Сүүлийн үеийн хиймэл оюуны загварууд нь текст, аудио, видеог хүний адилаар үүсгэх чадвартай болсон. Гэсэн хэдий ч эдгээр алгоритмууд ихэвчлэн тоон хүрээнд л хязгаарлагдаж, бидний физик, гурван хэмжээст ертөнцтэй харилцаж чадахгүй байна. Хамгийн дэвшилтэт загварууд ч бодит ертөнцийн нөхцөлд хэрэглэгдэхэд ихээхэн бэрхшээлтэй тулгарч, аюулгүй, найдвартай өөрөө жолооддог автомашин бүтээхэд хэцүү хэвээр байна. Эдгээр загварууд хиймэл оюун ухаантай ч, физикийн ойлголт дутмаг, санаанаас гарсан юмс бүтээх хандлагатай учраас тайлбарлаж боломгүй алдаа гардаг. Энэ жил бол хиймэл оюун ухаан тоон орноос бодит ертөнцөд шилжих онцлог юм. Хиймэл оюуныг тоон хүрээнээс цааш өргөтгөхөд роботын механик ур чадварыг хиймэл оюуны тоон ухаантай нэгтгэж, машиныг эргэн төсөөлөх шаардлагатай. "Физик оюун ухаан" гэж би нэрлэдэг энэ нэгдэл нь машинуудыг динамик орчныг ойлгох, урьдчилан таамаглахгүй нөхцөлд зөв шийдвэр гаргах чадвартай болгодог. Энгийн хиймэл оюуны загваруудаас ялгаатай нь, физик оюун ухаан нь физик дээр үндэслэгдэж, шалтгаан-холбооны үндсэн зарчмуудыг агуулдаг юм. Эдгээр шинж чанарууд нь физик оюун ухааны загваруудыг янз бүрийн орчинд ажиллаж, дасан зохицох боломжийг олгодог. Миний MIT-д байдаг судалгааны бүлэг нь "шингэн сүлжээ" хэмээгдэх физик оюун ухааны загваруудыг хөгжүүлж байна. Нэг туршилтаар бид хоёр дроныг нэгийг нь нийтлэг хиймэл оюуны загвараар, нөгөөг нь шингэн сүлжээгээр сургаасай гэж үзсэн.

Үүний дагуу, ойн дундаас зуны улиралд обьект олох даалгавраа ажилдаж, хүний нисгэгчдээс мэдээлэл авч сургасан. Хоёр дрон ч сургасан ажлаа гүйцэтгэхдээ сайн байсан ч, зөвхөн шингэн сүлжээгээр сургасан дрон бороо, хотын орчинд өөрчлөлт агуулан обьект олохдоо дасан зохицож байлаа. Энэ туршилт нь эхний үеийн суралцалтаар сургасны дараа сурахаа зогсоодог энгийн хиймэл оюуны системүүдээс ялгаатай нь шингэн сүлжээ нь хүний адил туршлагаас байнга суралцаж, дасан зохицох чадвартай байгааг харууллаа. Физик оюун ухаан мөн текст эсвэл зургаас авсан хүнд ойлгомжгүй тушаалуудыг тайлбарлаж, биелүүлнэ. Манай лабораторид үүсгэсэн систем нь "хойш алхаж чаддаг робот" эсвэл "обьектыг гар дээрээ барьж чадах робот" гэх зэрэг тушааланд үндэслэн бага роботуудыг зохион 3D-хэвлэх чадвартай. Бусад лабораторид мөн чухал дэвшлүүд хийгдэж байна. Илүү их гар, олон жүжигчин дугаралттай чатботуудыг бүтээхээр Илүүхижил компанийн байгаад, UC-Berkeley судлаач Pieter Abbeel-ийн удирдсан роботын арч үйлдвэрлэгч Covariant стартапт ChatGPT-тэй ойролцоо chatbotыг бүтээж байна. Тэд дэлхийн хэмжээний агуулахуудад ангиллын роботуудыг бүтээл, бүтээгдэж хэрэгжүүлэх зорилгоор $222 саяыг цуглуулсан. Carnegie Mellon-ийн нэг баг нэг камер бүхий тодорхой бус мэдрэгч авсан роботуудыг хэт удаан хөдөлгөөний үйлдлийг гүйцэтгэж чаддаг Neural сүлжээгээр сургасан ба энэ нь бямбатай тэнцсэн обьектийн дээд хэсэгт үсрэх, уртын хагасаар нутаглах зайг давж гарах зэрэг дугуй паркур хөдөлгөөнийг гүйцэтгэхийг харуулсан байна. Энэ бүхний үр дүнд 2023 он нь текстээс-зураг болгох, 2024 он нь текстээс-видео жилийн үе, 2025 он нь физик оюун ухааны үе болохоор тохироо амладаг юм. Роботууд төдийгүй эрчим хүчний систем, ухаалаг байшин зэрэг системүүдийн шинэ үе хэлээр ойлгож, бодит ертөнцөд даалгавар гүйцэтгэх чадвартай болох юм.