เมื่อ Rodney Brooks พูดถึงวิทยาการหุ่นยนต์ (robotics) และปัญญาประดิษฐ์ (artificial intelligenc) Rodney Brooks ปัจจุบันเป็นศาสตราจารย์กิตติคุณด้านวิทยาการหุ่นยนต์ที่ MIT เขายังได้ร่วมก่อตั้งบริษัทสำคัญสามแห่ง รวมถึง Rethink Robotics, iRobot และความพยายามในปัจจุบันของเขา Robust.ai Brooks ยังบริหาร MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) เป็นเวลาหนึ่งทศวรรษโดยเริ่มตั้งแต่ปี 1997
When Rodney Brooks talks about robotics and artificial intelligence, you should listen. Currently the Panasonic Professor of Robotics Emeritus at MIT, he also co-founded three key companies, including Rethink Robotics, iRobot and his current endeavor, Robust.ai. Brooks also ran the MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) for a decade starting in 1997.
Rodney Brooks ผู้บุกเบิกด้าน robotics ของ MIT คิดว่าผู้คนประเมินค่า generative AI สูงเกินไป
เมื่อ Rodney Brooks พูดถึงวิทยาการหุ่นยนต์ (robotics) และปัญญาประดิษฐ์ (artificial intelligenc) Rodney Brooks ปัจจุบันเป็นศาสตราจารย์กิตติคุณด้านวิทยาการหุ่นยนต์ที่ MIT เขายังได้ร่วมก่อตั้งบริษัทสำคัญสามแห่ง รวมถึง Rethink Robotics, iRobot และความพยายามในปัจจุบันของเขา Robust.ai Brooks ยังบริหาร MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) เป็นเวลาหนึ่งทศวรรษโดยเริ่มตั้งแต่ปี 1997
เขาชอบทำนายอนาคตของ AI และให้คะแนนไว้ในบล็อกว่าเขาแม่นยำแค่ไหน
เขาคิดว่าอาจถึงเวลาแล้วที่จะต้องชะลอกระแสของ generative AI Brooks คิดว่านี่เป็นเทคโนโลยีที่น่าประทับใจ แต่อาจไม่มีความสามารถเท่าที่หลายคนอวย ผมไม่ได้บอกว่า LLM นั้นไม่สำคัญ แต่เราต้องระวัง [ด้วย] ที่จะประเมินสูงเกินไป
เขากล่าวว่า ปัญหาของ generative AI ก็คือ แม้ว่า AI จะสามารถปฏิบัติงานบางอย่างได้อย่างสมบูรณ์แบบ แต่ก็ไม่สามารถทำทุกอย่างที่มนุษย์สามารถทำได้ และมนุษย์มักจะประเมินความสามารถของตนสูงเกินไป
เมื่อมนุษย์เห็นระบบ AI ทำงาน พวกเขาจะสรุปสิ่งที่คล้ายกันทันทีและประเมินความสามารถของระบบ AI ไม่ใช่แค่ประสิทธิภาพในเรื่องนั้นเท่านั้น แต่ยังรวมถึงความสามารถในเรื่องนั้นด้วย” Brooks กล่าว และพวกเขามักจะมองในแง่บวกมากเกินไป
