TechCrunch · AI · 2 ч назад
Являются ли мозговые волны следующим открытием для физического ИИ?
Забудьте о видеороликах на YouTube: передовые физические модели искусственного интеллекта требуют нескольких ракурсов камеры, плотных аннотаций и, вскоре, считывания мозговых волн.
Подробности
Этот склад занимает компания Encord, которая производит инструменты обработки данных, используемые для обучения моделей ИИ. Эндрю Сеха — пилот (так компания называет свои роботы-тренажеры) и он осторожно вытаскивает деревянные блоки из рушащейся башни, надев гарнитуру с камерой, которая отслеживает то, что он видит. Это само по себе довольно распространено для сбора данных обучения роботов, но эта гарнитура включает в себя датчики, которые измеряют его мозговые волны, когда он осторожно разбирает башню из блоков.
Encord — один из небольшого, но растущего числа стартапов, которые делают ставку на то, что следующим реальным ограничением для гуманоидной и складской робототехники будет не архитектура моделей, а явный дефицит реальных данных по физической подготовке. Вместо того, чтобы просто помогать робототехническим компаниям управлять имеющимися у них данными, Encord строит бизнес на производстве данных, которых у них нет.
Гарнитура мозговых волн, которую носит Сея, была создана Zander Labs, немецким стартапом в области нейробиологии, который делает ставку на то, что измерение активности мозга — для определения психических состояний, таких как ошибка, намерение и удивление — может создать более полезный набор данных для обучения моделей. Работа Encord с Зандером в настоящее время находится в стадии пробного запуска; В Encord говорят, что цель состоит в том, чтобы создать первоначальный набор данных с метками мозговых волн, пропустить его через модели робототехники клиентов и оценить, действительно ли он повышает производительность, прежде чем решить, стоит ли его масштабировать.
Лукас Герке, нейробиолог из Зандера, курирующий работу, говорит, что количество мозговой активности, используемой в любой момент выполнения конкретной задачи, дает подсказки для разработчиков моделей, пытающихся выяснить, когда им нужно развернуть свои модели с наибольшим усилием.
По словам Винита Велмуругана, руководителя отдела обучения роботов Encord, это «передовой край» усилий по устранению узкого места в робототехнических данных. Ветеран лаборатории роботов OpenAI и Berkshire Grey, фирмы по автоматизации складов, Велмуруган присоединился к Encord, чтобы создать внутреннюю команду по созданию данных компании.