ह्यूमेनॉइड रोबोट के विकास का अवधारणा लगभग दो दशकों से धीरे-धीरे बढ़ रहा है। हालांकि, फिगर AI और ओपन AI के मिलकर काम करने की वजह से इस क्षेत्र में तेजी से ताकत बढ़ी है। परिणामस्वरूप, हमारे सामने अद्भुत वीडियो है जिसमें नया विज़ुअल भाषा मॉडल (वीएलएम) लगाकर फिगर 01 रोबोट को एक साइ-फाई बॉट में बदल दिया गया है जिसकी क्षमताएं C-3PO के पास आने वाली हैं। वीडियो में, फिगर 01 को टेबल के पीछे, एक प्लेट, सेब, और एक कप के साथ स्थित किया जाता है, जबकि बायन में एक चहने वाला होता है। किसी मानव द्वारा यह पूछा जाता है, "फिगर 01, तुम अभी क्या देख रहे हो?" कुछ ही क्षणों के बाद, फिगर 01 का मानव जैसी आवाज़ (हालांकि उसके पास चेहरा नहीं है) में उत्तर आता है और टेबल पर हर वस्तु और एक व्यक्ति के बारे में विस्तृत विवरण प्रदान करता है। दीवानगी से, मैंने सोचा, "यह बहुत अच्छा है।" फिर उस व्यक्ति ने पूछा, "अरे, मुझे कुछ खाने के लिए मिलेगा क्या?" फिगर 01 आत्मविश्वासपूर्वक जवाब देता है, "बेशक, " और कुशलतापूर्वक सेब को उठाकर उसे व्यक्ति को हाथों से देता है। मैं रोक नहीं सका और कहने लगा, "वाह-वाह।" अगले, व्यक्ति ने फिगर 01 के सामने एक कूड़ा सामग्री को फैला दिया और पूछा, "क्या आप बता सकते हैं कि आपने क्यों इस कचरे को उठाया है और जिसे फिर से डालते समय आपने बस अभी क्या किया है?" बिना किसी समय की बर्बादी के, फिगर 01 तर्क का स्पष्टीकरण करता है जबकि कागज़ को बिन में वापस रखता है। "तो, मैंने तुम्हें सेब दिया क्योंकि यह टेबल से मैं तुम्हें खाने के लिए उपयुक्त वस्तुओं में से एकमात्र थी।" विस्मित होकर, मैं चिंताग्रस्त हो गया, "यह सच नहीं हो सकता।" हालांकि, फिगर AI के अनुसार, यह वास्तव में सच है। वाक्-से-वाक् तर्क फिगर 01 की क्षमताओं में महत्वपूर्ण भूमिका निभाता है, क्योंकि यह ओपन AI के पूर्व-प्रशिक्षित बहुमुखी मॉडल वीएलएम का उपयोग करके छवियों और पाठों को समझने में सहायता करता है। यह अपने जवाबों को स्थापित करने के लिए वार्तालापिक आवाज़ बातचीत का उपयोग करता है, जिससे यह ओपन AI के जीपीटी-4 से अलग होता है, जो प्रमुखतः लिखित प्रोम्प्ट्स पर ध्यान केंद्रित करता है। इसके अतिरिक्त, फिगर 01 "सीखी हुई कम स्तरीय सहकर्मी प्रणाली" नामक एक तकनीक का उपयोग करता है। यह प्रणाली अपने न्यूरल नेटवर्क के साथ सटीक छवि कैलिब्रेशन को जोड़ती है और यही इसकी गतियों को नियंत्रित करने के लिए अपने हिलाए जान कि सटीकता के साथ काम करती है। फिगर AI ने कहा, "ये नेटवर्क बोर्ड पर इमेज़ों को 10 हर्ट्ज़ प्रोसेस करते हैं और 24 गतियां (कलाई पोज़ और उंगली हड्डी के कोण) 200 हर्ट्ज़ पर उत्पन्न करते हैं।" फिगर AI का दावा है कि वीडियो में दिखाए गए हर व्यवहार का प्रणाली सीखने का परिणाम है और फिगर 01 को दूरस्थ नियंत्रित नहीं किया जाता है, इससे पीछे-सीने में मोतीभर कोई ख़्वाब नहीं है। ये दावे को सत्यापित करना कठिन है बिना फिगर 01 को व्यक्तिगत रूप से देखने और अपने सवाल पूछने के। शायद यह रूटीन फिगर 01 द्वारा कई बार अभ्यासित किया गया हो। शायद यह सौभाग्यशाली सवारी का शततम आयोजन है, असाधारण गति और सरसता के खातिर। लेकिन अगर यह सच में 100% वास्तविक है, तो मुझे कहना होगा, "वाह।" सिर्फ वाह।