OpenAI ve Midjourney gibi şirketler, dijital dünyada çalışan sohbet robotları, görüntü oluşturucular ve diğer yapay zeka araçlarını geliştiriyor.
Şimdi üç eski OpenAI araştırmacısı tarafından kurulan bir girişim, fiziksel dünyada gezinebilecek yapay zeka teknolojisi oluşturmak için sohbet robotlarının arkasındaki teknoloji geliştirme yöntemlerini kullanıyor.
Merkezi Emeryville, Kaliforniya'da bulunan bir robot şirketi olan Covariant, robotların depolar ve dağıtım merkezleri arasında dolaşırken öğeleri toplaması, taşıması ve sıralaması için yöntemler geliştiriyor. Amaç, robotların etraflarında olup biteni anlamalarına ve bundan sonra ne yapacaklarına karar vermelerine yardımcı olmaktır.
Teknoloji ayrıca robotlara İngilizce dilini kapsamlı bir şekilde anlama olanağı sağlıyor ve insanların onlarla ChatGPT ile sohbet ediyormuş gibi sohbet etmelerine olanak tanıyor.
Halen geliştirilmekte olan teknoloji mükemmel değildir. Ancak bu, çevrimiçi sohbet robotlarına ve görüntü oluşturuculara güç veren yapay zeka sistemlerinin aynı zamanda depolardaki, sokaklardaki ve evlerdeki makinelere de güç vereceğinin açık bir işareti.
Sohbet robotları ve görüntü oluşturucular gibi, bu robotik teknoloji de büyük miktarda dijital veriyi analiz ederek becerilerini öğreniyor. Bu, mühendislerin teknolojiyi giderek daha fazla veriyle besleyerek geliştirebileceği anlamına gelir.
222 milyon dolar ile desteklenen Covariant robot üretmiyor. Robotlara güç veren yazılımı yaratır. Şirket, yeni teknolojisini depo robotlarıyla kullanmak, başkalarının da üretim tesislerinde ve hatta belki de sürücüsüz araçların olduğu yollarda benzer şeyler yapması için bir yol haritası sağlamak istiyor.
Sohbet robotlarına ve görüntü oluşturuculara güç veren yapay zeka sistemlerine, beyindeki nöron ağından adını alan sinir ağları adı veriliyor.
Bu sistemler, devasa miktardaki verilerde desenler bularak kelimeleri, sesleri ve görüntüleri tanımayı, hatta bunları kendileri oluşturmayı öğrenebilir. OpenAI, ChatGPT'yi bu şekilde geliştirdi ve ona anında soruları yanıtlama, dönem ödevi yazma ve bilgisayar programları oluşturma yeteneği kazandırdı. Bu beceriler internette bulunan metinlerden öğrenildi. (Haber dahil birçok medya kuruluşu telif hakkı ihlali nedeniyle OpenAI'ye dava açtı.)
Şirketler artık farklı veri türlerinden aynı anda öğrenebilecek sistemler geliştiriyor. Örneğin, hem bir fotoğraf koleksiyonunu hem de bu fotoğrafları tanımlayan başlıkları analiz eden bir sistem, ikisi arasındaki ilişkileri yakalayabilir. “Muz” kelimesinin kavisli sarı bir meyveyi tanımladığını öğrenebilirler.
OpenAI, yeni video oluşturucusu Sora'yı oluşturmak için bu sistemi kullandı. Sistem, altyazılı binlerce videoyu analiz ederek, “renkli balıklar ve deniz canlılarıyla dolu bir mercan resifinin güzel bir şekilde oluşturulmuş kağıt dünyası” gibi bir sahnenin kısa bir açıklaması verildiğinde videolar oluşturmayı öğrendi.
Berkeley'deki California Üniversitesi'nde profesör olan Pieter Abbeel ve eski öğrencilerinden üçü Peter Chen, Rocky Duan ve Tianhao Zhang tarafından kurulan Covariant, depo robotlarına güç sağlayan bir sistem oluştururken benzer teknikler kullandı.