เขาเสริมว่าปัญหาคือ generative AI ไม่ใช่มนุษย์หรือเหมือนมนุษย์ และมีข้อบกพร่องในการพยายามกำหนดความสามารถของมนุษย์ให้กับมัน เขาบอกว่าผู้คนมองว่ามันมีความสามารถมากถึงขั้นต้องการใช้งานมันกับแอพพลิเคชั่นที่ไม่สมเหตุสมผลด้วยซ้ำ
Brooks นำเสนอบริษัทล่าสุดของเขา Robust.ai ซึ่งเป็นระบบหุ่นยนต์ในคลังสินค้าเป็นตัวอย่างในเรื่องนี้ เมื่อเร็วๆ นี้มีคนแนะนำเขาว่า การใช้ LLM จัดการหุ่นยนต์ในโกดังของเขา จะยอดเยี่ยม และมีประสิทธิภาพ อย่างไรก็ตาม ในความเห็นของเขา นี่ไม่ใช่กรณีการใช้งานที่เหมาะสมสำหรับ generative AI และจะทำให้สิ่งต่าง ๆ ช้าลง การเชื่อมต่อหุ่นยนต์เข้ากับชุดข้อมูลที่มาจากซอฟต์แวร์การจัดการคลังสินค้านั้นง่ายกว่ามาก
“เมื่อคุณมีคำสั่งซื้อ 10,000 รายการ ที่เพิ่งเข้ามาซึ่งคุณต้องจัดส่งภายในสองชั่วโมง คุณต้องเพิ่มประสิทธิภาพให้ได้ LLM ไม่ได้ช่วยอะไร มันแค่จะทำให้สิ่งต่าง ๆ ช้าลง” เขากล่าว “เรามีการประมวลผลข้อมูลจำนวนมหาศาลและเทคนิค และการวางแผนการเพิ่มประสิทธิภาพ AI จำนวนมหาศาล และนั่นคือวิธีที่เราทำให้คำสั่งซื้อเสร็จสมบูรณ์อย่างรวดเร็ว”
อีกบทเรียนหนึ่งที่ Brooks ได้เรียนรู้เกี่ยวกับหุ่นยนต์และ AI ก็คือ คุณไม่สามารถพยายามทำอะไรมากเกินไปได้ คุณควรแก้ไขปัญหาที่แก้ไขได้ ซึ่งสามารถรวมหุ่นยนต์เข้าด้วยกันได้อย่างง่ายดาย
เราต้องทำงานแบบอัตโนมัติ ในสถานที่ซึ่งสิ่งต่าง ๆ ได้ถูกเคลียร์พื้นที่อย่างดีแล้ว ตัวอย่างของบริษัทของฉันคือ กิจการคลังสินค้า คลังสินค้ามีข้อกำหนดไว้ค่อนข้างมาก มาตรฐานแสงไฟในคลังสินค้าที่ต่างจากสำนักงาน ไม่มีของวางอยู่บนพื้น ที่กีดขวาง อาจก่อให้เกิดอุบัติเหตุ ไม่มีเศษถุงพลาสติก นั่นคือส่วนใหญ่แล้ว สภาพแวดล้อมเอื้ออำนวยต่อหุ่นยนต์ ไม่มีสิ่งกีดขวาง
Brooks อธิบายว่านี่เป็นเรื่องเกี่ยวกับหุ่นยนต์และมนุษย์ที่ทำงานร่วมกัน ดังนั้นบริษัทของเขาจึงได้ออกแบบหุ่นยนต์เหล่านี้เพื่อวัตถุประสงค์ในทางปฏิบัติที่เกี่ยวข้องกับการปฏิบัติงานในคลังสินค้า แทนที่จะสร้างหุ่นยนต์ที่ดูคล้ายมนุษย์
ในกรณีนี้จะดูเหมือนตะกร้าสินค้าที่มีที่จับ
“ฟอร์มแฟคเตอร์ที่เราใช้ไม่ใช่หุ่นยนต์ฮิวแมนนอยด์ที่เดินไปมา แม้ว่าฉันจะได้สร้างและส่งมอบหุ่นยนต์ฮิวแมนนอยด์มากกว่าใครๆ ก็ตาม สิ่งเหล่านี้ดูเหมือนตะกร้าสินค้า” เขากล่าว “มันมีที่จับ ดังนั้นหากมีปัญหากับหุ่นยนต์ คนก็สามารถคว้าที่จับ และทำสิ่งที่พวกเขาต้องการได้” เขากล่าว
