Fei Fei Li: Seuraava tekoälyaalto navigoi maailmassasi
Tilallinen älykkyys: Tohtori Fei Fei Li korostaa tilallisen älykkyyden merkitystä tekoälyn seuraavana kehityksen rajapyykkinä.
Maailmamallit: Maailmamallit ennustavat fyysisten ympäristöjen seuraavia tiloja, kun taas tekstikeskeiset kielimallit keskittyvät tekstiin.
Datahaasteet: Tilallisen datan hankkiminen on vaikeaa ja dataa on niukasti, mikä muodostaa merkittävän esteen tilallisen tekoälyn kehittämiselle.
Vaiheittainen käyttöönotto: Tilallinen tekoäly kehittyy todennäköisesti vähitellen ja toimialakohtaisesti, toisin kuin kieleen perustuva tekoäly.
Valmistautumisen kiireellisyys: Organisaatioiden on alettava valmistautua tilallisen tekoälyn vaikutuksiin ennemmin kuin myöhemmin välttääkseen ongelmat.
Viimeisten kolmen vuoden aikana tietotyötä uudistaneet tekoälytyökalut jakavat yhden yhteisen rajoituksen: ne toimivat täysin kielen piirissä.
Ne lukevat, kirjoittavat, tiivistävät ja tuottavat sisältöä. Ne eivät kuitenkaan pysty ymmärtämään fyysistä maailmaa, varaston lattian geometriaa, kirurgisen toimenpiteen tilallista logiikkaa tai tuotantolinjan kolmiulotteista dynamiikkaa.
Tähän aukkoon tohtori Fei-Fei Li on perustanut uransa.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Eilen HumanX-tapahtumassa puhunut Stanfordin tietojenkäsittelytieteilijä ja World Labsin toinen perustaja esitti, että tilallinen älykkyys eli koneiden kyky havainnoida, päätellä ja toimia kolmiulotteisessa tilassa muodostaa seuraavan merkittävän rajapyykin tekoälyn kehityksessä. Se ei korvaa kielimalleja, hän huomautti tarkasti. Kyse on kokonaan erilaisesta ongelmaluokasta.
Inhimillinen älykkyys ei ole pelkästään kielellistä. Ajattele kaikkea, mitä teemme päivittäisessä elämässämme ja työssämme. Kaikki liittyy kolmiulotteiseen maailmaan, tilaan, liikkeisiin ja vuorovaikutukseen.
Johtajille, jotka ovat viimeisten kahden vuoden aikana järjestelleet työnkulkuja uudelleen suurten kielimallien ympärille, Lin argumentti tarjoaa hyödyllisen suunnanmuutoksen. Tekoälyn tekstintuotannon tuottavuushyödyt ovat todellisia, mutta ne edustavat vain kapeaa osaa siitä, mitä älykkyys, oli se sitten ihmisen tai koneen, todellisuudessa tekee.
Vaativampi ja merkityksellisempi työ – ympäristöissä fyysisesti liikkuminen, tilallisen datan tulkitseminen ja toimiminen maailmassa sen kuvailemisen sijaan – on edelleen suurelta osin ratkaisematta.
Mitä maailmanmallit tekevät
Li tekee selvän eron kielimallien ja niin kutsumiensa ”maailmanmallien” välille.
Siinä missä kielimalli ennustaa sekvenssin seuraavan merkin, maailmanmalli ennustaa fyysisen ympäristön seuraavan tilan. Tennispelaaja, joka palauttaa 120 mailin tuntinopeudella tulevan syötön, tekee jotakin lähempänä jälkimmäistä: hän lukee pallon ja kehon nykyisen tilan ja laskee millisekunneissa, mitä seuraavaksi tapahtuu.
”Tilojen ennustaminen tai tilojen luominen on tilallisen älykkyyden kannalta perustavanlaatuista”,
Hänen yrityksensä Marble-niminen malli tuottaa aitoja kolmiulotteisia maailmoja – ei videoita tai litteitä kuvia, vaan pysyviä 3D-ympäristöjä, joissa voidaan liikkua ja joita voidaan muokata ja käyttää myöhempien sovellusten koulutusympäristöinä.
Hänen mainitsemansa välittömät sovellukset ovat valaisevia johtajille, jotka yrittävät hahmottaa, mihin kehitys on menossa.
Robotiikan koulutus on yksi niistä: laboratoriot käyttävät jo tuotettuja 3D-ympäristöjä synteettisenä datana fyysisten robottien kouluttamiseen, mikä vähentää riippuvuutta kalliista ja hitaasta tosimaailman datan keruusta. Radiologia on toinen. Terveydentilojen diagnosointi kuvantamisdatan perusteella on pohjimmiltaan tilallinen ongelma. Keuhkokyhmy on olemassa kolmessa ulottuvuudessa; tekoäly, joka käsittelee vain kaksiulotteisia kuvia, työskentelee puutteellisten tietojen varassa.
