استخدم معهد أبحاث تويوتا (TRI) الذكاء الاصطناعي التوليدي في "روضة الأطفال الروبوتية" لتعليم الروبوتات كيفية إعداد وجبة الإفطار - أو على الأقل المهام الفردية المطلوبة لإعداد وجبة الإفطار - دون الحاجة إلى مئات الساعات من البرمجة وإصلاح الأخطاء. وبدلاً من ذلك، حقق الباحثون ذلك في وقت قصير من خلال منح الروبوتات حاسة اللمس، وربطها بنموذج الذكاء الاصطناعي، ثم تعليمها ما يجب فعله تمامًا كما يفعل الإنسان.
ويقول الباحثون إن اللمس هو "عامل تمكين رئيسي". من خلال جعل الروبوت يمد الإبهام الوسادة الذي تراه في الفيديو أدناه (كلماتي، وليس كلماتهم)، يمكن للنموذج أن "يشعر" بما يفعله، مما يسمح له بالحصول على مزيد من المعلومات. وهذا يجعل إنجاز المهام الصعبة أسهل من إنجازها عن طريق البصر وحده.
وقال بن بورتشفيل، مدير قسم العمليات الماهرة في المختبر: "من المثير أن نراهم يتفاعلون مع بيئتهم". أولاً، يوضح "المعلم" مجموعة من المهارات، وبعد ذلك "على مدى بضع ساعات"، يتعلم النموذج في الخلفية. وأضاف: "غالبًا ما نقوم بتعليم الروبوت في فترة ما بعد الظهر، ونتركه يتعلم طوال الليل، ثم نرى سلوكه الجديد في صباح اليوم التالي".
يقول الباحثون إنهم يحاولون إنشاء "نماذج سلوك كبيرة" (LargeBehaviorModels)، أو LBMs، للروبوتات. وقال روس تيدريك، أستاذ الروبوتات في معهد ماساتشوستس للتكنولوجيا ونائب رئيس أبحاث الروبوتات في TRI: "على غرار الطريقة التي يتم بها تدريب حاملي الماجستير في القانون من خلال تسجيل أنماط الكتابة البشرية، سوف تتعلم أجهزة LBM من تويوتا من خلال الملاحظة ثم "تعمم، وتؤدي مهارة جديدة لم يتم تدريسها من قبل".
وباستخدام هذه العملية، يقول الباحثون إنهم قاموا بتدريب أكثر من 60 مهارة صعبة، مثل "صب السوائل، واستخدام الأدوات، والتلاعب بالأشياء القابلة للتشوه". ويأملون في زيادة هذا العدد إلى 1000 بحلول نهاية عام 2024.
تجري Google وTesla أبحاثًا مماثلة باستخدام RoboticTransformerRT-2. وعلى غرار النهج الذي اتبعه باحثو تويوتا، يستخدم الروبوت الخاص بهم خبرته الخاصة لاستنتاج كيفية القيام بالأشياء. من الناحية النظرية، يمكن للروبوتات المدربة على الذكاء الاصطناعي في نهاية المطاف أداء المهام دون أي تعليمات تقريبًا، بخلاف إعطاء الإنسان تعليمات عامة (مثل "تنظيف الانسكاب").
ولكن كما لاحظت صحيفة نيويورك تايمز عند الإبلاغ عن أبحاث عملاق البحث، فإن روبوتات جوجل على الأقل لا يزال أمامها طريق طويل لتقطعه. غالبًا ما يكون هذا النوع من العمل "بطيئًا ومكثفًا للعمالة"، كما أن توفير بيانات التدريب الكافية أصعب بكثير من تغذية نموذج الذكاء الاصطناعي بكميات كبيرة من البيانات التي يتم تنزيلها من الإنترنت.