berita

robot itu sulit, sulit untuk "mendarat di bulan"

google

itu

kami berupaya keras untuk mendorong anggota kami mengambil risiko, bereksperimen dengan cepat, dan bahkan “merayakan kegagalan” karenanyakegagalan hanya berarti bahwa tujuan yang kita tetapkan sangatlah tinggi.

ketika saya bergabung, lab tersebut sudah menginkubasi waymo, google glass, dan proyek lain yang terdengar seperti fiksi ilmiah, seperti kincir angin energi terbang dan balon yang akan mencapai stratosfer untuk membawa internet ke daerah-daerah yang kurang terlayani.

yang membedakan project x dengan startup silicon valley lainnya adalah anggota x didorong untuk berpikir besar dan berjangka panjang. faktanya, agar sebuah proyek dianggap berhasil, x memiliki serangkaian "formula" untuk menilai proyek tersebut.

pertama, proyek ini perlu menunjukkan bahwa masalah yang dipecahkannya berdampak pada ratusan juta atau bahkan miliaran orang. kedua, harus ada terobosan teknologi yang memberikan kita cara-cara baru untuk memecahkan masalah. yang terakhir, perlu ada solusi bisnis atau produk radikal yang mungkin terdengar gila, namun bukan berarti tidak mungkin dilakukan.

berikan ai sebuah "tubuh"

sulit membayangkan ada orang yang lebih cocok menjalankan x daripada astro teller, yang secara harfiah bergelar "kapten moonshot". di dalam google

tambahkan kuncir kudanya, senyum ramahnya dan, tentu saja, nama "astro", dan anda mungkin merasa seperti masuk ke serial hbo "silicon valley".

ketika astro dan saya pertama kali duduk untuk mendiskusikan apa yang harus kami lakukan terhadap perusahaan robotika yang diakuisisi google, kami sepakat bahwa kami harus mengambil tindakan, tapi apa?

hingga saat ini, sebagian besar robot yang berguna berukuran besar, tidak cerdas, dan berbahaya, hanya digunakan di pabrik dan gudang serta harus diawasi secara ketat atau dikurung untuk melindungi manusia dari bahaya.bagaimana kita bisa menciptakan robot yang berguna dan aman dalam lingkungan sehari-hari?hal ini memerlukan pendekatan baru.

dengan kata lain, kami memberi ai sebuah tubuh di dunia fisik, dan jika ada satu tempat di mana proyek sebesar ini dapat dirancang, saya yakin itu adalah x.

ini akan memakan waktu lama, banyak kesabaran, mencoba ide-ide gila dan gagal dalam banyak upaya,dibutuhkan terobosan besar dalam bidang ai dan robotika, yang kemungkinan besar akan menelan biaya miliaran dolar (ya, miliaran dolar.)

konvergensi ai dan robotika tidak bisa dihindari, dan kami merasa bahwa banyak hal yang selama ini hanya ada dalam fiksi ilmiah akan menjadi kenyataan.

itu sangat sulit

setiap minggu, saya berbicara dengan ibu saya melalui telepon, dan dia selalu memulai dengan pertanyaan yang sama: "kapan robot akan datang?"

dia bahkan tidak menyapa, dia hanya ingin tahu kapan robot kami akan datang membantunya. saya akan menjawab, "ini akan memakan waktu cukup lama, bu." lalu dia akan berkata, "sebaiknya mereka bergegas!"

hans peter brondmo

ibu saya tinggal di oslo, norwegia, yang memiliki layanan kesehatan masyarakat yang sangat baik; perawat datang ke apartemennya tiga kali sehari untuk membantunya melakukan berbagai tugas dan pekerjaan rumah tangga, sebagian besar berkaitan dengan penyakit parkinson stadium lanjut yang dideritanya.

meskipun para pengasuh ini memungkinkan dia untuk tinggal sendirian di rumahnya sendiri, ibu saya ingin robot tersebut membantunya melakukan hal-hal kecil yang saat ini terlalu memalukan untuk ditangani, atau sekadar menyediakan lengan untuk bersandar sesekali.

