AI เรียนรู้เกี่ยวกับอินเทอร์เน็ตแล้ว ตอนนี้มันต้องเรียนรู้เกี่ยวกับโลก.
ปัญญาประดิษฐ์ (AI) ได้ก้าวหน้าอย่างน่าทึ่งโดยการเรียนรู้จากโลกดิจิทัล อินเทอร์เน็ตได้มอบข้อมูลดิจิทัลมากมายมหาศาล ไม่ว่าจะเป็นข้อความ รูปภาพ วิดีโอ โค้ด และข้อมูลรูปแบบอื่นๆ ให้กับระบบ AI ตั้งแต่แบบจำลองภาษาและ AI แบบสร้างสรรค์ ไปจนถึงซอฟต์แวร์เอเจนต์ที่มีความสามารถเพิ่มมากขึ้น วิวัฒนาการของ AI ในช่วงไม่กี่ปีที่ผ่านมาส่วนใหญ่ขับเคลื่อนด้วยข้อมูลดิจิทัลจำนวนมหาศาลนี้.
แต่โลกแห่งความเป็นจริงนั้นนำเสนอความท้าทายที่แตกต่างออกไปโดยสิ้นเชิง.
การที่ระบบ AI สามารถจดจำวัตถุในภาพหรืออธิบายวิธีการทำงานนั้นเป็นเรื่องหนึ่ง แต่การที่เครื่องจักรที่ชาญฉลาดสามารถลงมือทำภารกิจนั้นได้จริง ๆ พร้อมทั้งตอบสนองต่อสภาพแวดล้อมที่เปลี่ยนแปลง สถานการณ์ที่ไม่คาดคิด และข้อจำกัดของโลกแห่งความเป็นจริงนั้นเป็นอีกเรื่องหนึ่ง.
การหยิบถ้วย การเปิดลิ้นชัก การหมุนลูกบิด การเคลื่อนย้ายสิ่งของ หรือการปฏิสัมพันธ์กับผู้อื่นอย่างปลอดภัยนั้น ไม่ได้อาศัยเพียงแค่การรับรู้เท่านั้น แต่ยังต้องอาศัยการรับรู้ การเคลื่อนไหว การประสานงาน การควบคุม และประสบการณ์ด้วย.
นี่คือที่นี่ ปัญญาประดิษฐ์เชิงกายภาพ เข้ามาในภาพ
ปัญญาประดิษฐ์เชิงกายภาพ (Physical AI) โดยทั่วไปหมายถึงระบบอัจฉริยะที่สามารถรับรู้ คิดวิเคราะห์ และกระทำการภายในสภาพแวดล้อมทางกายภาพ หุ่นยนต์เป็นหนึ่งในแอปพลิเคชันที่เห็นได้ชัดที่สุด แต่ความท้าทายนั้นไม่ได้จำกัดอยู่แค่ตัวหุ่นยนต์เท่านั้น เพื่อให้เครื่องจักรที่ชาญฉลาดมีความสามารถมากขึ้นในโลกทางกายภาพ พวกมันต้องการสิ่งที่ปัญญาประดิษฐ์เชิงดิจิทัล (Digital AI) ได้รับประโยชน์มานานหลายปีแล้ว นั่นคือ ประสบการณ์ที่มีความหมายในวงกว้าง.
ที่ Callindo เรามองว่าการเปลี่ยนแปลงนี้เป็นมากกว่าแค่กระแสเทคโนโลยีใหม่ๆ มันเป็นโอกาสที่จะได้คิดใหม่ทำใหม่เกี่ยวกับวิธีการทำงาน ผู้คน เทคโนโลยี และปัญญาประดิษฐ์ สามารถทำงานร่วมกันเพื่อแก้ไขปัญหาในโลกแห่งความเป็นจริงที่ซับซ้อนมากขึ้นเรื่อยๆ ได้.
ด้วยเหตุนี้ เราจึงรู้สึกตื่นเต้นที่จะประกาศความร่วมมือของเรากับ เวิลด์เอ็นจิ้น AI.
จากปัญญาดิจิทัลสู่ปัญญาทางกายภาพ
การพัฒนาปัญญาประดิษฐ์สมัยใหม่มีความเชื่อมโยงอย่างใกล้ชิดกับการเข้าถึงข้อมูลดิจิทัล.