Şirket, dünyanın her yerindeki depolarda ayıklama robotlarının çalıştırılmasına yardımcı oluyor. Bu robotların nasıl çalıştığını gösteren kameralardan ve diğer sensörlerden veri toplamak için yıllar harcadı.
“Robotlar için önemli olan ve onların fiziksel dünyayı anlamalarına ve onunla etkileşime girmelerine yardımcı olabilecek her türlü veriyi yakalıyor” dedi Dr. Chen.
Bu verileri ChatGPT gibi sohbet robotlarını eğitmek için kullanılan devasa miktardaki metinle birleştiren şirket, robotlarına çevrelerindeki dünyayı çok daha zengin bir şekilde anlamalarını sağlayan yapay zeka teknolojisini geliştirdi.
Bu görüntü, duyusal veri ve metin karışımındaki kalıpları belirledikten sonra teknoloji, robota fiziksel dünyadaki beklenmedik durumlarla başa çıkma yeteneği veriyor. Robot daha önce hiç muz görmemiş olsa bile muzu nasıl alacağını biliyor.
Ayrıca bir chatbot'a benzer şekilde sade İngilizce yanıt verebilir. Ona “Bir muz al” dersen, bunun ne anlama geldiğini bilir. Ona “Sarı bir meyve seç” dersen o da bunu anlayacaktır.
Hatta bir muzu almaya çalıştığında ne olabileceğini tahmin eden videolar bile oluşturabiliyor. Bu videoların depoda pratik bir kullanımı yoktur ancak robotun ortamında ne olduğunu anladığını gösterir.
“Bir videodaki sonraki kareleri tahmin edebiliyorsa doğru stratejiyi belirleyebilir” dedi Dr. Abbeel.
RFM (Robotics Foundational Model) adı verilen teknoloji, chatbotlara benzer şekilde hatalar yapıyor. Her ne kadar insanların ondan ne istediğini çoğu zaman anlasa da, durumun böyle olmaması ihtimali her zaman vardır. Zaman zaman eşyaları düşürüyor.
Yapay zeka girişimcisi ve New York Üniversitesi'nde psikoloji ve sinir bilimi profesörü olan Gary Marcus, teknolojinin depolarda ve hataların kabul edilebilir olduğu diğer durumlarda faydalı olabileceğini söyledi. Ancak üretim tesislerinde ve diğer potansiyel tehlikeli durumlarda kullanılmasının daha zor ve riskli olduğunu söyledi.
“Bu, başarısızlığın maliyetine bağlı” dedi. “Zararlı bir şey yapabilecek 150 kiloluk bir robotunuz varsa maliyetler yüksek olabilir.”
Şirketler bu tür sistemleri daha büyük ve daha çeşitli veri koleksiyonları üzerinde eğittikçe, araştırmacılar sistemin hızla gelişmesini bekliyor.
Bu, robotların geçmişte çalışma şeklinden çok farklı. Tipik olarak mühendisler, robotları aynı hassas hareketi tekrar tekrar gerçekleştirecek şekilde programladılar; örneğin belirli büyüklükteki bir kutuyu kaldırmak veya bir arabanın arka tamponunda belirli bir yere perçin yerleştirmek gibi. Ancak robotlar beklenmedik veya rastgele durumlarla baş edemiyordu.
Robotlar, dijital verilerden (fiziksel dünyada olup bitenlere ilişkin yüz binlerce örnek) öğrenerek beklenmedik durumlarla baş etmeye başlayabilir. Bu örnekler sesle eşleştirildiğinde, robotlar da bir chatbot gibi metin ve sesli önerilere yanıt verebiliyor.
Bu, robotların yanı sıra sohbet robotlarının ve görüntü oluşturucuların da daha esnek hale geleceği anlamına geliyor.