"kamu tahu robotika adalah masalah sistemik, kan?" jeff bertanya padaku dengan tatapan ingin tahu. jeff bingham adalah pria ramping dan jujur ​​dengan gelar phd di bidang bioteknologi. dia dibesarkan di sebuah peternakan dan dikenal mengetahui hampir segalanya.

poin penting yang ingin disampaikan jeff adalah,robot adalah sistem yang sangat kompleks dan kinerja keseluruhannya hanya akan sebaik titik terlemahnya。

misalnya, jika subsistem yang bertanggung jawab atas penglihatan mengalami kesulitan dalam merasakan objek di depannya saat terkena sinar matahari langsung, robot mungkin tiba-tiba "menjadi buta" dan berhenti bekerja saat sinar matahari menyinari jendela.

atau, jika sistem navigasi tidak memahami tangga, robot dapat terjatuh dari tangga, melukai dirinya sendiri dan mungkin orang yang tidak bersalah. oleh karena itu, sulit untuk membuat robot yang dapat hidup dan bekerja bersama kita. sungguh, sangat sulit.

selama beberapa dekade, manusia telah mencoba memprogram berbagai bentuk robot untuk melakukan tugas-tugas sederhana sekalipun, seperti mengambil cangkir dari meja atau membuka pintu, namun program-program ini selalu menjadi sangat rentan terhadap perubahan sekecil apa pun di lingkungan. akan gagal.

begitu anda mulai memikirkan semuanya, anda menyadari bahwa kecuali anda mengunci semuanya sehingga semuanya berada pada posisi yang tetap dan telah ditentukan sebelumnya, dan cahayanya tepat dan tidak pernah berubah, yang ada hanyalah masalah mengambil sebuah apel hijau, taruh ke dalam mangkuk kaca di meja dapur anda, menjadi teka-teki yang hampir mustahil untuk dipecahkan - itulah sebabnya robot di pabrik dikurung dan segala sesuatu mulai dari penerangan hingga penempatan barang-barang yang mereka kerjakan dapat dipecahkan khawatir bertemu orang.

dunia nyata tidak memiliki prediktabilitas, seperti sinar matahari.dan kita bahkan belum menyentuh bagian yang paling sulit, seperti bergerak melalui ruang-ruang berantakan tempat kita tinggal dan bekerja.

bagaimana memahami robot belajar

namun ternyata, anda hanya membutuhkan 17 pakar pembelajaran mesin.

setidaknya itulah yang dikatakan larry page kepada saya, salah satu wawasannya yang klasik dan sulit dipahami.

saya mencoba berargumentasi bahwa kita tidak dapat membangun infrastruktur perangkat keras dan perangkat lunak hanya dengan sekelompok kecil peneliti pembelajaran mesin.

dia melambaikan tangannya dengan tidak setuju dan berkata, "kamu hanya perlu 17."

saya bingung. kenapa bukan 11? atau 23? saya pasti melewatkan sesuatu.

pada akhirnya, ada dua cara utama untuk menerapkan ai dalam robotika. yang pertama adalah pendekatan hybrid, di mana berbagai bagian sistem digerakkan oleh ai dan kemudian digabungkan melalui pemrograman.

dalam pendekatan ini, subsistem penglihatan mungkin menggunakan ai untuk mengidentifikasi dan mengklasifikasikan dunia yang dilihatnya. setelah membuat daftar objek yang dilihatnya, robot menerima daftar tersebut dan menggunakan metode dalam kode untuk menindaklanjutinya.

misalnya, jika program ditulis untuk mengambil apel dari meja, sistem visi berbasis ai akan mendeteksi apel tersebut, dan program akan memilih "jenis: apple" dari daftar, lalu menggunakan perangkat lunak kontrol untuk bertanya robot untuk meraihnya.

pendekatan lainnya adalah pembelajaran end-to-end (e2e), yang berupaya mempelajari keseluruhan tugas. hal-hal seperti "mengambil suatu benda", atau bahkan upaya yang lebih komprehensif seperti "merapikan meja". proses pembelajaran dicapai dengan memaparkan robot pada data pelatihan dalam jumlah besar – seperti cara manusia belajar melakukan tugas fisik.

jika anda meminta anak kecil untuk mengambil cangkir, mereka mungkin perlu mempelajari apa itu cangkir dan mungkin berisi cairan. saat bermain dengan cangkir, dia menjatuhkannya berulang kali, sehingga menumpahkan banyak susu dalam prosesnya. namun melalui teladan, meniru orang lain, dan banyak latihan yang menyenangkan, mereka selalu dapat belajar melakukannya—bahkan tanpa memikirkan langkah-langkahnya.