อินเทอร์เน็ตได้สร้างสภาพแวดล้อมการเรียนรู้ที่กว้างขวาง ความรู้ของมนุษย์ การสื่อสาร รูปภาพ ซอฟต์แวร์ และข้อมูลดิจิทัลรูปแบบอื่นๆ อีกมากมาย สามารถรวบรวมและแปลงเป็นวัสดุที่ระบบ AI สามารถเรียนรู้ได้.
ความฉลาดทางกายภาพเผชิญกับปัญหาที่แตกต่างออกไป.
ความรู้ทางกายภาพของมนุษย์ส่วนใหญ่เป็นความรู้โดยปริยาย เราทราบวิธีเอื้อมมือไปหยิบแก้ว จับที่จับ ยกสิ่งของ ปรับการเคลื่อนไหวเมื่อสิ่งของหลุดมือ หรือเปลี่ยนวิธีการเมื่อการกระทำที่คาดหวังไว้ไม่เป็นไปตามที่หวัง.
เรากระทำการเหล่านี้อย่างต่อเนื่อง โดยมักไม่ได้คิดถึงความซับซ้อนที่เกี่ยวข้องอย่างมีสติ.
อย่างไรก็ตาม สำหรับเครื่องจักรแล้ว ปฏิสัมพันธ์เหล่านี้มีข้อมูลที่มีค่าอยู่.
ตำแหน่งของวัตถุ การเคลื่อนไหวของมือ แรงที่ต้องใช้ในการจับสิ่งของ ความสัมพันธ์ระหว่างวัตถุหลายชิ้น และการตอบสนองต่อเหตุการณ์ที่ไม่คาดคิด ล้วนเป็นปัจจัยที่ส่งผลต่อประสบการณ์ทางกายภาพที่ระบบ AI จำเป็นต้องเรียนรู้.
WorldEngine AI ให้ความสำคัญกับความท้าทายนี้.
พันธกิจที่ระบุไว้คือ บรรลุ AGI ทางกายภาพ, โดยเริ่มต้นจากสิ่งที่บริษัทระบุว่าเป็นอุปสรรคสำคัญ นั่นคือ ประสบการณ์ทางกายภาพ บริษัทอธิบายแนวทางของตนว่าเป็นการรวบรวมประสบการณ์ทางกายภาพในวงกว้าง จัดโครงสร้างให้เป็นข้อมูลที่เป็นประโยชน์ และฝึกฝนโมเดลที่สามารถเรียนรู้จากประสบการณ์เหล่านั้นได้.
แนวคิดนี้เปลี่ยนวิธีที่เราคิดเกี่ยวกับหุ่นยนต์ไปอย่างสิ้นเชิง.
คำถามไม่ได้อยู่ที่ว่าจะสร้างหุ่นยนต์ที่มีประสิทธิภาพได้อย่างไรเท่านั้นเอง.
นอกจากนี้ยังรวมถึงวิธีการสร้างระบบ ข้อมูล และกระบวนการเรียนรู้ที่ช่วยให้สติปัญญาทางกายภาพพัฒนาขึ้นอย่างต่อเนื่อง.
การสร้างโครงสร้างพื้นฐานเบื้องหลังปัญญาประดิษฐ์เชิงกายภาพ
นี่เป็นหนึ่งในเหตุผลที่ทำให้ WorldEngine AI น่าสนใจเป็นพิเศษ.
แทนที่จะวางตำแหน่งหุ่นยนต์เป็นผลิตภัณฑ์เดี่ยวๆ WorldEngine อธิบายงานของตนว่าเป็นการสร้าง... โครงสร้างพื้นฐาน AI ทางกายภาพ คือชั้นที่เชื่อมโยงข้อมูล โมเดล การประเมินผล และการใช้งาน.
หัวใจสำคัญของแนวทางนี้คือวงจรการเรียนรู้อย่างต่อเนื่อง.
ประสบการณ์ทางกายภาพถูกบันทึกและจัดโครงสร้างเป็นข้อมูล โมเดลเรียนรู้จากข้อมูลเหล่านั้น ประสิทธิภาพของโมเดลจะได้รับการประเมินในสภาพแวดล้อมจริง การประเมินนั้นจะเผยให้เห็นว่าระบบยังคงมีจุดอ่อนอยู่ที่ใด ในขณะที่ความล้มเหลวและประสบการณ์ใหม่ ๆ จะให้ข้อมูลที่นำไปสู่ขั้นตอนการเรียนรู้ต่อไป.
กล่าวโดยสรุป:
บันทึก → จัดโครงสร้าง → ฝึกฝน → ประเมินผล → นำไปใช้ → เรียนรู้ใหม่อีกครั้ง
สิ่งนี้สร้างมุมมองที่แตกต่างออกไปเกี่ยวกับอนาคตของหุ่นยนต์.
