現在、人工知能とロボティクスはほぼ別々の分野として機能しています。
AIはその意思決定能力と学習能力で私たちを驚かせていますが、依然としてコンピュータ内に留まっています。
一方、ロボットは具体的な存在を持ち、事前にプログラムされたタスクを実行できますが、知能は欠けています。
しかし、この分野の分離は徐々に解消されつつあります。AIはデジタル世界から動的な物理3D空間へと移行しており、これにより新しいパラダイムが生まれています。 フィジカルインテリジェンス.
フィジカルインテリジェンスの理解
フィジカルインテリジェンスは、テキスト、画像、その他のオンラインデータを理解するAIの能力を現実の機械と統合し、そのパフォーマンスを向上させます。この進化により、AIはもはやコンピュータ内に留まることはなく、異なる方法で物理世界で私たちと相互作用することになります。想像してみてください、ロボットが重い箱を運ぶなどのさまざまなタスクを手伝ってくれるスーパーマーケットを。この実現には、機械の認知、設計、学習プロセスの再考が必要です。
AIにおけるリキッドネットワークの役割
物理的インテリジェンスが効果的であるためには、AIはロボットに収まるサイズのコンピュータで動作しなければなりません。現在のAIシステムはエラーを起こすことがあるため、より信頼性が高く、コンパクトなシステムが必要です。 ダニエラ・ラス、 MITのコンピュータ科学およびAIラボの教授である彼女と彼女のチームは、次のような新しいAIアプローチを開発しました。 「リキッドネットワーク」。
数万の人工ニューロンを使用してナビゲートする自動運転車を考えてみてください。これらのニューロンの活動を車の挙動に結びつけるのは難しいです。一方、リキッドネットワークソリューションはわずか19のニューロンを使用し、道路や周囲に焦点を当てています。この複雑さの軽減により、研究者は意思決定プロセスをよりよく理解できるようになります。従来のAIシステムは人工ニューロンを基本的なオン/オフユニットとして使用するのに対し、リキッドニューロンは微分方程式を用いて神経計算をより正確にモデル化します。
リキッドネットワークの利点
リキッドネットワークは静的ではなく、新しい入力に基づいて展開後も適応し続けます。この物理モデルに根ざした適応性は、機械が考える新しい方法を提供します。これらのネットワークはスマートフォンからロボット、エンタープライズコンピュータまでさまざまなデバイスで動作でき、機械の設計と機能に新しい可能性を開きます。
テキストからロボット、画像からロボットへの革新
物理的インテリジェンスの第二の重要な側面は、テキストや画像をロボットのアクションに変換することです。統計モデルに依存する現在のAIソリューションは、この点で不十分です。しかし、リキッドネットワークはテキストや画像を機能するロボットに変換することを可能にし、プロトタイピングと革新に必要な時間とリソースを大幅に削減します。
人間からロボットへの学習
身体知能の第三の次元は、機械が人間の行動から学ぶことを可能にすることです。ダニエラ・ラスと彼女のチームは、キッチン環境でセンサーを装着した人間を用いたシステムを開発しました。筋肉の動き、姿勢、視線などの人間のタスクに関する包括的なデータを収集することで、AIを訓練し、ロボットにこれらのタスクを教えます。このアプローチにより、ロボットは敏捷に動き、食材の準備から掃除まで様々なタスクに適応できるようになります。
結論
液体ネットワークを通じてAIとロボティクスが融合することで、身体知能において大きな進歩がもたらされます。
この技術は、私たちの最も想像力豊かなアイデアを実現し、物理的な世界とシームレスに相互作用できるインテリジェントなマシンを創造することを約束します。
で NextBrain AI最新のAIイノベーションを追跡し、データから貴重なビジネスおよび戦略的洞察を引き出すお手伝いをします。 デモを今日予約してください その力を直接体験するために。
+34 91 991 95 65
+61 410 497229