மென்பொருள் நுண்ணறிவுக்கும் இயற்பியல் செயல்பாட்டிற்கும் இடையிலான இடைவெளியைக் குறைக்க ஸ்டார்ட்அப்கள் முயன்று வருவதால், டிஜிட்டல் சார்ந்த AI யுகம் பரிணமித்து வருகிறது. முன்னாள் Meta AI ஆராய்ச்சியாளர்களால் தொடங்கப்பட்ட புதிய நிறுவனமான Perceptron, இயந்திரங்கள் நிஜ உலகத்துடன் தொடர்பு கொள்ளவும், அங்கு இயங்கவும் உதவும் வகையில் அதிநவீன vision மாடல்களை உருவாக்கி, இந்த மாற்றத்திற்குத் தலைமை தாங்கி வருகிறது.

இருமுனைப் பிரிவினையை உடைத்தல்: பொதுவான மாடல்கள் (Generalist) vs குறுகிய மாடல்கள் (Narrow Models)

பல ஆண்டுகளாக, தொழில்துறை தானியங்கி முறைகள் (industrial automation) ஒரு தொழில்நுட்ப முட்டுக்கட்டையில் சிக்கித் தவித்துள்ளன. டெவலப்பர்கள் பொதுவாக இரண்டு விருப்பங்களில் ஒன்றைத் தேர்ந்தெடுக்க வேண்டியிருந்தது: ஒவ்வொரு முறை பயன்படுத்தும் போதும் விலையுயர்ந்த, பிரத்யேக கிளவுட் GPU-களைத் தேவைப்படும் பிரம்மாண்டமான பொதுவான (generalist) அடிப்படை மாடல்கள், அல்லது உணர்தல் (perception) அல்லது கட்டுப்பாட்டை (control) கையாளக்கூடிய ஆனால் இரண்டையும் செய்ய முடியாத குறுகிய, சிறப்புத் திறன் கொண்ட (narrow, specialized) மாடல்கள்.

Perceptron-ன் இணை நிறுவனர்களான Armen Aghajanyan மற்றும் Akshat Shrivastava—இருவருமே Meta-வின் Fundamental AI Research (FAIR) பிரிவின் முன்னாள் உறுப்பினர்கள்—தங்கள் புதிய மாடலான Isaac 0.5 மூலம் இதைத் தீர்க்க முயல்கின்றனர். ஒற்றைப்படை, மீண்டும் மீண்டும் செய்யப்படும் பணிகளுக்காக வடிவமைக்கப்பட்ட தற்போதைய மென்பொருள்களைப் போலல்லாமல், Isaac 0.5 ஒரு பொதுப் பயன்பாட்டு மாடல் (general-purpose model) ஆகும். இது ரோபோக்களுக்கு "உணர்தல், பகுத்தறிதல் மற்றும் செயல்படுதல்" (perceive, reason, and act) போன்ற திறன்களை வழங்குவதன் மூலம், அவை ஒரு குறிப்பிட்ட இயக்கத்திற்காக மட்டும் வடிவமைக்கப்படாமல், பல்வேறு சூழல்களுக்கு ஏற்பத் தங்களை மாற்றிக்கொள்ள அனுமதிக்கிறது.

இயற்பியல் நுண்ணறிவின் நுட்பங்கள் (The Mechanics of Physical Intelligence)

Perceptron-ன் அணுகுமுறையின் சிக்கலைப் புரிந்துகொள்ள, பார்சல்களைத் தரம் பிரிப்பது போன்ற ஒரு சாதாரண கிடங்குப் பணியை (warehouse task) நாம் பார்க்க வேண்டும். ஒரு ரோபோ வெறும் "பெட்டியைத் தூக்க" மட்டும் முடியாது; அது முதலில் லேபிள்களைப் படிக்க வேண்டும், தனது சூழலை வரைபடமாக்க இடஞ்சார்ந்த பகுப்பாய்வை (spatial analysis) செய்ய வேண்டும், சிறந்த முறையில் பெட்டிகளைத் தேர்ந்தெடுக்கும் வரிசையைத் தீர்மானிக்க வேண்டும் மற்றும் அதன் இயற்பியல் பாதையைத் (physical trajectory) திட்டமிட வேண்டும்.

