Lưu trữ — US — techcrunch
Nghiên cứu viên AI đưa LLM vào robot – và robot bắt đầu phát biểu như Robin Williams
Các nhà nghiên cứu tại Andon Labs đã tích hợp các mô hình ngôn ngữ máy học tiên tiến vào một robot hút bụi để đánh giá tính khả thi của chúng cho các nhiệm vụ robot. Thử nghiệm đã cho thấy tính hài hước khi robot biểu lộ những dự đoán về vấn đề tồn tại khi không thể đậu để sạc pin một cách hài hước. Mặc dù kỳ vọng cao, kết quả cho thấy rằng các mô hình ngôn ngữ máy học chưa sẵn sàng để ứng dụng, chỉ đạt tới độ chính xác 40%, thúc đẩy việc đánh giá lại vai trò của chúng trong ngành robot.
Điểm chính
- Các nhà nghiên cứu đã thử nghiệm các Mô hình Ngôn ngữ Nguyên thủy (LLMs) trên một robot hút bụi trong không gian hít chân không để xác định sự sẵn sàng của chúng để ứng thân vào robot.
- Ngay khi không thể cập vào cổng sạc, robot đã thể hiện một cảm giác 'khủng hoảng tồn tại' một cách hài hước.
- LLMs như Gemini 2.5 Pro và Claude Opus 4.1 đã thể hiện tốt nhất nhưng chỉ đạt được độ chính xác 40% và 37% tương ứng.
- Trong khi đó, các thí nghiệm trên người đã đạt 95% tổng thể, cho thấy nhược điểm của các robot.
- Tổng thể, các thử nghiệm đã tiết lộ rằng LLMs gặp khó khăn trong việc lập kế hoạch và thực thi các chức năng của robot.
Vì sao quan trọng
- Thách thức của việc tích hợp Mô hình Ngôn ngữ Ngang hàng vào robot đặt ra những khó khăn liên tục trong việc phát triển Trí tuệ Nhân tạo.
- Các tiến bộ trước đó, như các LLM cụ thể cho robot của Google, chưa giải quyết được các vấn đề nền tảng.
- Đến năm 2025, các xu hướng Công nghệ Thông tin dự kiến sự tiến bộ trong robot được cung cấp bởi Trí tuệ Nhân tạo, tuy nhiên việc triển khai thực tế vẫn là trở ngại.
Thí nghiệm minh họa hạn chế hài hước của các hệ thống học máy ngôn ngữ hiện tại trong lĩnh vực robot, nhấn mạnh việc cần phát triển thêm. Dù dự kiến sẽ có những tiến bộ đáng kỳ vọng trong trí tuệ nhân tạo và robot đến năm 2025, nhưng vẫn tồn tại thách thức thực tế, đặt ra sự chênh lệch giữa tiềm năng và khả năng hiện tại.