ระบบ AI ทางกายภาพที่มีประสิทธิภาพนั้น ไม่ได้ขึ้นอยู่กับฮาร์ดแวร์เพียงอย่างเดียว แต่ยังขึ้นอยู่กับโครงสร้างพื้นฐานที่อยู่รอบฮาร์ดแวร์นั้นด้วย ได้แก่ ข้อมูลที่ใช้ในการเรียนรู้ โมเดลที่ประมวลผลข้อมูล วิธีการที่ใช้ในการประเมินประสิทธิภาพ และกระบวนการในการนำระบบอัจฉริยะไปใช้งานในโลกแห่งความเป็นจริง.
ผลงานที่ WorldEngine นำเสนอต่อสาธารณะสะท้อนให้เห็นถึงการเน้นย้ำประสบการณ์ทางกายภาพและข้อมูล ตัวอย่างเช่น โครงการ WEB-1K ของพวกเขา นำเสนอการสาธิตการใช้มือทั้งสองข้างในการควบคุมวัตถุในงานจริงกว่า 90 งาน โดยมีบันทึกมากกว่า 50,000 ตอน และเฟรมภาพหลายร้อยล้านเฟรม.
ความสำคัญไม่ได้อยู่ที่ขนาดของชุดข้อมูลเพียงอย่างเดียว.
นั่นคือการตระหนักว่าปฏิสัมพันธ์ทางกายภาพในชีวิตประจำวันสามารถกลายเป็นแหล่งเรียนรู้สำหรับเครื่องจักรได้.
ปัญญาประดิษฐ์เชิงกายภาพต้องการประสบการณ์ และประสบการณ์นั้นต้องการโครงสร้างพื้นฐาน.
เหตุใดองค์ประกอบด้านมนุษย์จึงยังคงมีความสำคัญ
เมื่อปัญญาประดิษฐ์และหุ่นยนต์มีความสามารถมากขึ้น คำถามสำคัญก็ย่อมตามมา:
บทบาทของประชาชนจะเปลี่ยนแปลงไปอย่างไร?
ที่ Callindo เราไม่มองว่าการเพิ่มระบบอัตโนมัติจะหมายถึงบทบาทของมนุษย์ที่ลดลงโดยอัตโนมัติ.
เทคโนโลยีสามารถปรับปรุงความเร็ว ความสม่ำเสมอ ความสามารถในการขยายขนาด และการเข้าถึงข้อมูลได้ ปัญญาประดิษฐ์ (AI) สามารถช่วยวิเคราะห์ข้อมูล สนับสนุนการตัดสินใจ และทำให้กระบวนการทำงานที่ซับซ้อนมากขึ้นเป็นไปโดยอัตโนมัติ หุ่นยนต์สามารถขยายระบบอัจฉริยะไปสู่สภาพแวดล้อมทางกายภาพได้.
แต่ในโลกแห่งความเป็นจริง การดำเนินงานต่างๆ มักไม่สามารถคาดการณ์ได้อย่างสมบูรณ์แบบเสมอไป.
ผู้คนเข้าใจบริบท พวกเขารู้จักข้อยกเว้น พวกเขาตัดสินใจเมื่อสถานการณ์อยู่นอกเหนือจากแบบแผนที่กำหนดไว้ล่วงหน้า พวกเขาช่วยสร้างคุณภาพ จัดการกรณีพิเศษ และเชื่อมโยงเทคโนโลยีเข้ากับความเป็นจริงในการดำเนินงาน.
นั่นคือเหตุผล มนุษย์ในวงจร ความสามารถต่างๆ ยังคงมีความสำคัญควบคู่ไปกับการพัฒนาด้านระบบอัตโนมัติ.
สำหรับ Callindo แล้ว สิ่งนี้มีความเชื่อมโยงอย่างใกล้ชิดกับสิ่งที่เราทำอยู่แล้ว.
ความสามารถของเราครอบคลุมถึงบุคลากร การดำเนินงาน การจัดการข้อมูล การประกันคุณภาพ กระบวนการที่ได้รับการสนับสนุนจากเทคโนโลยี และโครงสร้างพื้นฐานด้านกำลังคนที่สามารถปรับขนาดได้ ความสามารถเหล่านี้มีความสำคัญอย่างยิ่งเมื่อเทคโนโลยีพัฒนาไปไกลกว่าเวิร์กโฟลว์ดิจิทัลที่ควบคุมได้ และเข้าสู่สภาพแวดล้อมที่ซับซ้อนซึ่งบริบทของมนุษย์และระเบียบวินัยในการดำเนินงานยังคงมีความสำคัญ.