இந்த பல படிநிலை அறிவாற்றல் செயல்முறைகளை நிர்வகிக்கும் வகையில் Isaac 0.5 வடிவமைக்கப்பட்டுள்ளது. பல்வேறு சூழல்கள் மற்றும் சூழ்நிலைகளை அடையாளம் காணும் வகையில், ஒரு மில்லியன் மணிநேர பொதுவான வீடியோ தரவுகளைக் கொண்டு இந்த மாடல் பயிற்சியளிக்கப்பட்டது. இயற்பியல் திறமையை (physical dexterity) மேம்படுத்த, நகர்வுகள் எவ்வாறு ஒரு பணியை முடிப்பதில் உதவுகின்றன என்பதை AI-க்குக் கற்பிக்க, நிறுவனம் "ego video" (அணியக்கூடிய கேமராக்களிலிருந்து பெறப்படும் முதல்நிலை பார்வைகள்) மற்றும் UMI வீடியோ (மனிதர்களின் மீண்டும் மீண்டும் செய்யப்படும் செயல்களின் பதிவுகள்) ஆகியவற்றைப் பயன்படுத்தியது. இந்த அளவிலான "algorithmic alchemy"-ஐ அடைய, படங்கள், உரை, வீடியோ மற்றும் ரோபோடிக் பாதைகள் (robotic trajectories) ஆகியவற்றை உள்ளடக்கிய பெட்டாபைட் அளவிலான தரவுத்தொகுப்புகளை நிறுவனம் உருவாக்கியுள்ளதாக Shrivastava குறிப்பிட்டார்.

ஓபன்-வெயிட் உத்தி மற்றும் சந்தை விரிவாக்கம் (Open-Weight Strategy and Market Expansion)

வெளிப்படைத்தன்மை மற்றும் டெவலப்பர்களின் பயன்பாட்டை ஊக்குவிக்கும் வகையில், Perceptron தனது Isaac 0.5 மாடலை ஒரு open-weight மாடலாக வெளியிடுகிறது. இது ஆராய்ச்சியாளர்கள் மற்றும் பொறியாளர்கள் அதன் அளவுருக்களையும் (parameters) பயிற்சிப் பொருட்களையும் ஆய்வு செய்ய அனுமதிக்கிறது. கணிக்கக்கூடிய தன்மை மிக முக்கியமான தொழில்துறை சூழல்களில் AI-ஐ ஒருங்கிணைப்பதற்கு இது ஒரு முக்கியமான படியாகும்.

Bessemer Venture Partners தலைமையிலான $21 மில்லியன் நிதி உதவியுடன், Perceptron பல்வேறு துறைகளுக்கான நுண்ணறிவு அடுக்காக (intelligence layer) தன்னை நிலைநிறுத்திக் கொள்கிறது. முதன்மையாக லாஜிஸ்டிக்ஸ் மற்றும் உற்பத்தித் துறைகளில் கவனம் செலுத்தினாலும், பாதுகாப்பு, இயக்கம் (mobility) மற்றும் ஊடகம் மற்றும் பொழுதுபோக்குத் துறைகளிலும் உடனடிப் பயன்பாடுகளை நிறுவனம் காணுகிறது. ஒரு நெகிழ்வான நுண்ணறிவு அடுக்கை வழங்குவதன் மூலம், உலகளாவிய தொழில்துறை நிலப்பரப்பில் விஷன்-வழிகாட்டப்பட்ட ரோபோக்கள் (vision-guided robots) செயல்படும் முறையை மாற்றியமைப்பதை Perceptron நோக்கமாகக் கொண்டுள்ளது.

