Τα εγκεφαλικά κύματα ρομπότ μπορεί να αποτελέσουν το επόμενο μεγάλο άλμα στην εκπαίδευση φυσικών συστημάτων τεχνητής νοημοσύνης. Νεοφυείς εταιρείες πειραματίζονται με αισθητήρες εγκεφάλου, μυών και πολυκάμερα βίντεο για να λύσουν το ακριβότερο πρόβλημα της ρομποτικής: την έλλειψη ποιοτικών δεδομένων.
Τα εγκεφαλικά κύματα ρομπότ μπαίνουν δυναμικά στη συζήτηση για την επόμενη γενιά φυσικής τεχνητής νοημοσύνης, καθώς η βιομηχανία συνειδητοποιεί ότι το πραγματικό εμπόδιο δεν είναι πια τα μοντέλα αλλά τα δεδομένα. Νεοφυείς εταιρείες όπως η Encord και η Zander Labs «κατασκευάζουν» από το μηδέν σύνθετα σετ δεδομένων με βίντεο, αισθητήρες εγκεφάλου και μυών για να εκπαιδεύσουν ρομπότ σε λεπτές κινήσεις χειρισμού.
Πώς τα εγκεφαλικά κύματα ρομπότ αλλάζουν το παιχνίδι στην φυσική AI;
Στον πυρήνα του νέου αυτού μοντέλου βρίσκεται η ιδέα ότι η ανθρώπινη πρόθεση, το σφάλμα και η έκπληξη, όπως αποτυπώνονται στα εγκεφαλικά σήματα, μπορούν να γίνουν πρόσθετο στρώμα πληροφορίας για τις μηχανές. Πιλότοι-χειριστές εκτελούν σύνθετες εργασίες, από Jenga μέχρι χειρισμό καλωδίων σε ράκ servers, φορώντας headsets που καταγράφουν ταυτόχρονα οπτικά δεδομένα και δραστηριότητα εγκεφάλου.
Η Zander Labs επιχειρεί να χαρτογραφήσει πότε ο ανθρώπινος εγκέφαλος «ζορίζεται» ή προβλέπει λάθος, ώστε οι δημιουργοί μοντέλων να ξέρουν πότε πρέπει να ενεργοποιούνται πιο «βαριά» υπολογιστικά μοντέλα. Η Encord, από την πλευρά της, δοκιμάζει πιλοτικά αυτά τα δεδομένα σε ρομποτικά μοντέλα πελατών για να δει αν πράγματι βελτιώνεται η απόδοση πριν επενδύσει σε κλιμάκωση.
Γιατί η παραγωγή φυσικών δεδομένων γίνεται ξεχωριστή βιομηχανία;
Σε αντίθεση με τα LLMs που «τάισαν» το κείμενο όλου του διαδικτύου σχεδόν δωρεάν, η φυσική AI δεν έχει αντίστοιχο αποθετήριο για κινήσεις, επαφές, λάθη και επιτυχίες στον πραγματικό κόσμο. Εταιρείες αυτόνομης οδήγησης αναγκάστηκαν να χτίσουν μόνες τους τεράστια data sets, όμως αυτό το μοντέλο δεν κλιμακώνεται εύκολα σε κάθε μορφή ρομπότ. Η εκτίμηση ότι θα χρειαστούν δεδομένα σε κλίμακα πολλαπλάσια του σημερινού YouTube εξηγεί γιατί η παραγωγή δεδομένων μετατρέπεται σε αυτόνομη αγορά.
Η απλή καταγραφή βίντεο δεν επαρκεί, καθώς σπάνια αποτυπώνει όλη τη γεωμετρία του χεριού ή τις μικροκινήσεις που κάνουν τη διαφορά μεταξύ επιτυχίας και αποτυχίας. Γι’ αυτό αναπτύσσονται αισθητήρες στο αντιβράχιο που καταγράφουν ηλεκτρικά σήματα μυών, επιτρέποντας την ανακατασκευή τρισδιάστατης θέσης του χεριού ακόμη και όταν δεν φαίνεται καθαρά στην κάμερα. Έτσι δημιουργούνται πολυτροπικά δεδομένα, όπου κάθε κίνηση συνοδεύεται από φυσική περιγραφή όπως «δεξί χέρι σφίγγει μπουλόνι».
Τι σημαίνει για την Ελλάδα και τον κλάδο
Για την ελληνική ερευνητική και startup σκηνή, η στροφή προς εγκεφαλικά κύματα ρομπότ και πολυτροπικά δεδομένα ανοίγει ένα νέο, εξειδικευμένο πεδίο δραστηριοποίησης. Πανεπιστήμια με ισχυρά εργαστήρια βιοϊατρικής μηχανικής, ρομποτικής και νευροεπιστημών μπορούν να αναπτύξουν δικά τους πειραματικά data sets, αξιοποιώντας το σχετικά χαμηλότερο κόστος ανθρώπινου δυναμικού σε σχέση με μεγάλα κέντρα του εξωτερικού.
Για τις ελληνικές νεοφυείς επιχειρήσεις logistics, βιομηχανικού αυτοματισμού και έξυπνων αποθηκών, η τάση αυτή σημαίνει ότι η πρόσβαση σε ποιοτικά δεδομένα θα είναι όλο και πιο κρίσιμη από την πρόσβαση σε «έτοιμα» μοντέλα. Όσοι επενδύσουν έγκαιρα σε δικές τους υποδομές συλλογής και σχολιασμού δεδομένων – ακόμη και σε απλούστερες μορφές όπως πολυκάμερα βίντεο και ηλεκτρομυογραφία – θα αποκτήσουν ανταγωνιστικό πλεονέκτημα, ιδίως αν συνδέσουν την προσπάθεια με ευρωπαϊκά ερευνητικά προγράμματα και συνεργασίες με διεθνή ρομποτικά κέντρα.
Σχόλιο 
: Η μετάβαση από το «μαζεύω ό,τι βρίσκω στο διαδίκτυο» στο «παράγω ακριβά, στοχευμένα φυσικά δεδομένα» θα αναδιατάξει πλήρως τον χάρτη της ρομποτικής. Όποιος ελέγχει την αλυσίδα παραγωγής δεδομένων – από τον άνθρωπο-πιλότο μέχρι την πυκνή αν anotά τωση – θα ελέγχει και την αξία στα μοντέλα φυσικής AI, και αυτό είναι μήνυμα-καμπανάκι για την ελληνική βιομηχανία που μέχρι σήμερα επένδυε κυρίως σε software χωρίς υλική διάσταση.
Διαβάστε επίσης:
Apple γυαλιά: πώς θα ισορροπήσει ανάμεσα σε καινοτομία και ιδιωτικότητα
Η Ευρώπη τρέχει στην τεχνητή νοημοσύνη αλλά μένει πίσω
#τεχνητήνοημοσύνη #ρομποτική #νευροεπιστήμη #δεδομένα #startups
