U San Franciscu, u srcu tehnološkog zadruga, tvrtka Physical Intelligence najavila je model umjetne inteligencije nazvan π0.7. Ovaj sistem je dizajniran da robotima omogući izvođenje zadataka za koje nikada nije izričito treniran, čime se otvara nova perspektiva u razvoju fleksibilnih i prilagodljivih robotskih rješenja. U nastavku ćemo razmotriti kako π0.7 funkcionira, koje su njegove primjene i koje izazove donosi u području autonomnih sustava.
Kompozicijska generalizacija – ključna inovacija
Osnovna sposobnost π0.7 je tzv. kompozicijska generalizacija, tehnika koja omogućuje modelu da kombinira znanje stečeno iz različitih konteksta i primijeni ga na potpuno nove probleme. Tradicionalno, robotsko učenje je zahtijevalo izravan pristup – robot bi se učio svaku radnju kroz tisuće ponovljenih primjera, a svaki novi zadatak je zahtijevao početak od nule. π0.7 ruši ovaj model, koristeći fragmentirane informacije iz skupa podataka i opsežno predtreniranje na internetu kako bi izgradio koherentno razumijevanje funkcionalnosti uređaja.
Kako π0.7 prepoznaje i rješava nove zadatke
U eksperimentu s fritezom na vrućem zraku, robot je imao samo dvije primjere iz skupa podataka: jedan u kojem je drugi robot pomaknuo fritezu da se zatvori, a drugi u kojem je robot stavio plastičnu bocu u fritezu. Unatoč ograničenoj količini podataka, π0.7 je uspio izvući ključne informacije o mehanizmu rada friteze i pravilno je upravljao uređajem. Ovaj rezultat demonstrira sposobnost modela da iz grube informacije izgradi praktično znanje i primijeni ga u stvarnom okruženju.
Primjene i potencijal u različitim sektorima
Razvoj opće robotske inteligencije otvara mogućnosti u mnogim područjima:
- Industrijska proizvodnja – roboti mogu brzo prebacivati zadatke između različitih linija bez potrebe za opsežnim programiranjem.
- Kućni asistenti – autonomni uređaji mogu učiti nove kućanske zadatke na temelju ograničenih podataka iz okoline.
- Medicinska kirurgija – robotski sustavi mogu prilagoditi postupke novim instrumentima i protokolima, povećavajući sigurnost pacijenata.
- Logistika i skladištenje – roboti mogu optimizirati rute i manipulaciju robama u dinamičnim okruženjima.
- Obrazovanje i istraživanje – roboti mogu služiti kao alati za eksperimentiranje i učenje u laboratorijima.
Etika i regulacija autonomnih robota
Uz tehnološki napredak dolazi i odgovornost. Autonomni roboti moraju biti dizajnirani uz poštivanje sigurnosnih protokola, transparentnosti i privatnosti podataka. Regul