הסבר בינה מלאכותית פיזית: מה זה ומדוע זה שונה מבינה מלאכותית של תוכנה

הגדרת בינה מלאכותית פיזית

בינה מלאכותית פיזית מתייחסת למערכות בינה מלאכותית אשר תופסות את העולם הפיזי באמצעות חיישנים ופועלות עליו באמצעות מפעילים - מנועים, פנאומטיקה, קצה-אפקטורים - במקום לייצר טקסט, תמונות או קוד. ה"פיזי" ב-Physical AI מדגיש את ההבדל מ-AI דיגיטלי גרידא: מודל שפה מעבד ומייצר אסימונים; מערכת בינה מלאכותית פיזית מעבדת קריאות חיישנים ומייצרת פקודות מוטוריות המעבירות מסה בחלל ומתקשרות עם עצמים.

המונח זכה לפופולריות על ידי Jensen Huang מ-NVIDIA כדי לתאר את העידן הקרוב של מערכות AI לרובוטיקה ומכונות אוטונומיות, וזכה לאימוץ נרחב בתעשייה. זה בעצם שם נרדף ל"בינה מלאכותית מגולמת" - המונח האקדמי הישן יותר - אבל עם דגש חזק יותר על פריסה במוצרים פיזיים ובמערכות תעשייתיות ולא רק על מחקר.

מדוע התגלמות משנה הכל

ניתן לאמן תוכנה בינה מלאכותית לחלוטין על נתונים שכבר קיימים - טקסט שנגרד מהאינטרנט, תמונות, סרטונים. AI פיזי דורש אינטראקציה עם העולם כדי להפיק את נתוני האימון שלו. מודל שפה יכול ללמוד מכתיבה אנושית שהופקה במשך מאות שנים; רובוט חייב ליצור הדגמות משלו באמצעות ניתוח טלפוני פיזי או חקר אוטונומי, פרק אחד בכל פעם, בזמן אמת. זהו צוואר הבקבוק הבסיסי של AI Physical.

התגלמות מציגה גם השלכות. כאשר מודל שפה עושה שגיאה, הוא מייצר טקסט שגוי. כאשר רובוט עושה שגיאה, הוא יכול להזיק לחפצים, לפצוע אנשים או להרוס את עצמו. מבנה ההשלכות הזה משנה את הדרישות לאמינות, כימות אי-ודאות ומצבי כשל בטוחים בדרכים ש-AI של תוכנה אינו מתמודד איתם. מערכת בינה מלאכותית פיזית שהיא אמינה ב-95% עשויה להיות מקובלת מסחרית בהגדרות מסוימות ומסוכנת בצורה קטסטרופלית באחרות, בהתאם להיקף הכשלים של 5%.

בעיית הנתונים

האתגר המגדיר של בינה מלאכותית פיזית הוא מחסור בנתונים. האינטרנט מכיל מאות טריליוני אסימונים של טקסט ומיליארדי תמונות, המספקים מצע עצום לאימון מודלים של שפה וראייה. אין קורפוס מקביל של נתוני אינטראקציות רובוטים. מערך הנתונים של Open X-Embodiment, מערך הנתונים הגדול ביותר של רובוטים פתוחים נכון לשנת 2026, מכיל כמיליון פרקים של רובוטים - סדרי גודל פחות נתונים מאשר שימוש בטרום אימון LLM.

סגירת הפער הזה היא המשימה המרכזית של ארגונים כמו SVRC. שֶׁלָנוּ פלטפורמת שירותי נתונים קיים כדי לעזור לצוותי מחקר ולחברות בינה מלאכותית לאסוף נתוני הדגמת רובוטים באיכות גבוהה בקנה מידה. יש לאסוף נתונים עבור AI פיזי על חומרה אמיתית, בסביבות אמיתיות, על ידי מפעילים אנושיים מיומנים או באמצעות צינורות איסוף אוטונומיים מתוכננים בקפידה - לא ניתן לגרד אותם מהרשת. זו הסיבה שתשתית איסוף נתונים חשובה אסטרטגית ל-Physical AI כמו תשתית מחשוב ל-AI של תוכנה.

מודלים של בסיס לעולם הפיזי

תחום הבינה המלאכותית פועל באופן פעיל לבניית מודלים של בסיס לבינה מלאכותית פיזית המקבילים ל-GPT-4 וג'מיני לשפה ולתמונות. מודלים אלה - הנקראים לפעמים מודלים של רובוטים, מודלים עולמיים או מדיניות רובוטים כללית - מאומנים על מערכי נתונים גדולים חוצי התגלמות וניתן לכוון אותם לרובוטים ולמשימות ספציפיות עם מעט הדגמות נוספות יחסית. דוגמאות כוללות Octo (מ-UC Berkeley), OpenVLA, π0 (מ-Physical Intelligence), ו-RT-2 ו-RT-2-X של גוגל.

מודלים אלה מייצגים שינוי פרדיגמה אמיתי: במקום להכשיר מדיניות חדשה מאפס עבור כל משימה, צוותים יכולים להתחיל ממודל יסוד מיומן מראש שכבר מבין כיצד לתפעל אובייקטים ולעקוב אחר הוראות, ואז לכוונן אותו עבור הרובוט הספציפי ולתחום המשימה הספציפיים שלהם. האיכות והכיסוי של מערך הנתונים שלפני ההכשרה קובעים באופן ישיר עד כמה שימושי מודל הבסיס, ולכן איסוף נתונים בקנה מידה הוא עדיפות אסטרטגית עבור התחום כולו.

קבוצות מחקר מובילות ושחקנים בתעשייה

מנהיגים אקדמיים במחקר בינה מלאכותית פיזית כוללים את UC ברקלי (קבוצות צ'לסי פין, פיטר אביל, קן גולדברג), סטנפורד (פיי-פיי לי, דורסה סאדיג, מעבדות צ'לסי פין), CMU (דיפק פאתאק, דייוויד הלד), MIT (פולקיט אגרוואל, ראס טדרייק) וקבוצת ה-ETH ציריך (קבוצת הרובוטים של מרקו האטיקס). מובילי התעשייה כוללים אינטליגנציה פיזית (π), Google DeepMind Robotics, NVIDIA Isaac Lab, Microsoft Research Robotics וחטיבות הרובוטיקה של חברות דמויות אנושיות גדולות.

התפקיד של SVRC בבינה מלאכותית פיזית

SVRC תופסת שכבת תשתית קריטית במערכת האקולוגית של בינה מלאכותית פיזית: אנו מספקים את שירותי החומרה ואיסוף הנתונים המאפשרים מחקר ופריסה של בינה מלאכותית פיזית. המתקן שלנו בפאלו אלטו, תוכנית השכרת הרובוטים ופלטפורמת הנתונים נועדו להנגיש פיתוח בינה מלאכותית פיזית לצוותים שאין להם את המשאבים לבנות צי חומרה ותשתית איסוף משלהם. בין אם אתם מעבדת מחקר שמכמנת מדיניות חדשה, סטארט-אפ הבונה מוצר פיזי או ארגון שמפעיל פיילוט רובוטיקה, SVRC מספקת את שכבת התשתית הפיזית ש-Physical AI דורשת. התחל עם שלנו שירותי נתונים אוֹ ליסינג רובוטים תוכנית, או לפנות אלינו כדי לדון בפרויקט ה-Physical AI הספציפי שלך.