saya secara bertahap mengerti,kecuali kita pada akhirnya membuktikan bahwa robot dapat belajar melakukan tugas secara end-to-end, tidak ada hal lain yang menjadi masalah.hanya dengan cara itulah kita mempunyai peluang nyata untuk membuat robot dapat melakukan tugas-tugas ini dengan andal di dunia nyata yang kacau dan tidak dapat diprediksi, sehingga membuat kita memenuhi syarat untuk benar-benar menjadi penjelajah bulan.

ini bukan tentang angka “17”, ini tentangterobosan besar memerlukan tim kecil, bukan pasukan insinyur. tentu saja, robot lebih dari sekedar otak ai-nya, kita masih perlu merancang dan membangun robot fisik.

namun, jelas bahwa misi end-to-end yang berhasil akan membuat kita percaya (dalam bahasa program pendaratan di bulan) bahwa kita dapat lepas dari gravitasi bumi.

robot satu tangan

peter pastor adalah ahli robot jerman yang memperoleh gelar phd di bidang robotika dari university of southern california. di saat-saat langka ketika dia tidak harus bekerja, peter mencoba mengejar pacarnya dan bermain selancar layang. di laboratorium, ia menghabiskan sebagian besar waktunya mengendalikan 14 lengan robotik berpemilik, yang kemudian digantikan dengan tujuh lengan robotik industri kuka. kami menyebutnya konfigurasi "mekanis".

lengan robot ini beroperasi sepanjang waktu, terus-menerus mencoba mengambil benda dari kotak, seperti spons, balok lego, bebek kuning kecil, atau pisang plastik. awalnya, mereka diprogram untuk memindahkan gripper berbentuk cakar ke dalam kotak dari posisi acak di atasnya, menutup gripper, menariknya ke atas, dan melihat apakah mereka menangkap sesuatu. terdapat kamera di atas kotak yang menangkap objek di dalam kotak, pergerakan lengan robot, dan apakah berhasil.

pelatihan ini berlanjut selama beberapa bulan. pada awalnya robot hanya memiliki tingkat keberhasilan 7%. namun setiap kali robot berhasil, ia mendapat penguatan positif. bagi robot, hal ini pada dasarnya berarti bahwa apa yang disebut "bobot" dalam jaringan saraf disesuaikan berdasarkan berbagai hasil untuk memperkuat perilaku yang diinginkan secara positif dan memperkuat perilaku yang tidak diinginkan secara negatif. akhirnya, lengan belajar untuk berhasil menggenggam benda lebih dari 70 persen.

suatu hari, peter menunjukkan kepada saya video lengan robot yang tidak hanya secara akurat meraih batu lego kuning, namun juga mendorong benda lain menjauh untuk mendapatkan sudut genggaman yang lebih jelas.

saya tahu bahwa ini menandai titik balik yang nyata: lengan robot tidak diprogram secara eksplisit untuk melakukan tindakan ini menggunakan heuristik tradisional.itu diperoleh melalui pembelajaran。

namun demikian - tujuh robot membutuhkan waktu beberapa bulan untuk mempelajari cara menangkap bebek kuning kecil? ini masih jauh dari cukup. bahkan ratusan robot dan latihan selama beberapa tahun tidak cukup untuk mengajari mereka melakukan tugas pertama mereka yang berguna di dunia nyata. jadi kami membangun simulator berbasis cloud dan membuat lebih dari 240 juta robot virtual pada tahun 2021.

bayangkan simulator ini sebagai video game raksasa, dengan model fisik yang cukup realistis untuk mensimulasikan berat benda atau gesekan permukaan.

ribuan robot virtual menggunakan kamera virtual dan tubuh virtualnya (meniru robot sungguhan) untuk melakukan tugas seperti mengambil cangkir dari meja.

mereka akan berjalan secara bersamaan, mencoba dan gagal jutaan kali, mengumpulkan data untuk melatih algoritma ai. setelah robot berkinerja cukup baik dalam simulasi, algoritme ini ditransfer ke robot fisik untuk pelatihan akhir di dunia nyata sehingga mereka dapat mengimplementasikan tindakan yang baru dipelajari.

saya selalu menganggap proses simulasi ini sebagai robot yang bermimpi sepanjang malam dan kemudian terbangun setelah mempelajari sesuatu yang baru.

bodoh, masalahnya adalah datanya

saat kami pertama kali menggunakan chatgpt, rasanya seperti keajaiban. sistem yang didukung ai sebenarnya dapat menulis paragraf lengkap, menjawab pertanyaan kompleks, dan membentuk percakapan berkelanjutan. namun di saat yang sama, kami juga memahami keterbatasan mendasarnya: untuk mencapai hal ini, kami perlu mengonsumsi banyak data.

