షాకింగ్ విషయం: రోబోట్‌ కు ప్రపంచ జ్ఞానాన్ని ఎలా నేర్పిస్తున్నారో తెలుసా?

— సూర్య ప్రకాష్ జోశ్యుల

భవిష్యత్తులో ఓ రోజు మీ ఇంట్లో ఉన్న ఒక రోబోట్‌ను చూసి — “కిచెన్‌లో ఉన్న నీళ్ల బాటిల్ తీసుకురా” అని చెబుతారు. అది మీ మాట వింటుంది. కిచెన్‌కు వెళ్తుంది. బాటిల్‌ను గుర్తిస్తుంది. కానీ అక్కడితో దాని పని అయిపోదు. బాటిల్ గాజుదా, ప్లాస్టికా? ఎంత బలంగా పట్టుకోవాలి? ముందున్న కుర్చీని ఎలా దాటాలి? నేల తడిగా ఉంటే ఎలా నడవాలి? బాటిల్ చేతిలోకి వచ్చిన తర్వాత మీ దగ్గరకు ఎలా తిరిగి రావాలి? ఇవన్నీ అర్థం చేసుకోకుండా ఆ రోబోట్ మీ మాటను నిజంగా అమలు చేయలేదు.

అయితే ఈ జ్ఞానం రోబోట్‌కు ఎలా వస్తుంది?

ఒక మనిషి దాని పక్కన నిలబడి ఒక్కో పని చేసి చూపించవచ్చు. బాటిల్ ఎలా పట్టుకోవాలో నేర్పించవచ్చు. తలుపు ఎలా తెరవాలో చూపించవచ్చు. తడి నేలపై జాగ్రత్తగా ఎలా నడవాలో చెప్పవచ్చు.

కానీ ప్రపంచంలో ఉన్న ప్రతి వస్తువును, ప్రతి గదిని, ప్రతి రోడ్డును, ప్రతి పరిస్థితిని, ప్రతి ప్రమాదాన్ని ఇలా ఒక్కొక్కటిగా నేర్పించడం సాధ్యం కాదు. ఎందుకంటే ప్రపంచం ఒక instruction manual కాదు.

అయితే మనిషి ఈ జ్ఞానాన్ని ఎలా సంపాదించాడు?

మనకు ఎవరూ ప్రత్యేకంగా “గ్లాసును అంచున పెట్టకూడదు, అది కిందపడుతుంది” అని వేలసార్లు నేర్పించలేదు. చిన్నప్పుడు ఒక గ్లాసు కిందపడటం చూశాం. మరోసారి చూసాం. అది పగిలిపోవడం గమనించాం. క్రమంగా మన మెదడులో ఒక అంచనా ఏర్పడింది. ఇలా చేస్తే ఇలా జరగొచ్చు అని తెలుసుకోవటమే మనిషి ప్రపంచ జ్ఞానం.

ఒక బంతిని విసిరితే అది ఎటు వెళ్తుందో మనం ముందే ఊహిస్తాం. తడి నేల కనిపిస్తే జాగ్రత్తగా నడుస్తాం. వేగంగా వస్తున్న కారు కనిపిస్తే దాని దారిలోకి వెళ్లం. ఒక బరువైన వస్తువును ఒక చేతితో ఎత్తలేమని ముందే అర్థం చేసుకుంటాం. మనిషి ప్రతి పరిస్థితిని విడిగా కంఠస్థం చేసుకోలేదు. ప్రపంచంలో వస్తువులు ఎలా ప్రవర్తిస్తాయో గమనించి, వాటి వెనుక ఉన్న నియమాలను నేర్చుకున్నాడు. ఇప్పుడు AIకి కూడా ఇదే సామర్థ్యాన్ని నేర్పించే ప్రయత్నం జరుగుతోంది.

రోబోట్‌కు పని కాదు.. ప్రపంచాన్ని నేర్పాలి

ఒక రోబోట్‌కు “బాటిల్ తీసుకురా” అని నేర్పడం పెద్ద విషయం కాదు. సమస్య ఏమిటంటే, అది ఇంతకుముందు చూడని బాటిల్ ఎదురైతే?

కొత్త గది అయితే? నేల తడిగా ఉంటే? బాటిల్ కుర్చీ వెనుక ఉంటే? దాన్ని తీసుకునే సమయంలో పక్కనే ఒక మనిషి నడుస్తుంటే? ఇలాంటి పరిస్థితుల్లో రోబోట్‌కు ప్రతి సమాధానాన్ని ముందుగానే చెప్పలేం. అందుకే AI పరిశోధకులు మరో మార్గం వెతుకుతున్నారు. రోబోట్‌కు పనుల జాబితా ఇవ్వడం కాకుండా, ప్రపంచం ఎలా పనిచేస్తుందో నేర్పించాలి. ఒక వస్తువు కదిలితే తర్వాత ఏం జరుగుతుంది?