முக்கியக் குறிப்புகள்

  • இடைவெளியைக் குறைத்தல்: Isaac 0.5, வளங்கள் அதிகம் தேவைப்படும் பொதுவான மாடல்களுக்கும் மற்றும் வரையறுக்கப்பட்ட குறுகிய மாடல்களுக்கும் இடையிலான தேர்வினைத் தவிர்த்து, ஒரு பொதுவான "உணர்தல், பகுத்தறிதல் மற்றும் செயல்படுதல்" கட்டமைப்பை வழங்க முயல்கிறது.
  • பிரம்மாண்டமான பயிற்சி அளவு: ரோபோக்களுக்கு சிக்கலான இடஞ்சார்ந்த மற்றும் கைமுறைப் பணிகளைக் கற்பிக்க, இந்த மாடல் ego-centric மற்றும் UMI வீடியோ உட்பட ஒரு மில்லியன் மணிநேர வீடியோ தரவைப் பயன்படுத்துகிறது.
  • ஓபன்-வெயிட் அணுகல்தன்மை: Isaac 0.5-ஐ open weights உடன் வெளியிடுவதன் மூலம், அதிநவீன vision AI-ஐ தொழில்துறை பணிப்பாய்வுகளில் (workflows) ஆழமாக ஆய்வு செய்யவும் மற்றும் விரைவாக ஒருங்கிணைக்கவும் Perceptron வழிவகை செய்கிறது.

Perceptron, ரோபோக்களுக்கு ஒருங்கிணைந்த “perceive-reason-act” மூளையை வழங்கும் என்று உறுதியளிக்கும் Isaac 0.5 என்ற open-weight vision மாடலை அறிமுகப்படுத்தியது. இந்த ஸ்டார்ட்அப் Bessemer Venture Partners தலைமையிலான $21 மில்லியன் நிதியுதவியைப் பெற்றது, மேலும் லாஜிஸ்டிக்ஸ், உற்பத்தி மற்றும் பிற இயற்பியல்-தானியங்கி சந்தைகளுக்கான ஒரு drop-in நுண்ணறிவு அடுக்காக இந்த மாடலை முன்வைக்கிறது.

இந்த வெளியீடு ஏன் முக்கியமானது

தொழில்துறை ரோபோக்கள் நீண்டகாலமாக ஒரு இக்கட்டான நிலையில் உள்ளன. ஒரு பிரம்மாண்டமான, பொதுவான அடிப்படை மாடலைத் deployed செய்தால், நீங்கள் தொடர்ச்சியான கிளவுட் GPU அணுகலுக்காகப் பணம் செலுத்த வேண்டும்; அல்லது ஒரு குறுகிய, பணி-குறிப்பிட்ட விஷன் சிஸ்டத்துடன் இருந்தால், சூழல் மாறும்போது நெகிழ்வுத்தன்மையை இழப்பீர்கள். Isaac 0.5 ஒரு இடைநிலையாக (middle ground) சந்தைப்படுத்தப்படுகிறது—இது ஒவ்வொரு முறை பயன்படுத்தும் போதும் கிளவுட் கம்ப்யூட்டிங் தேவையின்றி உணர்தல், திட்டமிடல் மற்றும் கட்டுப்பாட்டை கையாளக்கூடிய ஒரு மாடல் ஆகும்.

இன்றைய ரோபோ மூளைகளின் சிக்கல்

ஒரு சாதாரண கிடங்கு ரோபோ ஒரு பெட்டியைத் தூக்குவதை விட மேலான வேலைகளைச் செய்கிறது. அது ஒரு லேபிளைப் படிக்க வேண்டும், சிதறிக் கிடக்கும் பொருட்களுக்கு இடையில் அந்தப் பொருளைக் கண்டறிய வேண்டும், சிறந்த எடுக்கும் வரிசையைத் தீர்மானிக்க வேண்டும் மற்றும் மோதல்கள் இல்லாத கையின் பாதையை (arm trajectory) கணக்கிட வேண்டும் — இவை அனைத்தையும் நிகழ்நேரத்தில் (real time) செய்ய வேண்டும். தற்போதுள்ள தீர்வுகள் பொதுவாக இந்த நிலைகளைத் தனித்தனி மென்பொருள் கூறுகளாகப் பிரிக்கின்றன: லேபிளுக்கான ஒரு இலகுரக கண்டறிவி (detector), இயக்கத்திற்கான கைமுறையாக வடிவமைக்கப்பட்ட ஒரு திட்டமிடுபவர் (handcrafted planner) மற்றும் செயல்பாட்டிற்கான ஒரு விதி அடிப்படையிலான கட்டுப்பாட்டாளர் (rule-based controller). இந்தத் தனித்தனிப் பிரிப்பு, ஒருங்கிணைப்புச் சுமையை (integration overhead) உருவாக்குகிறது மற்றும் புதிய தயாரிப்பு, பேக்கேஜிங் முறை அல்லது தள அமைப்பு (layout) தோன்றும் போது ரோபோவின் தகவமைப்புத் திறனைக் கட்டுப்படுத்துகிறது.

