Роботите се одлични да повторуваат задачи во контролирани простори, но сепак имаат предизвици во непредвидливи средини, како канцеларија или дом.

„Има специфична вештина, но не толку цврста, па ако се промени нешто во врска со животната средина што не е во согласност со планираното однапред, тогаш овие вештини имаат тенденција да не успеат. Потребен ни е начин на кој роботот ќе се прилагоди на ситуација без човечко програмирање на секое однесување што треба да го прави роботот“, вели Карл Перш од Универзитетот на Калифорнија, Беркли.

Предизвикот за обука на роботи да решаваат проблеми преку расудување е преземен од конзорциум на професионалци од водечките светски лаборатории.

Оваа лабораторија на Универзитетот на Калифорнија, Беркли е една од нив. Таа е како предучилишна установа за роботи.

„Само што влегов во упатството 'ставете ја печурката на крпата'“, објаснува Вилијам Чен од Универзитет на Калифорнија, Беркли.

Оваа рака на робот следи команда и во исто време генерира податоци за својот процес на расудување.

„Значи, едноставно не успеа да ја собере печурката и тоа го сфати. Значи, се држи до задачата да оди до печурката и да ја земе“, додава Чен.

Ако е успешно и расудувањето е здраво, овие податоци може да се користат за да им се помогне на другите роботи со слични задачи.

Лаборатории во Северна Америка, Европа и Азија ги споделуваат своите контролни податоци, кои, заедно со податоците од Интернет, ќе обучуваат голем четбот, сличен на ЧетГПТ, во суштина еден мозок кој може да контролира широк спектар на роботи.

„Значи, во основа, ако научам една рака на робот како да земе лименка Кока Кола и имам друга роботска рака која никогаш во животот не видела лименка Кока Кола, одеднаш ќе го разбере концептот за тоа што е лименка Кока Кола, и има шанса сама да го земе тој предмет“, додава Перш.

Учењето како да се идентификува лименката Кока Кола доаѓа од огромен број визуелни слики и текстови собрани од Интернет.

Како и можноста да ја избере Тејлор Свифт.

„Многу од овие концепти, како кога лименката Кока Кола е полна и треба да примените повеќе сила за да ја кренете, или ако има нешто истурено на масата во кујната, она што ви треба е сунѓер или крпа за да ја исчистите. Овие се концепти што можете да ги научите на Интернет. Не треба да ги учите од робот“, вели Перш.

Истражувањата покажуваат дека роботот обучен на Интернет е подобар од роботите обучени независно, вели Перш.

„Дури и најдобриот модел што би можеле да го произведат не беше толку добар како моделот што можевме да го произведеме со обука на сите збирки податоци заедно“.

Многу роботи имаат многу специјализирани употреби и дизајни, така што генерален роботски мозок не е наменет за нив. Но, Перш вели:

„За сите роботски раце или сите роботи за домаќинство на крајот мислам дека ќе имате во суштина еден модел кој служи како основен модел за да ги контролирате сите нив“.

Можеби нема да ги видиме во домовите во блиска иднина, но роботите прават голем напредок.