Ένας παγωτός ρομπότης αξίας 220 δισ.: Η δεξιά χείρ γίνεται η μηχανή που τυπώνει χρήση στην ενσωματωμένη νοημοσύνη

Στο DQ της Οδού Wu Jiang στην Σàngχαι, ένας ρομπότης κάνει κάτι που φαίνεται “αμαθές”: παίρνει το μπουκάλι από το απολυμαντικό, βγάζει το χαρτομάντηλο, τον ευθυνομεί προς τη μηχανή παγωτό, ρίχνει κομμάτια Ορέο, ανακατεύει, καθαρίζει το άκρο του μπουκάλια και τέλος το αναποδογυρίζει — για να ελέγξει το σύμβολο του DQ “ανατρεπόμενο μπουκάλι χωρίς να χύσει”. Ολόκληρη η διαδικασία είναι 55 βήματα, volledig αυτόνομη, ενώ ο υπάλληλος παραμένει αχρήστους δίχως να touching το μηδενικό.

Ο υπάλληλος χρειάζεται 2‑3 λεπτά για ένα παγωτό. Ο ρομπότης χρειάζεται 6 λεπτά. Διπλάσιος χρόνος… αλλά κανένας τον πιέζει. Γιατί το DQ και η Sharpa, η εταιρεία πίσω από τον ρομπότη, δεν ενδιαφέρονται για την ταχύτητα. Ενδιαφέρονται για τα δεδομένα.

Τέλος θα σας δείξω τρεις τρόπους που κανένας μπορεί να χρησιμοποιήσει για κέρδος.

Αυτό δεν είναι κατώφλι, είναι προετοιμασία ανώτερου επιπέδου

Η πρώτη αντίδραση των περισσότερων όταν βλέπουν την ειδήση είναι: “Μια εταιρεία αξίας 100 δισ. που δουλεύει σε μια παγωτόπωληση; Αυτό είναι υπερβολική χρήση.”
Άν το πείτε αυτό, δεν έχετε καταλάβει τη λογική του ανταγωνισμού στην ενσωματωμένη νοημοσύνη.

Τα “ρομπότα” που συναντάτε στα εστιατόρια — φέρνουν πιάτα, φέρνουν γεύση, κινούνται εδώ και κεί — είναι απλά καρέκλα με ρόδες. Εργάζονται σε χαμηλή ελευθερία κίνησης: μεταφορά. Χρειάζονται μόνο να περπατούν, να αποφεύγουν przeszkоды και να φτάνουν σε θέση. Το τεχνικό επίπεδο είναι σχεδόν μηδέν, ο consequently ο προστατευτικός χάρακας είναι ανύπαρκτος.

Η Sharpa όμως δεν θέλει αυτό. Θα βουτήξει στην κουζίνα, θα χρησιμοποιήσει τον ίδιο εξοπλισμό, τα ίδια υλικά, τα παγκόσμια πρότυπα και θα ολοκληρώσει ολόκληρο τη ροή από την αρχή έως το τέλος.

Ο fondateur της Sharpa, Li Yifan, είπε κάτι σκληρό: “Αν ένας πολύπλοκος, με δέκαтки βαθμοί ελευθερίας, με όραση και έλεγχο δύναμης, ανθρώπινος ρομπότης τελικά κάνει μόνο τη δουλειά που μπορεί να κάνει ένας απλός μηχανικός βραχίονας — όπως να poderei έναν καφέ — τότε το κόστος δεν θα είναι ποτέ αποδοτικό.”

Η ουσία είναι: ο ρομπότης δεν μπορεί να ζητήσει το περιβάλλον να προσαρμοστεί σε αυτόν, δεν μπορεί να κάνει 9 βήματα και να αφήσει το τελευταίο βήμα για τον άνθρωπο να το “καθαρίσει”. Αυτό δεν είναι παραγωγικότητα — είναι απλώς δουλειά για τον ρομπότη.

Εδώ είναι γιατί το DQ είναι δύσκολο: τα 55 βήματα είναι συνδεδεμένα. Το χαρτομάντηλο είναι μαλακό, η σκληρότητα του παγωτό αλλάζει με τη θερμοκρασία, οι τρεις προσθήκες φαίνονται ομοιόμορφες στην όραση — μια μικρή λάθος και όλη η διαδικασία αποτυγχάνει.

Και ακριβώς αυτό είναι αυτό που η Sharpa θέλει: τα δεδομένα αποτυχιών.

Η πραγματική τείχος δεν είναι οι χιπ, είναι τα “πέσματα”

Ποιο είναι το μεγαλύτερο εμπόδιο στην ενσωματωμένη νοημοσύνη;

Δεν είναι το να βλέπεις βίντεο και να μαθαίνεις την κίνηση. Αν δώσετε στο GPT εκατόν φορές βίντεο για την κατασκευή παγωτό, δεν θα μάθει πόση δύναμη να χρησιμοποιήσει για να κρατήσει το μπουκάλι — γιατί τα βίντεο δεν έχουν αφή, δεν έχουν αίσθηση δύναμης, δεν έχουν τη λογική επιδιόρθωσης μετά από λάθος.

Βλέποντας έναν άνθρωπο να κάνει μια κίνηση, ξέρετε μόνο πόσο ψηλά ανεβάζει το χέρι. Αλλά δεν ξέρετε πόση δύναμη χρειάζεται για να μην σπασθεί το χαρτομάντηλο, δεν ξέρετε αν η χύση προέρχεται από λάθος ευθυνότητας στη προσθήκη ή από ταχύτητα ανακάτεμα, και δεν ξέρετε ποιο θα είναι