robot sudah memanfaatkan model bahasa besar untuk memahami instruksi dan model visual untuk memahami apa yang mereka lihat, yang membuat video demonstrasi youtube mereka terlihat luar biasa.

namun mengajarkan robot untuk hidup dan bekerja secara mandiri bersama kita adalah masalah data yang sama besarnya. meskipun ada pelatihan simulasi dan cara lain untuk menghasilkan data pelatihan,kecil kemungkinannya suatu hari nanti robot akan "bangun" dengan kemampuan tingkat tinggi, dan malah akan bergantung pada model dasar yang dapat mengendalikan seluruh sistem.

kami masih tidak yakin seberapa rumit tugas yang dapat kami ajarkan kepada robot untuk dilakukan dengan ai. saya baru saja percaya bahwa, kecuali untuk tugas-tugas yang sangat sempit dan terdefinisi dengan baik, membuat robot dapat mempelajari apa pun mungkin memerlukan ribuan atau bahkan jutaan robot yang berulang kali melakukan tugas di dunia nyata dan mengumpulkan cukup data untuk melatih secara menyeluruh. model akhir. dengan kata lain, jangan berharap robot akan lepas dari kendali kita dalam waktu dekat dan melakukan hal-hal yang tidak diprogram untuk mereka lakukan.

haruskah mereka benar-benar mirip dengan kita?

kuda sangat efisien ketika berjalan dan berlari dengan empat kaki, namun kita merancang mobil beroda; otak manusia adalah komputer biologis yang sangat efisien, dan komputer berbasis chip sama sekali tidak sebanding dengan kinerja otak kita. mengapa mobil tidak mempunyai kaki, dan mengapa komputer tidak meniru biologi kita?

tujuan pembuatan robot tidak boleh hanya sekedar meniru.

saya mempelajarinya beberapa hari yang lalu ketika saya sedang rapat dengan para pemimpin teknis di everyday robots. kami duduk mengelilingi meja konferensi, berdebat apakah robot kami harus memiliki kaki atau roda.

diskusi-diskusi seperti ini sering kali cenderung mengarah pada perdebatan agama dibandingkan diskusi berbasis fakta atau ilmiah. beberapa orang sangat bersikeras bahwa robot harus terlihat seperti manusia, dan untuk alasan yang baik: kita merancang lingkungan hidup dan kerja kita untuk mengakomodasi manusia, dan kita memiliki kaki, jadi mungkin robot juga harus memiliki kaki.

setelah sekitar 30 menit, vincent dureau, manajer teknik paling senior di ruangan itu, angkat bicara. “saya pikir, jika saya bisa sampai ke suatu tempat, robot pasti bisa sampai ke sana,” ujarnya singkat sambil duduk di kursi rodanya.

ruangan menjadi sunyi dan pertengkaran pun berakhir.

faktanya, kaki robot rumit secara mekanis dan elektronik. roda tidak bergerak terlalu cepat, cenderung membuat robot tidak stabil, dan tidak terlalu hemat energi dibandingkan roda.

saat ini, ketika saya melihat perusahaan mencoba menciptakan robot humanoid—robot yang berusaha meniru bentuk dan fungsi manusia—saya sering bertanya-tanya apakah ini merupakan batasan imajinasi.

ada begitu banyak desain untuk dieksplorasi yang dapat melengkapi kekurangan manusia, mengapa kita harus memaksakan diri untuk meniru?perkataan vincent mengingatkan kita bahwa kita harus memprioritaskan permasalahan yang paling sulit dan berdampak.di everyday robots, kami mencoba membuat robot kami sesederhana mungkin karena semakin cepat robot dapat melakukan tugas di dunia nyata, semakin cepat kami dapat mengumpulkan data berharga.

bagaimana rasanya dikelilingi robot?

saya sedang duduk di meja saya ketika robot berlengan satu dengan kepala persegi panjang berguling, memanggil nama saya, dan bertanya apakah saya ingin membersihkannya. saya menjawab ya dan berdiri di samping.

beberapa menit kemudian, ia mengambil beberapa cangkir kertas kosong, satu cangkir es teh bening dari starbucks, dan bungkus plastik dari bar energi kind. ia meletakkan barang-barang itu ke dalam tempat sampah yang menempel di alasnya, lalu berbalik ke arahku, mengangguk, dan berpindah ke meja berikutnya.

