Siamo pronti a ospitare un robot in casa che svolge le faccende domestiche al posto nostro? Dall’Università di Princeton arriva TidyBot. La grandissima novità del robot, sviluppato in sinergia con Stanford e Google, è che si basa su un modello linguistico di grandi dimensioni in grado di far comprendere a TidyBot input generici e memorizzare le consuetudini di chi lo utilizza.
Tutti noi ci siamo stupiti enormemente con gli sviluppi dell’intelligenza artificiale. L’incontro con ChatGPT e le altre IA generative ci hanno fatto realizzare a che punto l’umanità è riuscita a giungere dopo anni e anni di ricerca. Gli sviluppi, però, sono ancora tutti da comprendere. Mentre il settore ha conquistato il mondo sfruttando un vuoto legislativo che sarebbe fondamentale, e sui cui i governi mondiali stanno lavorando, qualcuno studia già le applicazioni.
Il mondo della robotica, com’è facile immaginare, è legato a doppio filo con quello dell’intelligenza artificiale. Finora, infatti, tutti gli esperimenti realizzati erano macchinari in grado di svolgere in autonomia compiti preassegnati. Per svolgere queste mansioni, i robot venivano addestrati su una quantità definita di dati, i quali gli permettevano di compiere attività specifiche. La grande rivoluzione che l’IA ha dato in prestito al mondo della robotica, però, si chiama LLM, o Large Language Model.
Con l’applicazione di questi modelli linguistici di grandi dimensioni, i robot possono compiere quel salto di qualità che fino ad ora è sempre mancato tra le loro possibilità. Mentre il vicepresidente di Amazon dice la sua sul futuro della robotica, le aziende continuano a creare innovazione anche su questo fronte. L’Università di Princeton, quella di Stanford e Google, dunque, si sono impegnate per dare vita a TidyBot, un robot in grado di riordinare gli oggetti in disordine presenti in una stanza.
Gli esperimenti, per ora, riportano un grado di successo dell’85%: un risultato impensabile qualche anno fa. L’applicazione dell’LLM GPT-3 Davinci-003 e la rete neurale CLIP hanno fatto in modo che il robot fosse estremamente adattivo e che potesse riconoscere anche comandi non stretti. Per dirla breve, non c’è bisogno di dirgli dove va esattamente ogni oggetto: le indicazioni possono essere più generiche e TidyBot rileva le consuetudini di chi gli fornisce l’ordine per sistemare al meglio gli oggetti. Con questo metodo, in futuro, i robot potranno imparare a svolgere mansioni per cui non erano originariamente programmati.