หลังจากหลายปีที่ผ่านมา Brooks ได้เรียนรู้ว่ามันเกี่ยวกับการทำให้เทคโนโลยีสามารถเข้าถึงได้และสร้างขึ้นตามวัตถุประสงค์ “ผมพยายามทำให้เทคโนโลยีเข้าใจง่ายอยู่เสมอ ดังนั้นเราจึงสามารถปรับใช้ได้ในวงกว้าง และพิจารณากรณีทางธุรกิจอยู่เสมอ ผลตอบแทนจากการลงทุนก็มีความสำคัญมากเช่นกัน”
ถึงกระนั้น Brooks ก็บอกว่าเราต้องยอมรับว่ามีกรณีผิดปกติที่แก้ไขได้ยากเสมอเมื่อพูดถึง AI ซึ่งอาจใช้เวลาหลายทศวรรษในการแก้ไข “หากไม่มีการพิจารณาอย่างรอบคอบเกี่ยวกับวิธีการใช้งานระบบ AI ก็มักจะมีกรณีพิเศษที่ยืดเยื้อซึ่งต้องใช้เวลาหลายทศวรรษในการค้นพบและแก้ไข การแก้ไขทั้งหมดที่ขัดแย้งกันคือ AI เสร็จสมบูรณ์ในตัวเอง”
Brooks เสริมว่ามีความเชื่อที่ผิดนี้ ซึ่งส่วนใหญ่ต้องขอบคุณกฎของมัวร์ที่ว่าเทคโนโลยีจะมีการเติบโตแบบทวีคูณเสมอ แนวคิดที่ว่าหาก ChatGPT 4 ดีขนาดนี้ ลองจินตนาการดูว่า ChatGPT 5, 6 และ 7 จะเป็นอย่างไร เขามองเห็นข้อบกพร่องนี้ในตรรกะนั้น เทคโนโลยีไม่ได้เติบโตแบบทวีคูณตาทกฎของมัวร์เสมอไป
ตัวอย่างเช่น เครื่อง iPod เพิ่มขนาดพื้นที่จัดเก็บข้อมูลเป็นสองเท่าจาก 10 GB ไปจนถึง 160GB ถ้ามันดำเนินต่อไปตามกฎของมัวร์ เราจะมี iPod ที่มีพื้นที่เก็บข้อมูล 160 TB ภายในปี 2560 แต่แน่นอนว่า ไม่มี iPod รุ่นที่จำหน่ายในปี 2560 ไม่มีใครต้องการใช้งานเครื่องแบบนั้น
Brooks รับทราบว่า LLM สามารถช่วยเหลือหุ่นยนต์ในอุตสาหกรรมได้ในบางจุด โดยพวกเขาสามารถทำงานเฉพาะด้านได้ โดยเฉพาะอย่างยิ่งเมื่อมีประชากรสูงวัยและมีคนไม่เพียงพอที่จะดูแลหุ่นยนต์เหล่านี้ เขากล่าวว่าถึงอย่างนั้นก็อาจมาพร้อมกับความท้าทายที่เป็นเอกลักษณ์ของตัวเอง
“ผู้คนพูดว่า LLM จะทำให้หุ่นยนต์สามารถทำสิ่งที่พวกเขาทำไม่ได้’ นั่นไม่ใช่ปัญหา ปัญหาของความสามารถในการทำสิ่งต่างๆ นั้นเกี่ยวกับทฤษฎีการควบคุมและการเพิ่มประสิทธิภาพทางคณิตศาสตร์แบบฮาร์ดคอร์อื่นๆ ทุกประเภท” เขากล่าว
Brooks อธิบายว่าในที่สุดสิ่งนี้อาจนำไปสู่หุ่นยนต์ที่มี language interfaces ที่เป็นประโยชน์สำหรับผู้ที่อยู่ในแต่ละพื้นที่ความต้องการ “language interfaces ไม่มีประโยชน์ในคลังสินค้าที่จะออกคำสั่งหุ่นยนต์แต่ละตัว ให้ออกไปย้ายของหนึ่งชิ้นสำหรับแต่ละครั้งของการสั่งงาน แต่อาจเป็นประโยชน์สำหรับการดูแลผู้สูงอายุในบ้านเพื่อให้ผู้คนสามารถพูดสื่อสาร ออกคำสั่งกับหุ่นยนต์ได้” เขากล่าว