Itseohjautuvat autot ovat näkyvin markkinoilla jo oleva esimerkki. Li mainitsi Teslan ja Waymon yrityksinä, jotka ovat jo rakentaneet toimivia maailmanmalleja erikoistuneelle toimialalle.
”Tästä näkökulmasta meillä on jo tilallista älykkyyttä tällä erittäin tärkeällä mutta erikoistuneella alalla”, hän sanoi.
Dataongelma
Li puhui suoraan kehityksen ensisijaisesta rajoitteesta. Laskentateho on kallista mutta saatavilla. Mallien arkkitehtuuri kehittyy. Data on vaikea osa.
Kielimallit hyötyivät käytännössä rajattomasta koulutusmateriaalista: internetiin kertyneestä tekstistä, digitoiduista kirjoista ja litteroiduista keskusteluista. Tilallisella datalla ei ole vastaavaa aineistoa. Fyysisten ympäristöjen kolmiulotteisia esityksiä on vähän, niiden tuottaminen on kallista ja niiden standardointi on vaikeaa.
”Jos ajattelette, että 3D-maailmojen datasta on pulaa”, Li sanoi, ”robotiikan datasta on vielä suurempi pula.”
Tämä ei ole abstrakti tutkimusongelma. Organisaatioille, jotka suunnittelevat fyysisen tekoälyn käyttöönottoa valmistuksessa, terveydenhuollossa, logistiikassa tai kiinteistöjen hallinnassa, data-infrastruktuurista tulee kehitystä rajoittava tekijä.
Yritykset, jotka jo keräävät fyysiseen toimintaansa liittyvää tilallista dataa antureiden, kuvantamisjärjestelmien tai digitaalisten kaksosten avulla, rakentavat omaisuuserää, jonka arvoa ne eivät ehkä vielä täysin ymmärrä.
ChatGPT:n kaltaista läpimurtohetkeä ei ole näköpiirissä
Yhtä asiaa Li ei luvannut: ChatGPT:n julkaisun kaltaista vedenjakajahetkeä, jossa yksi kuluttajatuote toi uuden tekoälykyvykkyyden luokan hetkessä suuren yleisön tietoisuuteen.
"Chat on niin yleinen kuluttajakäyttäytymisen muoto", hän sanoi, "ja kun jokin kuluttajakäyttäytymisen muoto on näin yleinen, saavutaan vedenjakajahetkeen."
Hän suhtautuu epäillen siihen, että spatiaalinen älykkyys saavuttaisi ihmiset samalla tavalla, koska sillä ei välttämättä ole yhtä yksinkertaista kuluttajakäyttäytymisen muotoa, johon se voisi ankkuroitua. Kysymyksen kirjoittamiselle chat-ruutuun ei ole ilmeistä vastinetta.
Tämä tarkoittaa, että spatiaalisen tekoälyn käyttöönotto on todennäköisesti toimialakohtaista ja asteittaista eikä äkillistä ja yleismaailmallista. Robotiikan laboratoriot, lääketieteellisen kuvantamisen yritykset, pelinkehittäjät ja visuaalisten tehosteiden studiot kohtaavat sen hyvissä ajoin ennen kuin siitä tulee valtavirran yritysohjelmistojen vakiovaruste.
CHRO:ille ja COO:ille tällä aikataululla on merkitystä. Paine toimia spatiaalisen tekoälyn suhteen ei ole sama kuin paine toimia kielitekoälyn suhteen vuoden 2023 alussa. Valmistautumiseen käytettävissä oleva aika on kuitenkin lyhyempi kuin miltä se näyttää.
Perustavan työn tekeminen – sen ymmärtäminen, miten fyysinen älykkyys voisi muuttaa toimintaanne, spatiaalisten dataresurssienne kartoittaminen ja johtoryhmänne tekoälylukutaidon kehittäminen – vie kauemmin kuin uuden SaaS-tuotteen käyttöönotto.
Li kuvaili nykyhetkeä lähentymiseksi: kieltä varten kehitetyt transformer-malliarkkitehtuurit kohtaavat nyt konenäön ja 3D-laskennan edistysaskeleet, joita on rakennettu vuosien ajan.
"Ensimmäistä kertaa se antaa meille mahdollisuuden todella ratkaista joitakin tekoälyn perustavanlaatuisimmista ongelmista", hän sanoi.
Jos tätä lähentymistä pidetään jonkun muun ongelmana, jota voi vain seurata, monet organisaatiot tekevät saman virheen kuin monet tekivät ChatGPT:n julkaisun aikaan. Ne olettivat, että niillä oli enemmän aikaa kuin todellisuudessa oli.
