Umri wa Fedha wa Akili Iliyoingizwa Mwilini: Uchambuzi wa Kina

Akili iliyoingizwa mwilini, ambayo mara nyingi hurejelewa kama akili bandia iliyo katika umbo la kimwili, imekuwa mada moto katika ulimwengu wa teknolojia. Makala hii inachambua hali ya sasa ya teknolojia hii, ambayo inaelezwa kuwa katika "umri wa fedha" - kipindi cha uvumbuzi mwingi kati ya kuibuka kwake na kukomaa kwake kikamilifu. Majadiliano haya yanazunguka kwenye meza ya pande zote iliyofanyika katika mkutano wa Volcano Engine FORCE, ambapo wataalamu kutoka nyanja mbalimbali walichunguza uwezo wa mifumo mikuu ya akili bandia katika kuharakisha maendeleo ya robotiki.

Asili na Historia

Maendeleo ya haraka ya mifumo mikuu ya akili bandia yamechochea uwekezaji mkubwa katika sekta ya robotiki. Hata hivyo, ongezeko hili la ufadhili pia huleta hatari ya soko kupata joto kupita kiasi. Changamoto kuu ni kutambua mafanikio ya kweli katika teknolojia na matumizi yake. Maswali muhimu yanajumuisha:

Je, msisitizo unapaswa kuwa katika kujifunza kwa kuimarisha au kujifunza kwa kuiga?
Je, ni muhimu zaidi kuweka kipaumbele katika kuiga au majaribio ya ulimwengu halisi?
Je, msisitizo unapaswa kuwa katika maono au injini za kimwili?

Mjadala wa meza ya pande zote ulihusisha wataalamu kutoka asili mbalimbali:

Chen Yang: Makamu wa Rais wa Galaxy General Robotics
Shi Lingxiang: Mkuu wa Uvumbuzi katika Volcano Engine (Msimamizi)
Wu Di: Mkuu wa Algorithms Mahiri katika Volcano Engine
Wan Haoji: Mshirika katika Matrix Partners China
Wang Xiao: Mwanzilishi wa Nine Chapters Capital
Yan Weixin: Mwanzilishi mwenza wa Shanghai Zhiyuan Robotics na Msimamizi wa Uzamivu katika Chuo Kikuu cha Shanghai Jiao Tong

Hoja Muhimu za Majadiliano

Ongezeko la Uwekezaji katika Robotiki

Kwa nini msisimko? Matumizi ya akili bandia yamegawanywa katika makundi mawili: matumizi laini (kama vile chatbots na utengenezaji wa video) na matumizi magumu (kama vile robotiki). Robotiki inaonekana kama matumizi magumu yenye matumizi mengi zaidi ya akili bandia.

Msisitizo wa Uwekezaji: Wawekezaji wanatafuta kampuni ambazo zinaweza kuunganisha programu na vifaa, na kuonyesha matumizi ya ulimwengu halisi zaidi ya maonyesho.

Changamoto za Kibiashara: Uuzaji wa roboti kibiashara ni wa polepole kuliko ilivyotarajiwa, hasa katika mazingira magumu kama vile nyumbani na huduma za B2B.

Uratibu kati ya "ubongo" (akili bandia) na "ubongo mdogo" (mifumo ya udhibiti) unahitaji kuboreshwa. Upunguzaji wa gharama ni muhimu kwa kupitishwa kwa wingi.

Njia ya Kuelekea Uuzaji Kibiashara

Makubaliano: Kuna makubaliano ya jumla kwamba robotiki itafanikiwa, lakini muda na kampuni zinazoongoza bado hazijulikani.

Washindi Wengi: Soko halitatawaliwa na kampuni moja, sawa na sekta ya magari ya umeme.

Uuzaji wa Awali: Mifumo mikuu imetoa roboti uwezo bora wa kuingiliana na kufikiri.

Vikwazo vya Kiufundi: Ingawa hakuna vizuizi vya kiufundi visivyoweza kushindwa, mchakato utakuwa mrefu na mgumu kuliko ilivyotarajiwa.

Nafasi ya VC: Wafadhili wa mitaji hatari wana jukumu muhimu katika kuharakisha maendeleo kwa kutoa ufadhili.

Umuhimu wa Akili ya Jumla

Kubadilisha Msisitizo: Msisitizo unapaswa kuwa katika roboti kujibadilisha kwa binadamu na mazingira, badala ya kinyume chake.

Data ya Kuiga: Kutumia kiasi kikubwa cha data ya kuiga ni muhimu katika kuwezesha roboti kuwa na akili ya jumla.

Changamoto za Kuanzisha: Makampuni ya kuanzisha robotiki yanakabiliwa na changamoto kubwa katika teknolojia, maendeleo ya bidhaa, na mifumo ya biashara.

Ushirikiano wa Sekta: Sekta inahitaji ushirikiano katika ugavi na msaada kutoka kwa wawekezaji.