layanan pembersihan meja ini mewakili tonggak penting: ini menunjukkan bahwa kita membuat kemajuan yang baik dalam memecahkan teka-teki robotika yang belum terpecahkan. robot mulai andal menggunakan ai untuk mengenali orang dan objek!

benji holson adalah seorang insinyur perangkat lunak dan mantan dalang yang memimpin tim pengembangan layanan tersebut. dia selalu menganjurkan pendekatan hibrida dan tidak menentang tugas pembelajaran end-to-end, namun lebih memilih sikap "biarkan mereka melakukan sesuatu yang berguna sekarang".

saya terbiasa dengan robot yang bergerak melakukan tugas-tugas seperti membersihkan meja saya. sesekali saya akan melihat pengunjung atau insinyur baru yang baru saja bergabung dengan tim. mereka akan melihat sosok robot yang sibuk dengan ekspresi terkejut dan gembira di wajah mereka.

dari sudut pandang mereka, saya menyadari betapa barunya semua ini. seperti yang dikatakan oleh kepala desain kami, rhys newman (dengan aksen welsh-nya) ketika dia melihat robot itu lewat suatu hari, "bukankah agak aneh bahwa hal ini telah menjadi norma?"

semuanya berakhir, ini baru permulaan

di penghujung tahun 2022, diskusi mengenai "end-to-end" dan "metode hybrid" masih aktif.

peter dan timnya, serta rekan kami di google brain, telah bekerja keras untuk menerapkan pembelajaran penguatan, pembelajaran imitasi, dan arsitektur transformer ke berbagai tugas robotika. mereka telah mencapai kemajuan signifikan dalam menunjukkan bagaimana robot dapat belajar secara umum, kuat, dan tangguh.

sementara itu, tim aplikasi yang dipimpin oleh beinji menggabungkan model ai dengan pemrograman tradisional untuk membuat prototipe dan membangun layanan robotik yang dapat diterapkan di lingkungan manusia.

sementara itu, kolaborasi dengan penari katie dalam instalasi multi-robot yang dikenal sebagai project starling mengubah perasaan saya terhadap mesin ini.

saya memperhatikan bahwa orang-orang tertarik pada robot-robot ini karena rasa takjub, gembira, dan penasaran. hal ini membuat saya memahami bagaimana robot yang bergerak di antara kita, dan suara yang dihasilkannya, dapat memicu emosi manusia yang mendalam; ini akan menjadi salah satu faktor kunci yang menentukan apakah kita menyambut mereka dalam kehidupan kita sehari-hari.

dengan kata lain, kami berada di titik puncak untuk mewujudkan taruhan terbesar kami: robot yang didukung oleh ai. ai memberi mereka kemampuan untuk memahami bahasa yang mereka dengar (lisan dan tulisan) dan menerjemahkannya ke dalam tindakan, atau untuk memahami apa yang mereka lihat (gambar kamera) dan menerjemahkannya ke dalam adegan dan objek yang dapat mereka manipulasi.

setelah lebih dari tujuh tahun bekerja, kami memiliki armada robot yang ditempatkan di beberapa gedung google. jenis robot yang sama juga melakukan berbagai layanan: membersihkan meja kafetaria secara otomatis, memeriksa ruang konferensi, memilah sampah, dan banyak lagi.

namun, pada januari 2023, dua bulan setelah openai merilis chatgpt, google menutup everyday robots karena masalah biaya secara keseluruhan.

meskipun biayanya mahal dan memakan waktu lama, hal ini tetap mengejutkan semua orang yang terlibat. akhirnya, robot dan beberapa karyawannya dipindahkan ke google deepmind untuk melanjutkan penelitian.

masalah besar yang harus kita selesaikan adalah perubahan demografi global – populasi yang menua, menyusutnya angkatan kerja, dan kekurangan tenaga kerja. dan teknologi terobosan kami – yang kami ketahui pada tahun 2016 – adalah kecerdasan buatan. solusi radikal: robot yang sepenuhnya otonom yang dapat membantu kita dalam melakukan tugas-tugas yang muncul dalam kehidupan sehari-hari.

robot tersebut tidak muncul tepat waktu untuk membantu ibu saya, dan dia meninggal pada awal tahun 2021. percakapan saya dengannya menjelang akhir hidupnya memperkuat keyakinan saya bahwa versi everyday robots di masa depan pada akhirnya akan tiba. dan semakin cepat hal itu terjadi, semakin baik.

jadi pertanyaannya adalah: bagaimana perubahan dan masa depan ini terjadi? saya khawatir sekaligus penasaran tentang hal ini.