾ ਦੀ ਘੱਟ ਮਾਤਰਾ ਦੇ ਕਾਰਨ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਅਧਿਐਨ ਨੇ ਪਾਇਆ ਕਿ ਇਸ ਵਿਧੀ ਨੇ ਸਿਮੂਲੇਸ਼ਨ ਅਤੇ ਅਸਲ-ਸੰਸਾਰ ਪ੍ਰਯੋਗਾਂ ਦੋਵਾਂ ਵਿੱਚ ਸਕ੍ਰੈਚ ਤੋਂ ਸਿਖਲਾਈ ਨੂੰ 20 ਪ੍ਰਤੀਸ਼ਤ ਤੋਂ ਵੱਧ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ।
