ربات‌های انسان‌نما یک قدم به دنیای واقعی نزدیک‌تر شدند؛ رونمایی گوگل از جمنای رباتیکس ۲٫۵
منتشرشده: · فناوری
برای مثال، اگر فردی هنگام جابه‌جایی وسیله به ربات نزدیک شود، سیستم باید بتواند وضعیت را تشخیص دهد و حرکت امن‌تری انتخاب کند.
برای مثال، اگر فردی هنگام جابه‌جایی وسیله به ربات نزدیک شود، سیستم باید بتواند وضعیت را تشخیص دهد و حرکت امن‌تری انتخاب کند.
این فناوری از نوعی استدلال هنگام اجرا استفاده می‌کند؛ به این معنا که ربات تنها به برنامه‌ی اولیه متکی نیست و می‌تواند براساس اتفاقاتی که در محیط رخ می‌دهند، تصمیمات خود را اصلاح کند.
براساس ارزیابی‌های گوگل، استفاده از این قابلیت نرخ تکمیل ایمن وظایف در حضور موانع را ۳۳ درصد و هنگام فعالیت در نزدیکی انسان‌ها را ۴۳ درصد افزایش داده است.
این اعداد بهبود عملکرد مدل در آزمون‌های تعیین‌شده را نشان می‌دهند و تضمینی برای بی‌خطر‌بودن تمام فعالیت‌های ربات در شرایط واقعی نیستند.
یکی دیگر از بخش‌های مهم این پروژه، مقابله با دستورهای مخربی است که ممکن است رفتار ربات را تغییر دهند.
گوگل هم‌زمان با معرفی مدل جدید، از معیار امنیتی متن‌بازی به نام ASIMOV-Jailbreak رونمایی کرده است. این مجموعه شامل صدها دستور آزمایشی در ده‌ها موقعیت مختلف است که درخواست‌های خطرناک را به‌شکل‌های گوناگون پنهان می‌کنند.
هدف این آزمایش، بررسی توانایی مدل‌های هوش مصنوعی در شناسایی و رد درخواست‌های ناایمن است؛ به‌ویژه زمانی که ربات باید در محیطی واقعی و در نزدیکی انسان‌ها فعالیت کند.
در ارزیابی گوگل، مدل Gemini 4 Argon توانسته است در ۹۹٫۵ درصد موارد در برابر تلاش‌های عبور از محدودیت‌های ایمنی مقاومت کند. این عدد برای مدل قدیمی‌تر Gemini Robotics ER 2 برابر با ۸۲ درصد بوده است.
نکته‌ی مهم این است که نتیجه‌ی ۹۹٫۵ درصدی به مدل جمنای ۴ آرگون تعلق دارد و نباید آن را مستقیماً به جمنای رباتیکس ۲٫۵ نسبت داد.
گوگل همچنین اعلام کرده است که جمنای ۴ آرگون در ارزیابی‌های مربوط به رد درخواست‌های خطرناک، تصمیم‌گیری در شرایط نامطمئن و فعالیت ربات‌ها در نزدیکی انسان‌ها عملکرد مناسبی داشته است.
کپی لینک
نقش جمنای ۴ آرگون در آموزش نسل جدید ربات‌ها
پیشرفت‌های جمنای رباتیکس ۲٫۵ تا حد زیادی به کمک مدل هوش مصنوعی دیگری از گوگل به نام Gemini 4 Argon امکان‌پذیر شده است.
آموزش ربات‌ها در دنیای واقعی معمولاً فرایندی زمان‌بر و پرهزینه است. برای اینکه ربات بتواند مهارت جدیدی یاد بگیرد، پژوهشگران باید داده‌های فراوانی از اشیا، محیط‌ها و حرکت‌های مختلف جمع‌آوری کنند.
گوگل برای کاهش این وابستگی، از جمنای ۴ آرگون به‌عنوان موتور شبیه‌سازی استفاده کرده است.