“Dijital verilerde bulunanlar gerçek dünyaya aktarılabilir” dedi Dr. Chen.
Şimdi üç eski OpenAI araştırmacısı tarafından kurulan bir girişim, fiziksel dünyada gezinebilecek yapay zeka teknolojisi oluşturmak için sohbet robotlarının arkasındaki teknoloji geliştirme yöntemlerini kullanıyor.
Merkezi Emeryville, Kaliforniya'da bulunan bir robot şirketi olan Covariant, robotların depolar ve dağıtım merkezleri arasında dolaşırken öğeleri toplaması, taşıması ve sıralaması için yöntemler geliştiriyor. Amaç, robotların etraflarında olup biteni anlamalarına ve bundan sonra ne yapacaklarına karar vermelerine yardımcı olmaktır.
Teknoloji ayrıca robotlara İngilizce dilini kapsamlı bir şekilde anlama olanağı sağlıyor ve insanların onlarla ChatGPT ile sohbet ediyormuş gibi sohbet etmelerine olanak tanıyor.
Halen geliştirilmekte olan teknoloji mükemmel değildir. Ancak bu, çevrimiçi sohbet robotlarına ve görüntü oluşturuculara güç veren yapay zeka sistemlerinin aynı zamanda depolardaki, sokaklardaki ve evlerdeki makinelere de güç vereceğinin açık bir işareti.
Sohbet robotları ve görüntü oluşturucular gibi, bu robotik teknoloji de büyük miktarda dijital veriyi analiz ederek becerilerini öğreniyor. Bu, mühendislerin teknolojiyi giderek daha fazla veriyle besleyerek geliştirebileceği anlamına gelir.
222 milyon dolar ile desteklenen Covariant robot üretmiyor. Robotlara güç veren yazılımı yaratır. Şirket, yeni teknolojisini depo robotlarıyla kullanmak, başkalarının da üretim tesislerinde ve hatta belki de sürücüsüz araçların olduğu yollarda benzer şeyler yapması için bir yol haritası sağlamak istiyor.
Sohbet robotlarına ve görüntü oluşturuculara güç veren yapay zeka sistemlerine, beyindeki nöron ağından adını alan sinir ağları adı veriliyor.
Bu sistemler, devasa miktardaki verilerde desenler bularak kelimeleri, sesleri ve görüntüleri tanımayı, hatta bunları kendileri oluşturmayı öğrenebilir. OpenAI, ChatGPT'yi bu şekilde geliştirdi ve ona anında soruları yanıtlama, dönem ödevi yazma ve bilgisayar programları oluşturma yeteneği kazandırdı. Bu beceriler internette bulunan metinlerden öğrenildi. (Haber dahil birçok medya kuruluşu telif hakkı ihlali nedeniyle OpenAI'ye dava açtı.)
Şirketler artık farklı veri türlerinden aynı anda öğrenebilecek sistemler geliştiriyor. Örneğin, hem bir fotoğraf koleksiyonunu hem de bu fotoğrafları tanımlayan başlıkları analiz eden bir sistem, ikisi arasındaki ilişkileri yakalayabilir. “Muz” kelimesinin kavisli sarı bir meyveyi tanımladığını öğrenebilirler.
OpenAI, yeni video oluşturucusu Sora'yı oluşturmak için bu sistemi kullandı. Sistem, altyazılı binlerce videoyu analiz ederek, “renkli balıklar ve deniz canlılarıyla dolu bir mercan resifinin güzel bir şekilde oluşturulmuş kağıt dünyası” gibi bir sahnenin kısa bir açıklaması verildiğinde videolar oluşturmayı öğrendi.
Berkeley'deki California Üniversitesi'nde profesör olan Pieter Abbeel ve eski öğrencilerinden üçü Peter Chen, Rocky Duan ve Tianhao Zhang tarafından kurulan Covariant, depo robotlarına güç sağlayan bir sistem oluştururken benzer teknikler kullandı.