Isaac 0.5 இடைவெளியைக் குறைக்க எவ்வாறு முயல்கிறது

Meta FAIR ஆராய்ச்சியாளர்களாக இருந்த Perceptron-ன் இணை நிறுவனர்களான Armen Aghajanyan மற்றும் Akshat Shrivastava, Isaac 0.5-ஐ ஒரு ஒற்றை, முழுமையான (end-to-end) நெட்வொர்க்காக உருவாக்கினர். இந்த மாதிரி, பல்வேறு வகையான உள் மற்றும் வெளிச் சூழல்களை உள்ளடக்கிய சுமார் பத்து லட்சம் மணிநேர பொதுவான வீடியோ தரவுகளில் பயிற்சியளிக்கப்பட்டது. முக்கியமாக, இந்தத் பயிற்சித் தொகுப்பில் "ego video" (அணியக்கூடிய கேமராக்களில் இருந்து எடுக்கப்பட்ட முதல் நபர் காட்சிகள்) மற்றும் "UMI video" (மனிதர்களின் மீண்டும் மீண்டும் செய்யப்படும் செயல்களின் பதிவுகள்) ஆகியவையும் அடங்கும். ரோபோவின் பாதை தரவுகளுடன் (robot-trajectory data) காட்சித் தரவுகளை (visual streams) இந்த நெட்வொர்க்கிற்கு வழங்குவதன் மூலம், காட்சித் தகவல்கள் எவ்வாறு இயற்பியல் இயக்கங்களாக மாறுகின்றன என்பதை இந்த மாதிரி கற்றுக்கொள்கிறது என்று Perceptron கூறுகிறது.

நிறுவனத்தின் தரவுத்தொகுப்பு (dataset) பெட்டாபைட் அளவிலான படங்கள், உரை, வீடியோ மற்றும் ரோபோடிக் பாதைகளைக் கொண்டுள்ளது என்று அது கூறுகிறது. இந்த விரிவானத் தன்மை, ஒரு தனி கட்டுப்பாட்டுத் தொகுதி (control module) இல்லாமலேயே, ஒரு புதிய பொருளை அடையாளம் காணவும், அதன் பயன்பாட்டுத் தன்மையை (affordances - அதை எவ்வாறு பிடிக்கலாம் என்பது) அறியவும் மற்றும் ஒரு இயக்கத் திட்டத்தை உருவாக்கவும் Isaac 0.5-க்குத் தேவையான திறனை வழங்குவதை நோக்கமாகக் கொண்டுள்ளது.

Open-weight மாதிரி: வெளிப்படைத்தன்மை மற்றும் நடைமுறைத்தன்மை

ஒரு API-ஐ மட்டுமே வழங்கும் பெரும்பாலான வணிக ரீதியான AI சேவைகளைப் போலல்லாமல், Perceptron தனது Isaac 0.5 மாதிரியை open weights உடன் வெளியிடுகிறது. பொறியாளர்கள் இதன் அளவுருக்களை (parameters) ஆய்வு செய்யவும், சொந்தத் தரவுகளைக் கொண்டு நெட்வொர்க்கை மேம்படுத்தவும் (fine-tune) அல்லது மாதிரியை நேரடியாக எட்ஜ் ஹார்டுவேரில் (edge hardware) பொருத்தவும் முடியும்.