Encord-ன் புதிய முயற்சி: AI ரோபோக்களுக்கு மூளை அலைகள் மூலம் பயிற்சி!

Detailed Coverage

ரோபோடிக்ஸ் AI-யின் முக்கிய சவால்: டேட்டா பற்றாக்குறை

ரோபோக்களுக்கான பிசிக்கல் AI-யை உருவாக்குவதில் மிகப்பெரிய தடை என்னவென்றால், துல்லியமான, நிஜ உலகப் பயிற்சி டேட்டா இல்லாததுதான். இணையத்தில் கிடைக்கும் கோடிக்கணக்கான டெக்ஸ்ட் டேட்டாவைப் பயன்படுத்தி Large Language Models (LLMs) வெற்றி பெற்றாலும், ரோபோடிக்ஸ் நிறுவனங்கள் பிசிக்கல் வேலைகளுக்கான தரவுகளைத் தேடுவதில் திணறி வருகின்றன. இந்த சிக்கலைத் தீர்க்க, AI-க்கான டேட்டா கருவிகளை வழங்கும் Encord நிறுவனம், இப்போது தனக்கென பிரத்யேக டேட்டாசெட்களை உருவாக்கி வருகிறது.

மூளை அலைகள் மூலம் ரோபோ கற்றல்

கலிபோர்னியாவின் சான் லியாண்ட்ரோவில் உள்ள ஒரு சிறப்பு கிடங்கில், Encord நிறுவனம் மனிதர்கள் எப்படி வேலைகளைச் செய்கிறார்கள் என்பதைப் பதிவுசெய்ய ஒரு புதிய முறையைச் சோதித்து வருகிறது. இதில், தொழிலாளர்கள் ஒரு ரோபோவை இயக்கும்போது, ஜெர்மனியைச் சேர்ந்த Zander Labs வழங்கும் ஹெட்செட்களை அணிந்துகொள்கிறார்கள். இந்த ஹெட்செட்கள் மூளை அலைகளைக் கண்காணிக்கும். ஒரு நபர் தவறு செய்யும்போது, ஆச்சரியப்படும்போது அல்லது ஒரு செயலைச் செய்ய நினைக்கும்போது ஏற்படும் மனநிலைகளை இந்தக் டேட்டா மூலம் கண்டறிய முடியும்.

இந்த மனநிலை சிக்னல்களை ரோபோடிக்ஸ் டேட்டாவுடன் இணைப்பதன் மூலம், AI மாடல்கள் மிகவும் திறமையாகக் கற்றுக்கொள்ள முடியுமா என்பதை Encord ஆராய்கிறது. குறிப்பாக, கடினமான பணிகளுக்கு அதிக செயலாக்க சக்தி தேவைப்படும்போது இது பயனுள்ளதாக இருக்கும்.

டேட்டா உற்பத்தியாக மாறும் நிலை

Encord-ன் ரோபோ கற்றல் பிரிவின் தலைவர் Vineeth Velmurugan கூறுகையில், நிறுவனம் வெறும் டேட்டாக்களைக் குறிப்பதோடு நின்றுவிடவில்லை என்றார். ரோபோக்களின் கையாளுதல் பணிகளுக்குத் தேவையான நிஜ உலக டேட்டா பெரிய அளவில் இல்லாததால், Encord ஒரு உற்பத்தி நிறுவனமாக மாறியுள்ளது. இந்த அணி, ரோபோக்களுக்கான லீடர்-ஃபாலோவர் ரிக்ஸ் (leader-follower robotic rigs) மற்றும் தொழிலாளர்கள் கேமராக்கள் அணிந்து பதிவு செய்யும் வீடியோக்கள் போன்ற பல்வேறு நுட்பங்களைப் பயன்படுத்தி பிரத்யேக டேட்டாசெட்களை உருவாக்குகிறது. கைகளின் அசைவுகள் குறித்த துல்லியமான விளக்கங்கள் போன்ற குறிப்புகளும் இதில் அடங்கும். இது சாதாரண வீடியோ காட்சிகளை விட மாடல் பயிற்சிக்கு மிகவும் மதிப்பு வாய்ந்தது என நிறுவனம் நம்புகிறது.

பிசிக்கல் AI-யில் உள்ள பொருளாதார சவால்கள்

LLM-களின் சாஃப்ட்வேர் அடிப்படையிலான பயிற்சியைப் போலல்லாமல், பிசிக்கல் பயிற்சி டேட்டாவை உற்பத்தி செய்வதற்கு கணிசமான மூலதன முதலீடு மற்றும் மனித உழைப்பு தேவைப்படுகிறது. இதனால், ரோபோடிக்ஸ் நிறுவனங்களுக்கு ஒரு புதிய செலவுக் கட்டமைப்பு உருவாகிறது. இணையதள ஸ்கிராப்பிங் போன்ற தானியங்கு முறைகளை அவர்கள் நம்பியிருக்க முடியாது. மூளை அலை சென்சார்கள் மற்றும் தசை மின் சிக்னல் கண்டறிப்பான்கள் (muscle electrical signal detectors) போன்ற மேம்பட்ட முறைகளைச் சோதிப்பதன் மூலம், ஹியூமனாய்டு மற்றும் கிடங்கு ரோபோடிக்ஸ் நிறுவனங்களுக்கு எந்த டேட்டா வகைகள் சிறந்த முதலீட்டு வருவாயை (return on investment) வழங்கும் என்பதை Encord தீர்மானிக்க முயல்கிறது.

முதலீட்டாளர்கள் மற்றும் துறையின் பார்வையாளர்கள் இந்த சிறப்பு டேட்டா உருவாக்கும் முறைகள் எப்படி அளவிடப்படுகின்றன என்பதைக் கண்காணிக்க வேண்டும். இந்த உயர்-செலவு, உயர்-பிடிலிட்டி டேட்டா, சிக்கலான நிஜ உலகப் பயன்பாடுகளுக்கு ரோபோக்களுக்குப் பயிற்சி அளிக்கும் நேரத்தையும் முயற்சியையும் கணிசமாகக் குறைக்குமா என்பதைப் பொறுத்தே இந்த அணுகுமுறையின் இறுதி வெற்றி அமையும். வாடிக்கையாளர் ரோபோடிக்ஸ் மாடல்களுடன் இந்த சோதனைகளை நிறுவனம் தொடர்ந்து மதிப்பீடு செய்து வருகிறது. உற்பத்திச் செலவுகள் அதிகரித்தாலும், அதனால் கிடைக்கும் செயல்திறன் மேம்பாடுகள், அடிப்படை வீடியோ அடிப்படையிலான பயிற்சி போன்ற மலிவான மாற்று வழிகளை விட நியாயமானதா என்பதிலும் கவனம் செலுத்துகிறது.