AI Chatbot Brains Are Going Inside Robot Bodies. What Could Possibly Go Wrong? (scientificamerican.com)

"Ondanks alle indrukwekkende video's op YouTube van robotmagazijnmedewerkers, robothonden, robotverpleegsters en natuurlijk robotauto's, werkt geen van deze machines met ook maar enige menselijke flexibiliteit en copingvermogen. "Klassieke robotica is erg broos omdat je de robot een kaart van de wereld moet leren, maar de wereld verandert voortdurend", zegt Naganand Murty, CEO van Electric Sheep, een bedrijf waarvan de landschapsrobots te maken hebben met constante veranderingen in het weer. , terrein- en eigenaarvoorkeuren. Voorlopig werken de meeste werkende robots net zoals hun voorgangers een generatie geleden deden: in strak beperkte omgevingen waarin ze een strak beperkt script konden volgen en herhaaldelijk dezelfde dingen deden.

Robotmakers uit welk tijdperk dan ook hadden graag een slim, praktisch brein in robotlichamen willen stoppen. Decennia lang bestond zoiets echter niet. Computers hadden net zo'n idee als hun robot-neven. Toen, in 2022, kwam ChatGPT, de gebruiksvriendelijke interface voor een "groot taalmodel" (LLM) genaamd GPT-3. Dat computerprogramma, en een groeiend aantal andere LLM's, genereren op verzoek tekst om menselijke spraak en schrift na te bootsen. Hij is getraind met zoveel informatie over diners, keukens en recepten dat hij vrijwel elke vraag kan beantwoorden die een robot zou kunnen hebben over hoe de specifieke ingrediënten in een bepaalde keuken in een maaltijd kunnen worden omgezet."

"Het probleem, zegt Singh, een Ph.D. student informatica aan de Universiteit van Zuid-Californië, is dat robotici een klassieke planningspijplijn gebruiken. "Ze definiëren formeel elke actie en de randvoorwaarden ervan en voorspellen het effect ervan", zegt ze. “Het specificeert alles wat wel of niet mogelijk is in de omgeving.” Zelfs na vele cycli van vallen en opstaan ​​en duizenden regels code zal die inspanning een robot opleveren die het niet aankan als hij iets tegenkomt dat zijn programma niet had voorzien."

Dit is wel grappig, want zoals het stukje hierboven laat zien, is AI eigenlijk niet heel veel anders. Alleen is de hoeveelheid informatie waarop de robot/AI getraind is, een stuk groter. De informatiebehoefte is niet veranderd en de werkwijze eigenlijk ook niet - je moet je robot nog steeds op enorme hoeveelheden data trainen om ervoor te zorgen dat ie elke 'actie, randvoorwaarde en effect' kan bepalen.

Als de input ontoereikend is, dan zal de output dat ook nog steeds zijn. Hebben we wel kunnen zien met Google's AI, die bijv. niet in staat bleek een historisch correcte foto van Isaac Newton te produceren.