ปัญญาประดิษฐ์เชิงกายภาพเพิ่มมิติใหม่ให้กับความสัมพันธ์นี้.
เหตุใด Callindo และ WorldEngine AI จึงเป็นส่วนเสริมซึ่งกันและกัน
นี่คือจุดที่ความร่วมมือของเรากับ WorldEngine AI มีความสำคัญอย่างยิ่ง.
ทั้งสองบริษัทนำความสามารถที่แตกต่างกันมาสู่พื้นที่โอกาสร่วมกันและกำลังเติบโต.
เวิลด์เอ็นจิ้น AI มุ่งเน้นไปที่ปัญญาประดิษฐ์เชิงกายภาพ (Physical AI) ประสบการณ์ทางกายภาพ หุ่นยนต์ ข้อมูล การฝึกอบรมแบบจำลอง การประเมินผล และโครงสร้างพื้นฐานที่จำเป็นเพื่อช่วยให้ระบบอัจฉริยะเรียนรู้จากโลกทางกายภาพ.
คาลลินโด้ นำมาซึ่งบุคลากร การดำเนินงาน การจัดการข้อมูล กระบวนการคุณภาพ และความสามารถในการมีส่วนร่วมของมนุษย์ในกระบวนการทำงาน.
ความสามารถเหล่านี้เป็นความสามารถที่เสริมซึ่งกันและกัน ไม่ใช่ความสามารถที่เหมือนกันทุกประการ.
สำหรับ Callindo ความร่วมมือครั้งนี้ไม่ได้มีเป้าหมายเพื่อก้าวขึ้นเป็นผู้ผลิตหุ่นยนต์ แต่เป็นการขยายแนวทางเดิมของเราในการผสานรวมผู้คนและเทคโนโลยีเข้ากับระบบนิเวศที่กำลังเกิดขึ้นใหม่ ซึ่งปัญญาประดิษฐ์ (AI) กำลังเข้ามามีปฏิสัมพันธ์กับโลกทางกายภาพมากขึ้นเรื่อยๆ.
เมื่อเครื่องจักรที่ชาญฉลาดก้าวข้ามการสาธิตที่ควบคุมได้และเข้าสู่สภาพแวดล้อมจริงที่หลากหลายมากขึ้น ชั้นการปฏิบัติงานโดยรอบจึงมีความสำคัญมากขึ้นเรื่อยๆ.
ประสบการณ์นั้นต้องได้รับการบันทึกไว้.
ข้อมูลต้องมีโครงสร้าง.
กระบวนการต่างๆ ต้องดำเนินการอย่างสม่ำเสมอ.
ต้องมีการประเมินผลการปฏิบัติงาน.
ต้องเข้าใจข้อยกเว้นต่างๆ ด้วย.
และข้อมูลที่ได้จะต้องถูกนำกลับเข้าสู่กระบวนการเรียนรู้.
นี่คือพื้นที่ที่เทคโนโลยีและความสามารถในการปฏิบัติงานของมนุษย์สามารถทำงานร่วมกันได้.
คน + เทคโนโลยี + ปัญญาประดิษฐ์
สำหรับ Callindo ทิศทางโดยรวมของเราสามารถอธิบายได้ง่ายๆ ดังนี้:
คน + เทคโนโลยี + ปัญญาประดิษฐ์ (AI).
ผู้คนนำมาซึ่งบริบท การตัดสินใจ ความสามารถในการปรับตัว และประสบการณ์ในการปฏิบัติงาน.
เทคโนโลยีได้มอบโครงสร้างพื้นฐาน การเชื่อมต่อ และความสามารถในการขยายขนาดที่จำเป็นต่อการรองรับการดำเนินงานที่ซับซ้อนมากขึ้นเรื่อยๆ.
ปัญญาประดิษฐ์ (AI) นำมาซึ่งความสามารถใหม่ๆ ในด้านความชาญฉลาด การทำงานอัตโนมัติ การวิเคราะห์ และการสนับสนุนการตัดสินใจ.
ปัญญาประดิษฐ์เชิงกายภาพ (Physical AI) ขยายขอบเขตการผสมผสานดังกล่าวออกไปนอกเหนือจากหน้าจอและกระบวนการทำงานแบบดิจิทัล และเข้าสู่สภาพแวดล้อมทางกายภาพ.
