امتیاز کلیدی:
- محققان از Chat-GPT برای طراحی گوجهچین روباتیک استفاده کردند.
- مطالعه حاصل و درس های آموخته شده چارچوبی برای همکاری های آینده انسان و هوش مصنوعی فراهم می کند.
- این تیم به این نتیجه رسیدند که مدلهای زبانی بزرگ، اگر به خوبی مدیریت شوند، پتانسیل بالایی برای تبدیل شدن به یک نیروی خوب دارند.
شبکههای عصبی معروف به مدلهای زبان بزرگ (LLM) مانند Chat-GPT همچنان به سرفصلهای پتانسیل خود برای تغییر روش زندگی ما تبدیل میشوند. اکنون، محققان EPFL در حال استفاده از این فناوری در حوزه جدیدی هستند: طراحی رباتیک.
در مطالعه ای که در هوش ماشین طبیعتمحققان از Chat-GPT برای طراحی یک دستگاه برداشت گوجه فرنگی رباتیک استفاده کردند. این مطالعه چارچوبی را برای انسان ها و LLM ها فراهم می کند تا بتوانند چنین دستگاه هایی را به طور مشترک طراحی کنند.
در مرحله اول مطالعه، محققان با LLM در مورد چالش های آینده برای بشر صحبت کردند و برداشت رباتیک محصولات را به عنوان راه حلی برای چالش عرضه جهانی غذا شناسایی کردند. آنها سپس از دسترسی LLM به دادههای جهانی از انتشارات دانشگاهی، کتابهای راهنمای فنی، کتابها و رسانهها استفاده کردند تا به پاسخی بپردازند که کدام ویژگی برای یک ربات دروگر مهمتر است.
هنگامی که یک قالب رباتیک پایه شناسایی شد، محققان شروع به پرسیدن سوالات عمیق تر در مورد طراحی کردند، از جمله از LLM درخواست کردند تا پیشنهادات فنی مانند مواد و کد کامپیوتری برای کنترل دستگاه ارائه دهد.
بر اساس تجربه خود، محققان فرصتها و خطرات استفاده از ابزارهای هوش مصنوعی در رباتیک را توصیف میکنند، که به گفته آنها «میتواند نحوه طراحی رباتها را تغییر دهد و در عین حال فرآیند را غنیتر و سادهتر کند». به عنوان مثال، «اکتشاف مشارکتی» از هوش مصنوعی برای تقویت تخصص محققان با کمک به دانش گسترده فراتر از زمینه های خود استفاده می کند. هوش مصنوعی همچنین میتواند به عنوان یک قیف عمل کند و به اصلاح فرآیند طراحی و ارائه ورودیهای فنی کمک کند و انسانها کنترل خلاقانه خود را حفظ کنند.
از آنجایی که خطرات منطقی و اخلاقی مرتبط با هر حالت همکاری وجود دارد، محققان هشدار می دهند که نقش LLM باید در آینده به دقت ارزیابی شود. به عنوان مثال، استفاده از LLM سوالاتی در مورد سوگیری، سرقت ادبی و مالکیت معنوی ایجاد می کند، زیرا مشخص نیست که آیا طرح تولید شده توسط LLM می تواند بدیع در نظر گرفته شود.
با این حال، تیم به این نتیجه رسید که بر اساس تجربه خود، LLM ها پتانسیل زیادی برای تبدیل شدن به یک نیروی خوب دارند، اگر به خوبی مدیریت شوند.