In questo articolo Indice dei contenuti 2 sezioni
I robot che imparano guardando video stanno avvicinando quello che in molti chiamano il momento ChatGPT della robotica, e le dimostrazioni viste negli uffici di Cambridge, in Massachusetts, lo raccontano meglio di qualsiasi presentazione aziendale. La startup si chiama Generalist AI e nei suoi laboratori alcuni bracci robotici impilano bicchieri, infilano blocchi dentro contenitori, eseguono compiti apparentemente banali. Banali fino a quando non si scopre che nessuno li ha addestrati in modo specifico per quel singolo gesto.
La velocità con cui questi bracci apprendono ricorda da vicino il modo di procedere di una persona in carne e ossa. Basta un breve video dimostrativo e la macchina si mette al lavoro. Uno degli episodi più citati riguarda un robot a cui era stato chiesto di spazzare un blocco dentro un contenitore usando paletta e scopa. Tolta la scopa, il robot ha improvvisato con quello che aveva, adoperando la paletta come se fosse una scopa e lanciando il blocco nel recipiente.
Generalist AI: quando la macchina cambia pinza e sorprende gli ingegneri
C’è un altro momento diventato quasi emblematico. Un robot a due braccia ha osservato un breve filmato in cui qualcuno apriva la cerniera di un portamonete per estrarne delle banconote. Poco dopo ha ripetuto l’operazione su un portamonete diverso, sfilando il denaro con delicatezza. Il dettaglio interessante arriva alla fine, perché quando la presa non ha funzionato, la macchina è passata dalla pinza destra a quella sinistra per trovare un angolo migliore. Un ingegnere presente ha commentato dicendo che una cosa del genere non era mai successa prima.
“Questo è esattamente il tipo di cose che entusiasmavano tanto le persone con GPT 3”, ha spiegato Pete Florence, cofondatore e amministratore delegato di Generalist, richiamando il modello linguistico di OpenAI uscito nel 2020. “Si poteva prendere quel modello e chiedergli semplicemente un compito nuovo, con buone probabilità che lo portasse a termine”.
L’approccio dell’azienda punta a insegnare alle macchine la fisica del mondo, una specie di intuizione fisica simile a quella che i bambini piccoli mostrano fin dai primi mesi. È proprio quella comprensione di base che permette di trasferire ciò che si è imparato in un contesto verso un contesto diverso. Alcune dimostrazioni ricordano il modo in cui i bambini improvvisano davanti a un problema. Un robot, per dire, ha deciso di spazzare via degli oggetti usando una banana che gli era stata messa davanti. Sembra un dettaglio da poco, ma l’intelligenza fisica resta una delle grandi lacune delle macchine, e l’efficienza con cui i neonati apprendono continua a offrire indizi preziosi ai ricercatori.
Guanti con telecamere e un tasso di successo ancora al 59%
Florence e Andrew Barry, cofondatore e direttore tecnico, lavorano insieme ad Andy Zeng, terzo cofondatore e responsabile scientifico. Il trio arriva da Google DeepMind e Boston Dynamics, con esperienza su alcuni dei sistemi hardware e robotici più avanzati in circolazione. Nelle sale della sede diverse squadre addestrano macchine dotate di pinze speciali.
L’addestramento tradizionale di un robot guidato dall’intelligenza artificiale richiede migliaia di esempi, un metodo fragile che va in crisi anche solo cambiando l’illuminazione della stanza. Generalist ha scelto un’altra strada, costruendo guanti che imitano le pinze robotiche e integrano telecamere. Le persone li indossano per svolgere normali faccende domestiche. Una scatola contenente diverse centinaia di questi dispositivi era destinata a lavoratori in Messico e altrove. La formula esatta resta riservata, ma l’azienda sostiene di aver già raccolto una mole enorme di dati di alta qualità, e i suoi modelli sono stati costruiti da zero invece che partendo da un modello linguistico open source.
Danfei Xu, robotico della Georgia Tech, considera la startup un caso a parte tra chi insegue modelli robotici generalisti. “Hanno portato la cosa all’estremo e hanno fatto un lavoro davvero buono nell’esecuzione”, osserva, aggiungendo che sono anche i più vicini a qualcosa di realmente distribuibile sul mercato. Karen Liu, dell’Università di Stanford, sottolinea come la raccolta di dati di interazione fisica su larga scala, senza legarli troppo a un robot specifico, sembri una scommessa che sta iniziando a pagare.
L’azienda stessa però frena. Un robot completa un compito appreso circa il 59% delle volte in media, mentre la soglia utile viaggia sopra il 99%. Non è chiaro nemmeno quanto queste capacità reggano su compiti e ambienti diversi. In un video registrato di recente, un ingegnere impilava tazzine davanti a un robot a due braccia giusto per vedere la reazione. La macchina si è unita al lavoro, afferrando e impilando altri bicchieri, e quando la pila è risultata ordinata l’ingegnere si è messo a urlare per l’entusiasmo.
