Ako vam do sada mogućnosti "robotskog psa" Spota nisu bile pomalo jezive ili distopijski zastrašujuće, uskoro bi to mogle postati. Iskoristivši veliki napredak generativne umjetne inteligencije u Boston Dynamicsu su u jedan demo primjerak tog robota ugradili mogućnost komunikacije prirodnim jezikom.
S projektom su bili započeli ovoga ljeta, s ciljem istraživanja korištenja naprednih jezičnih modela i chatbotova u domeni robotike, gdje njihovi roboti već koriste AI sustave za snalaženje u prostoru i obavljanje redovnih zadaća. Sada, uz dodatak jezičnog modela, Spot može i razumjeti pitanja te na njih odgovoriti.
Od chatbota do chatrobota
Inženjeri, koji su radili na ovom projektu, kažu da ih je posebno inspirirala činjenica da jezični modeli mogu preuzeti različite osobnosti, pa su i tu mogućnost odlučili dati svojem Spotu. Osim što, dakle, procesira prirodni jezik i komunicira s ljudima prema potrebi, Spot u ovom "pričljivom" izdanju improvizira s tekstom, u skladu s osobnošću koja je u tom trenutku aktivirana.
Objavljeni video pokazuje neke od tih osobnosti – poput otmjenog batlera, turističkog vodiča, šekspirijanskog vremenskog putnika ili robota tinejdžera. Sa softverske strane projekt je prilično opsežan, pa uključuje sustave za prepoznavanje i razumijevanje govora (speech-to-text) ili napisanog teksta, potom sustav "turističkog vodiča" koji sve koordinira, kao i integraciju jezičnog modela ChatGPT-a i text-to-speech pretvarača.
S hardverske strane Spot je za ove potrebe nadograđen mikrofonima i zvučnicima te komunikacijskim modulom, budući da se procesiranje i upravljanje govorom odvija na izdvojenom računalu. Kako bi ga se aktiviralo, potrebno je izgovoriti ključnu frazu "Hej, Spot!", nakon čega će robotski pas početi "slušati" naredbe.
Zabavni rezultati
Iz Boston Dynamicsa pišu da je integracija jezičnog modela u naprednog robota donijela i nekoliko zanimljivih primjera ponašanja, koji su se pojavili tijekom testiranja, a nisu bili unaprijed programirani. Recimo, kada je upitan "Tko je Marc Raibert?", Spot je odgovorio "Ne znam. Pođimo do IT help deska pitati", pa se zaista uputio prema odjelu za pomoć i tamo upitao osoblje za tu osobu. U drugom primjeru pitali su ga tko su mu roditelji, a on ih je odveo u sobu gdje su izložene prethodne verzije Spota i Big Dog robota, pa njih identificirao kao svoje pretke.
Tvorci ovog "čudovišta" kažu da pojava ovakvog ponašanja iznenađuje, ali da nije dokaz da su veliki jezični modeli samosvjesni ili inteligentni u ljudskom smislu. No, pokazuju moć statističkog asocijativnog povezivanja koncepata koje može zavarati ljude. Iznenadila ih je i vrhunska sposobnost ostajanja u zadanom karakteru i konstantnom odgovaranju u traženom stilu (zajedljivi i sarkastični stilovi posebno su se dobro "primili").
Halucinacije i lag
Od nedostataka, i Spot pati od AI halucinacija kao i svi jezični modeli te često izmišlja nepostojeće činjenice. Također, primijećen je i oveći lag u komunikaciji. Od postavljanja pitanja do robotovog odgovora može proći i do 6 sekundi, a problem mu ponekad stvaraju i problemi s internetskom vezom ili preopterećeni serveri ChatGPT-a.
Ipak, iz kompanije najavljuju daljnji razvoj ovog koncepta. Mogućnost da ovakvom robotu zadate zadatak prirodnim govorom omogućit će njegovo korištenje daleko većem broju ljudi, bez potrebe za edukacijom oko upravljanja robotom. "Svijet u kojem roboti općenito mogu razumjeti što govorite i pretvoriti to u korisnu akciju vjerovatno nije tako daleko. Takva bi vještina omogućila robotima bolju izvedbu kada rade s ljudima i oko njih – bilo da služe kao alat, vodič, suputnik ili zabavljač", zaključuju iz Boston Dynamicsa.