ఒక మనిషి ఒక అడుగు వేస్తే తర్వాతి కదలిక ఎలా ఉంటుంది? ఒక వస్తువును తోస్తే అది ఎంత దూరం వెళ్తుంది? ఒక బంతిని గాల్లోకి విసిరితే అది ఎక్కడ పడుతుంది? ఒక కారు వేగంగా వస్తుంటే రోడ్డుపై ఉన్న వ్యక్తి ఎలా స్పందించవచ్చు? ఇలాంటి ప్రశ్నలకు AI ముందుగానే అంచనా వేయగలిగితే, అది నిజమైన ప్రపంచంలో మరింత తెలివిగా పనిచేయగలదు.

మరి ఈ ప్రపంచాన్ని AIకి ఎలా చూపించాలి?

ఇక్కడే వీడియో ఒక భారీ classroomగా మారుతోంది. మనిషి ప్రపంచాన్ని కళ్లతో చూస్తూ నేర్చుకుంటాడు. అలాగని ఏఐ ని తగిన ట్రైనింగ్ లేకుండా ఇళ్ళల్లోకి, రోడ్డుపైకి పంపలేం కదా. అలాంటప్పుడు AIకి మాత్రం ప్రపంచాన్ని చూపించడానికి ఒక అపారమైన visual record మన దగ్గర ఉంది. అదే వీడియో.

మనుషులు నడుస్తున్న వీడియోలు. కార్లు రోడ్లపై కదులుతున్న వీడియోలు. పిల్లలు ఆడుతున్న దృశ్యాలు. వస్తువులు పడుతున్న దృశ్యాలు. యంత్రాలు పనిచేస్తున్న వీడియోలు. మనుషులు వస్తువులను ఎత్తడం, పట్టుకోవడం, లాగడం, తోసడం, వదలడం వంటి లక్షల రకాల చర్యలు.

ఒక AI మోడల్ ఈ వీడియోలను కేవలం “ఇక్కడ ఒక మనిషి ఉన్నాడు, అక్కడ ఒక కారు ఉంది” అనే స్థాయిలో కాకుండా, “ఈ చర్య తర్వాత ఏం జరిగే అవకాశం ఉంది?” అనే కోణంలో నేర్చుకోవడం మొదలుపెడితే?

అప్పుడు వీడియో కేవలం ఒక దృశ్యం కాదు. ప్రపంచాన్ని నేర్చుకునే dataగా మారుతుంది.
ఇదే AI పరిశోధనలో ఇప్పుడు చాలా ఆసక్తికరమైన మార్పు. AI ఒక వస్తువును గుర్తించడం మాత్రమే కాదు. ఆ వస్తువు ఎలా కదులుతుందో అర్థం చేసుకోవాలి. ఒక చర్యకు ఎలాంటి పరిణామం ఉంటుందో అంచనా వేయాలి. అంటే AI క్రమంగా ప్రపంచాన్ని simulate చేయడం నేర్చుకోవాలి. దీనినే విస్తృతంగా World Model అనే ఆలోచనతో అనుసంధానిస్తున్నారు.

World Model అంటే ఏమిటి?

సింపుల్‌గా చెప్పాలంటే, ఒక రోబోట్ ప్రపంచంలోని వస్తువులను గుర్తించడం నుంచి, వాటి ప్రవర్తనను అంచనా వేయడం వరకు వెళ్లాలి. మనిషి మెదడు రోజూ ఇదే పని చేస్తుంది.

మీరు ఒక కుర్చీని చూసినప్పుడు దాని మీద కూర్చోవచ్చని తెలుసు. ఒక గోడను చూసినప్పుడు దాని గుండా నడవలేమని తెలుసు. ఒక గ్లాసును అంచుకు దగ్గరగా చూసినప్పుడు అది పడిపోవచ్చని అర్థం చేసుకుంటారు.

ఇవి మనం ప్రతి సెకనుకూ లెక్కలు వేసి నిర్ణయించం. మన మెదడు గతంలో చూసిన అనుభవాల ఆధారంగా తర్వాత ఏమి జరగవచ్చో ముందే అంచనా వేస్తుంది. AIకి కూడా అలాంటి సామర్థ్యం వస్తే, రోబోట్ల సామర్థ్యం పూర్తిగా మారిపోవచ్చు.

అందుకే AI పరిశోధనలో ఇప్పుడు ఒక పెద్ద మార్పు కనిపిస్తోంది. “ఈ పని ఎలా చేయాలి?” అనే ప్రశ్న నుంచి “ప్రపంచం ఎలా పనిచేస్తుంది?” అనే ప్రశ్న వైపు. అలాగే రేపటి రోబోట్‌కు అసలు శక్తి దాని చేతుల్లో ఉండకపోవచ్చు. దాని చుట్టూ ఉన్న ప్రపంచాన్ని అర్థం చేసుకునే మెదడులో ఉండొచ్చు.