Njia za Kiufundi za Akili Iliyoingizwa Mwilini

Kuiga na Kujifunza kwa Kuimarisha: Kutumia kujifunza kwa kuiga ili kuimarisha kujifunza kwa kuimarisha ni njia inayofaa kwa udhibiti wa mwendo.

Kuiga kwa Viungo vya Chini: Data ya kuiga ni bora kwa udhibiti wa mwendo wa viungo vya chini, lakini urekebishaji wa vigezo na uthabiti wa bidhaa bado ni changamoto.

Msisitizo katika Viungo vya Juu: Kuna haja ya kubadilisha msisitizo kutoka kwa harakati za viungo vya chini hadi uwezo wa jumla wa uendeshaji wa majukumu ya roboti za humanoid.

Uendeshaji wa Majukumu: Msisitizo unapaswa kuwa katika uwezo wa uendeshaji wa majukumu badala ya mwendo tu.

Changamoto za Data: Kukusanya na kuweka data sanifu, hasa kwa majukumu magumu, ni changamoto kubwa.

Data ya Ulimwengu Halisi: Data ya ulimwengu halisi ni muhimu, hasa kwa mwingiliano mgumu wa kimwili ambao ni vigumu kuiga.

Kuiga Dhidi ya Data ya Ulimwengu Halisi

Data ya Kuiga: Data ya kuiga ni ya gharama nafuu zaidi, inaweza kupanuliwa, na ina matumizi mengi kwa ajili ya kutoa mafunzo kwa mifumo ya akili iliyoingizwa mwilini ya madhumuni ya jumla.

Data ya Ulimwengu Halisi: Data ya ulimwengu halisi ni muhimu kwa ajili ya kunasa nuances za mwingiliano wa kimwili, kama vile msuguano na elasticity.

Mifumo ya Ulimwengu: Mara roboti zinapokuwa na mifumo ya ulimwengu inayotegemewa, simulizi kubwa inaweza kutumika kujaribu na kuboresha utendaji wao katika matukio mbalimbali.

Matumizi ya Baadaye

Matumizi ya Karibu (Miaka 2-3)

Utengenezaji wa Viwanda: Roboti zinaweza kufanya kazi ngumu zinazohitaji ustadi katika mazingira yaliyodhibitiwa.
Uendeshaji wa Mbali: Roboti zinaweza kutumika katika mazingira hatari, kama vile kushughulikia vifaa hatari.
Mazingira Yaliyodhibitiwa: Roboti zitatumika katika mazingira yaliyodhibitiwa kama vile migahawa, hoteli, na viwanda.
Majukumu Maalum: Roboti zitatumika kwa majukumu kama vile kuwasilisha chakula, kutengeneza kahawa, na kufanya matengenezo madogo.
Viwanda, Ofisi, na Usalama: Hizi ni maeneo yanayowezekana zaidi kwa matumizi ya awali.

Matumizi ya Muda Mrefu

Mazingira ya Nyumbani: Matumizi magumu zaidi lakini yanayotarajiwa sana ni katika mazingira ya nyumbani.
Majukumu ya Kaya: Roboti hatimaye zitaweza kufanya kazi kama vile kupika, kukunjua nguo, na kusafisha.
Upunguzaji wa Gharama: Kadri teknolojia inavyoendelea, gharama ya roboti itapungua, na kuzifanya zipatikane zaidi kwa watumiaji.
Roboti za Madhumuni ya Jumla: Msisitizo utabadilika kuelekea roboti za madhumuni ya jumla ambazo zinaweza kutumikia mahitaji mbalimbali.
Masuala ya Soko: Makampuni yanahitaji kuzingatia utendaji, uwezo, uwazi, na uvumilivu wa hatari wa matumizi tofauti.

Volcano Engine VeOmniverse

Jukwaa la Kuiga: veOmniverse ni jukwaa linalotegemea wingu kwa ajili ya kuiga roboti na kutoa mafunzo.

Mazingira Halisi: Huunda mazingira halisi ya kidijitali kwa ajili ya kutoa mafunzo na kujaribu roboti.

Gharama Nafuu: Hupunguza hitaji la vifaa vya kimwili na hupunguza gharama za maendeleo.

Mafunzo Kamili: Jukwaa hutumia injini za kuona, injini za kimwili, kuiga sensor, na utengenezaji wa 3D ili kuunda mfumo kamili wa mafunzo.

Usaidizi wa AI: Jukwaa hutumia akili bandia kutoa data ya mafunzo ya ubora wa juu na kuharakisha mchakato wa mafunzo.

Ugeuzaji Kukufaa: Jukwaa liko wazi na linaweza kubadilishwa kukufaa, kuruhusu makampuni kuendeleza matumizi ya mapacha ya kidijitali yaliyobinafsishwa.

Maendeleo Yaliyoharakishwa: Husaidia makampuni kujenga, kuthibitisha, na kuboresha mifumo ya roboti kwa haraka.

Mabadiliko ya Sekta: veOmniverse ni zana muhimu kwa ajili ya mabadiliko ya kiakili na kidijitali ya sekta ya robotiki.