Ailsa Chang、ホスト：
人工知能はあなたにレシピを見つけたり、写真を生成したりすることができますが、少なくともまだ夕食を作ったり、夕食を作ったりすることはできません。一部の研究者は現在、AIにロボットに入れて現実の世界で働かせようとしています。 NPRのGeoff Brumfielにはもっとあります。
Geoff Brumfiel、Byline：スタンフォード大学の研究室では、大学院生のMoo Jin Kimは、チャットボットで使用されているAIと同様に、AIを搭載した新しい種類のロボットに取り組んでいます。
Moo Jin Kim：これは、ロボット工学のChatGptの方向への1つのステップですが、それでも多くのことをする必要があります。
ブルムフィール：わかりました。よし。さて、あなたは私にそれがどのようにできるかを見せたいです – それが何ができるか教えてください？
キム：ええ、確かに。それで…
Brumfiel：ロボット自体はかなり目立たない – ちょっとした機械的な腕だけです。それを違うのは、内側にあるものです。通常のロボットは慎重にプログラムする必要があります。エンジニアは、あらゆるタスクの詳細な指示を記述する必要があります。しかし、このロボットは、教えられるAIニューラルネットワークを搭載しています。キムは、単にそれを見せることによって、さまざまなタスクをたくさん行う方法を訓練しました。
キム：基本的に、あなたがやりたい仕事のように、あなたはたぶん50回または100回のように何度も何度もやり続けています。
Brumfiel：ロボットのAIニューラルネットワークが学習し、それ自体でタスクを行います。キムはさまざまな種類のトレイルミックスのトレイを持ち出し、私はそれを望んでいることを入力します。
さて、ナッツをボウルに入れた緑のものをすくいます。
キム：大丈夫。
Brumfiel：何が起こるか見てみましょう。
ロボットにその場で何かをするように言うことができるというこの考えは、チェルシー・フィンの夢です。彼女はスタンフォードの研究室を率いています。
Chelsea Finn：そのため、長期的には、あらゆる状況でロボットがインテリジェントに動作できるようにするソフトウェアを開発したいと考えています。
Brumfiel：インテリジェントに、彼女はロボットがいくつかの緑のコマンドをボウルにすくい、現実の世界で実行するなど、単純なコマンドを理解できることを意味します。
FINN：サンドイッチを作ることができたり、キッチンを掃除したり、食料品店の棚を埋めることができるようにするなど、非常に基本的なことをするだけです。
Brumfiel：シンプルで退屈な仕事多くの人間は機械から手を取りたいと思っています。フィンは、物理的知能と呼ばれるスタートアップの共同設立者でもあります。最近、ドライヤーから洗濯物を取り出して折りたたむことができるモバイルロボットを実証しました。繰り返しになりますが、ロボットは人間が強力なAIプログラムを訓練することによって教えられました。
FINN：その場合、実際にアパートにあるワークステーションがあり、アクションを計算してからネットワークを介してロボットに送信していました。
Brumfiel：そのため、Wi-Fiの範囲外にロボットが引き継ぐことを心配する必要はありません。
フィン：（笑）私は、私は彼らがまったく引き継ぐことを心配する必要はないと思います。私たちはそれらにいくつかの水を投げることができます、そして、ほとんどの場合、それらはとにかく機能しません…
Brumfiel：これらのAIロボットはまだ混乱し、誤解され、間違いを犯し、ただ立ち往生しています。
Ken Goldberg：ロボットは突然、サイエンスフィクションの夢に一晩になることはありません。
ブルムフィール：ケンゴールドバーグは、カリフォルニア大学バークレー校の教授であり、ロボット工学を研究しています。 AIのテキストライティングが過去数年で大幅に改善されたことは事実ですが、それはチャットボットには膨大な量のデータがあるためです。彼らは基本的にインターネット全体を取り、文章を書いて絵を描く方法を自分で訓練しました。しかし、ゴールドバーグは言います…
Goldberg：ロボット工学には何もありません。最初から何もありませんよね？ロボット入力に応じて生成されているロボットコマンドのオンラインの例はありません。
Brumfiel：そして、ロボットが仮想チャットボットの友人と同じくらい多くのデータを必要とする場合、人間に一度に1つのタスクに1つのタスクを教えてもらうには、しばらく時間がかかります。
Goldberg：あなたは、この現在のレートで、その多くのデータを取得するために100、000年かかることを知っています。
Brumfiel：1つの解決策は、コンピューターシミュレーション内でAIを学習させることです。スイスの研究者は最近、AIを搭載した脳をシミュレータに入れ、何度も何度もプリセットコースを実行することにより、ドローンのレース方法を訓練しました。
（ドローンフライングのサウンドバイト）
Brumfiel：現実の世界に入ったとき、熟練した人間の敵よりも速く、より良い屋内コースを定期的に飛行することができました。
（ドローンフライングのサウンドバイト）
Brumfiel：しかし、シミュレートされていなかったもの – 風、雨、日光 – はドローンをクラッシュさせ、飛び回ることはかなり簡単です。折りたたみ洗濯物のようなものと対話しようとすると、シミュレートが本当に難しくなります。したがって、現実世界のトレーニングは遅すぎます。シミュレーションはいくつかの重要な詳細を除外します。また、一部の研究者は、AIをロボットに入れようとすることにさらに深い問題があると考えています。そのうちの1人は、ピッツバーグのカーネギーメロン大学のマシュージョンソンローバーソンです。
マシュー・ジョンソン・ローバーソン：私の考えでは、問題はそうではありません。十分なデータがありますか？それだけです、問題のフレーミングは何ですか？
Brumfiel：AIチャットボットに1分間戻る、とジョンソン・ロバーソンは、彼らの信じられないほどのスキルのすべてについて、私たちが彼らに求めているタスクは比較的簡単です – 人間のタイプを見て、ユーザーが見たい次の言葉を予測しようとします。ロボットは、文を作成する以上に多くのことをしなければなりません。
Johnson-Roberson：次の最高の単語予測は非常にうまく機能します。これは非常に簡単な問題です。次の単語を予測しているだけです。そして今は明らかではありません – 私は20時間のGoPro映像を取り、ロボットが世界でどのように動き回るかに関して賢明なものを生成することができます。
Brumfiel：言い換えれば、SFロボットにしたいタスクは、文章と比較して非常に複雑であり、研究者がロボットを教えるためのより良い方法を見つけられない限り、データは十分ではありません。
チェルシー・フィンの研究室に戻って、大学院生のム・ジン・キムと私は、ロボットが私が求めていたトレイルミックスをすくい上げようとするのを見ています。ビデオフィードでは、右ビンにXを配置し、キムの安reliefにします。
キム：通常、そのスポットはすぐそこにオブジェクトを識別し、それに行く場所です。それが私たちが息を止める部分です（笑）。
Brumfiel：その後、非常にゆっくりとためらいながら、爪で届き、スクープを拾います。
（トレイルミックスドロップのサウンドバイト）
Brumfiel：Moo Jin、ロボットをプログラムしましたか？
キム：（笑い）した。機能しているようです。
Brumfiel：それは非常に小さなスクープですが、正しい方向のスクープです。
Geoff Brumfiel、NPRニュース。
（音楽のサウンドバイト）
NPRトランスクリプトは、NPR請負業者によって急いで締め切りに作成されます。このテキストは最終的な形ではなく、将来更新または改訂される場合があります。精度と可用性は異なる場合があります。 NPRのプログラミングの権威ある記録はオーディオレコードです。
#ChatGptはエッセイを書くのに役立ちます科学者は洗濯洗浄を開始することを望んでいますNPR