Şirket, dünyanın her yerindeki depolarda ayıklama robotlarının çalıştırılmasına yardımcı oluyor. Bu robotların nasıl çalıştığını gösteren kameralardan ve diğer sensörlerden veri toplamak için yıllar harcadı.
“Robotlar için önemli olan ve onların fiziksel dünyayı anlamalarına ve onunla etkileşime girmelerine yardımcı olabilecek her türlü veriyi yakalıyor” dedi Dr. Chen.
Bu verileri ChatGPT gibi sohbet robotlarını eğitmek için kullanılan devasa miktardaki metinle birleştiren şirket, robotlarına çevrelerindeki dünyayı çok daha zengin bir şekilde anlamalarını sağlayan yapay zeka teknolojisini geliştirdi.
Bu görüntü, duyusal veri ve metin karışımındaki kalıpları belirledikten sonra teknoloji, robota fiziksel dünyadaki beklenmedik durumlarla başa çıkma yeteneği veriyor. Robot daha önce hiç muz görmemiş olsa bile muzu nasıl alacağını biliyor.
Ayrıca bir chatbot'a benzer şekilde sade İngilizce yanıt verebilir. Ona “Bir muz al” dersen, bunun ne anlama geldiğini bilir. Ona “Sarı bir meyve seç” dersen o da bunu anlayacaktır.
Hatta bir muzu almaya çalıştığında ne olabileceğini tahmin eden videolar bile oluşturabiliyor. Bu videoların depoda pratik bir kullanımı yoktur ancak robotun ortamında ne olduğunu anladığını gösterir.
“Bir videodaki sonraki kareleri tahmin edebiliyorsa doğru stratejiyi belirleyebilir” dedi Dr. Abbeel.
RFM (Robotics Foundational Model) adı verilen teknoloji, chatbotlara benzer şekilde hatalar yapıyor. Her ne kadar insanların ondan ne istediğini çoğu zaman anlasa da, durumun böyle olmaması ihtimali her zaman vardır. Zaman zaman eşyaları düşürüyor.
Yapay zeka girişimcisi ve New York Üniversitesi'nde psikoloji ve sinir bilimi profesörü olan Gary Marcus, teknolojinin depolarda ve hataların kabul edilebilir olduğu diğer durumlarda faydalı olabileceğini söyledi. Ancak üretim tesislerinde ve diğer potansiyel tehlikeli durumlarda kullanılmasının daha zor ve riskli olduğunu söyledi.
“Bu, başarısızlığın maliyetine bağlı” dedi. “Zararlı bir şey yapabilecek 150 kiloluk bir robotunuz varsa maliyetler yüksek olabilir.”
Şirketler bu tür sistemleri daha büyük ve daha çeşitli veri koleksiyonları üzerinde eğittikçe, araştırmacılar sistemin hızla gelişmesini bekliyor.
Bu, robotların geçmişte çalışma şeklinden çok farklı. Tipik olarak mühendisler, robotları aynı hassas hareketi tekrar tekrar gerçekleştirecek şekilde programladılar; örneğin belirli büyüklükteki bir kutuyu kaldırmak veya bir arabanın arka tamponunda belirli bir yere perçin yerleştirmek gibi. Ancak robotlar beklenmedik veya rastgele durumlarla baş edemiyordu.
Robotlar, dijital verilerden (fiziksel dünyada olup bitenlere ilişkin yüz binlerce örnek) öğrenerek beklenmedik durumlarla baş etmeye başlayabilir. Bu örnekler sesle eşleştirildiğinde, robotlar da bir chatbot gibi metin ve sesli önerilere yanıt verebiliyor.
Bu, robotların yanı sıra sohbet robotlarının ve görüntü oluşturucuların da daha esnek hale geleceği anlamına geliyor.
“Dijital verilerde bulunanlar gerçek dünyaya aktarılabilir” dedi Dr. Chen.