สิ่งนี้สร้างโอกาสใหม่ ๆ สำหรับความร่วมมือ.
ความเชี่ยวชาญของมนุษย์จะช่วยให้ระบบอัจฉริยะเรียนรู้ได้อย่างไร? กระบวนการปฏิบัติงานจะสนับสนุนการใช้งานและการประเมินผลเครื่องจักรอัจฉริยะได้อย่างไร? ข้อมูลที่สร้างขึ้นจากการปฏิสัมพันธ์ในโลกแห่งความเป็นจริงจะกลายเป็นสื่อการเรียนรู้ที่มีประโยชน์ได้อย่างไร? และมนุษย์และเครื่องจักรอัจฉริยะจะทำงานร่วมกันได้อย่างมีประสิทธิภาพมากขึ้นได้อย่างไร?
คำถามเหล่านี้ยังคงมีการพัฒนาอย่างต่อเนื่อง.
อย่างไรก็ตาม สิ่งที่ชัดเจนมากขึ้นคือ การสนทนาเกี่ยวกับปัญญาประดิษฐ์กำลังขยายวงกว้างขึ้น.
ปัจจุบัน AI ไม่ได้หมายถึงแค่สิ่งที่เกิดขึ้นภายในซอฟต์แวร์อีกต่อไปแล้ว แต่ยังหมายถึงวิธีการที่ระบบอัจฉริยะรับรู้และตอบสนองต่อโลกรอบตัวเรามากขึ้นด้วย.
มองไปข้างหน้า
ปัญญาประดิษฐ์เชิงกายภาพยังคงเป็นสาขาที่กำลังพัฒนา และความท้าทายที่ยากที่สุดหลายอย่างยังคงไม่มีคำตอบ.
เครื่องจักรต้องการประสบการณ์ทางกายภาพมากขึ้น โมเดลต้องการข้อมูลที่ดีกว่า ระบบต้องการการประเมินที่แข็งแกร่ง ตัวแทนอัจฉริยะจำเป็นต้องปรับตัวได้มากขึ้นเมื่อเผชิญกับความซับซ้อน ความแปรปรวน และความไม่แน่นอนของสภาพแวดล้อมในโลกแห่งความเป็นจริง.
แนวทางของ WorldEngine เริ่มต้นจากสมมติฐานที่ว่า ปัญญาประดิษฐ์เชิงกายภาพต้องการพื้นฐานการเรียนรู้ของตนเอง การมุ่งเน้นไปที่ประสบการณ์ทางกายภาพ ข้อมูล แบบจำลอง การประเมินผล และการนำไปใช้งาน สะท้อนให้เห็นถึงความท้าทายที่กว้างขึ้นนั้น.
สำหรับ Callindo การเป็นพันธมิตรกับ WorldEngine AI เป็นโอกาสในการมีส่วนร่วมในการเปลี่ยนแปลงนี้ พร้อมทั้งต่อยอดจากสิ่งที่เราเชี่ยวชาญอยู่แล้ว นั่นคือ การผสานรวมผู้คน เทคโนโลยี และการปฏิบัติงานอย่างมีประสิทธิภาพ เพื่อแก้ไขปัญหาในโลกแห่งความเป็นจริง.
อนาคตไม่จำเป็นต้องถูกมองว่าเป็นความขัดแย้งระหว่างมนุษย์กับเครื่องจักรเสมอไป.
และไม่จำเป็นต้องนิยามเพียงแค่ว่า AI จะเข้ามาแทนที่แรงงานมนุษย์เท่านั้น.
คำถามที่น่าสนใจกว่าคือ มนุษย์ ปัญญาประดิษฐ์ และเครื่องจักรที่ชาญฉลาดจะทำงานร่วมกันได้อย่างมีประสิทธิภาพเพียงใด.
เมื่อปัญญาประดิษฐ์ (AI) พัฒนาจากการทำความเข้าใจโลกดิจิทัลไปสู่การโต้ตอบกับโลกทางกายภาพ บทบาทของประสบการณ์มนุษย์ ความสามารถในการปฏิบัติงาน และโครงสร้างพื้นฐานทางเทคโนโลยีจะยังคงพัฒนาควบคู่กันไป.
คน + เทคโนโลยี + ปัญญาประดิษฐ์ → กำลังขยายไปสู่โลกแห่งความเป็นจริงแล้ว.
นั่นคืออนาคตที่เราตื่นเต้นที่จะได้สำรวจร่วมกัน เวิลด์เอ็นจิ้น AI.
