Le onde cerebrali: la prossima frontiera per l’intelligenza artificiale fisica?

Pubblicato il da Ignazio Aragona - Tecnologia

Le onde cerebrali: la prossima frontiera per l’intelligenza artificiale fisica?

Il Futuro dell’Intelligenza Artificiale Fisica: Un Gioco di Jenga

La frontiera dell’intelligenza artificiale fisica si svolge in un magazzino a San Leandro, California, dove si trova la sede di Encord, un’azienda che sviluppa strumenti di gestione dei dati per addestrare modelli di AI. A guidare questa innovazione è Andrew Ceja, un pilota – termine usato dall’azienda per i suoi formatori robotici – che si impegna nel delicato compito di estrarre blocchi di legno da una torre instabile. Indossa un visore dotato di telecamera, ma a differenza dei dispositivi comuni, questo include sensori che monitorano le onde cerebrali mentre esegue il compito.

Innovazione e Raccolta Dati

Encord si distingue per la sua ambiziosa visione. Mentre molte aziende si limitano a gestire i dati esistenti, Encord punta a produrre i dati necessari per migliorare le prestazioni dei robot. Questo approccio è innovativo e mira a superare il collo di bottiglia informativo che attualmente affligge il settore della robotica e dell’AI. Il visore di Ceja è stato progettato da Zander Labs, una startup tedesca di neuroscienze, che crede che il monitoraggio dell’attività cerebrale possa fornire informazioni preziose riguardo a stati mentali come errore, intenzione e sorpresa. L’obiettivo di Encord è quello di creare un iniziale set di dati marcato da onde cerebrali e testarlo su diversi modelli di robotica per verificare se porta a un aumento delle prestazioni.

Lucas Gehrke, neuroscienziato di Zander che supervisiona il progetto, afferma che l’analisi dell’attività cerebrale durante i compiti fornisce indizi utili per determinare quando è necessario attivare modelli di massima efficienza.

Nuove Modalità di Raccolta Dati

Il team di Encord sta avviando un progetto pilota per costruire un dataset iniziale di onde cerebrali, un progetto che, se riuscito, potrebbe rivoluzionare il modo in cui i modelli di AI apprendono. Encord è stata fondata con l’intento di aiutare le aziende che sviluppano applicazioni di visione artificiale a etichettare i dati e valutare i modelli. Con l’emergere dell’apprendimento end-to-end nelle attività di manipolazione robotica, molte aziende hanno compreso che la creazione dei propri dati di addestramento è diventata cruciale. “I dati semplicemente non esistono,” afferma Velmurugan, capo dell’apprendimento robotico di Encord.

Il problema dell’AI generativa applicata alla robotica scontra il medesimo ostacolo. Le aziende di auto a guida autonoma raccolgono dati dal mondo reale, ma questo approccio è difficile da scalare. L’addestramento attraverso video può funzionare, ma manca della fedeltà dei dati reali. Secondo Velmurugan, ci vorranno dataset circa cinque volte più grandi dell’intero corpus video di YouTube per superare questa sfida.

L’Importanza dei Dati Egocentrici

Le aziende che progettano “cervelli” per robot stanno ora rivolgendo le loro attenzioni a due principali fonti di dati: video “egocentrici” registrati da operatori con telecamere, spesso integrati con ulteriori angolazioni e metriche, e dati provenienti da robot controllati a distanza. Encord si occupa di entrambe le modalità, raccogliendo dati da diverse fabbriche in tutto il mondo e utilizzando il proprio stabilimento di San Leandro per sperimentare nuove tecniche, come le onde cerebrali, o raccogliere set di dati su abilità specifiche.

Durante una visita di TechCrunch, alcuni piloti utilizzavano bracci robotici coordinati per generare dati su compiti come versare caffè da una teiera in tazze o impilare fiches da poker. “Ogni azienda che lavora nel settore umanoide ci ha chiesto informazioni su questi task,” rivela Velmurugan.

Il magazzino ospita attrezzature per addestrare i robot in compiti domestici, inclusi fiori finti in vasi, libri e altri oggetti. Un altro pilota, Sofia Infante, manovra i bracci robotici per collegare e scollegare cavi ethernet: un compito che i gestori dei data center vorrebbero automatizzare, se solo i robot potessero farlo con la necessaria precisione.

Verso un Futuro Sostenibile nell’AI Fisica

Encord sta anche sviluppando nuovi metodi di raccolta dati. Un approccio innovativo prevede l’uso di un insieme di sensori posizionati sugli avambracci per rilevare i segnali elettrici nei muscoli. Velmurugan spera di costruire una rappresentazione 3D della posizione della mano, basata sui dati forniti dai sensori, migliorando così la comprensione dei modelli.

I dataset creati da Encord sono annotati con descrizioni fisiche, rendendo più facile per i modelli basati su LLM comprendere il contenuto dei video. Velmurugan calcola che un’annotazione dettagliata valga cento volte di più rispetto ai dati “spazzatura” per attività specifiche, sebbene costi venti volte in più per essere prodotta.

Questo costo rappresenta una sfida significativa, dato che le tecnologie di scraping utilizzate per raccogliere dati testuali online sono quasi gratuite. Tuttavia, creare dati fisici richiede un investimento sostanziale, il che cambia le dinamiche economiche per la costruzione di modelli di AI.

In questo panorama in evoluzione, Encord si mostra come un attore chiave, in grado di identificare le tecniche di raccolta dati con maggiore successo nel settore. Con una squadra esperta e una visione innovativa, il futuro dell’intelligenza artificiale fisica promette di essere all’avanguardia nell’affrontare le sfide attuali.

Fonti:

Non perderti tutte le notizie di tecnologia su Blog.it

Le onde cerebrali: la prossima frontiera per l’intelligenza artificiale fisica? - Blog.it - Notizie, Lifestyle, Gossip, Viaggi, Tech e molto altro