فزیکل AI وینچر کی سرمایہ کاری کے سب سے مشہور شعبوں میں سے ایک ہے، جس میں کمپنیاں ان ٹولز کو لاگو کرنے کے لیے اربوں اکٹھا کرتی ہیں جنہوں نے ہمیں روبوٹکس کے لیے بڑی زبان کے ماڈل فراہم کیے ہیں۔
اس جوش و خروش نے چین کے معروف روبوٹ بنانے والی کمپنی Unitree کے لیے ایک بڑا IPO فراہم کرنے میں مدد کی، جس نے NASDAQ کے چین کے برابر آنے کے بعد کمپنی کی مالیت $66 بلین دیکھی۔ اس ہفتے، تاہم، نیچے گر گیا، اور کمپنی نے اپنی قدر کا تقریباً نصف کھو دیا۔ تجزیہ کار ایک واضح مسئلے کی طرف اشارہ کرتے ہیں: جب کہ روبوٹس کی جسمانی صلاحیتیں بہتر ہو رہی ہیں، لیکن ان کے پاس ابھی بھی قدر پیدا کرنے کا کام کرنے کا طریقہ نہیں ہے۔
گزشتہ ہفتے کی Actuate کانفرنس میں، روبوٹ کے لیے AI دماغ بنانے والے ڈویلپرز کا ایک اجتماع، جوش و خروش واضح تھا۔ 2023 میں شروع ہونے کے بعد سے ایونٹ کا سائز تین گنا بڑھ گیا ہے، اور اس کے 1500 شرکاء تھے، آرگنائزر، Foxglove کے مطابق، ایک کمپنی جو جسمانی AI ماڈل بنانے والوں کو ان کے ڈیٹا کا انتظام کرنے اور اسے دیکھنے میں مدد کرتی ہے۔
خطرہ بھی واضح تھا: ایک اور فزیکل AI انفراسٹرکچر پلیئر، Avala کے بوتھ پر ایک نشان نے "روبوٹکس ڈیٹا بحران" کو حل کرنے کا وعدہ کیا۔
یہ بحران AI ماڈلز کے لیے اعلیٰ معیار کے تربیتی ڈیٹا کی کمی ہے۔ عام روبوٹ بنانے کی کوششیں جو کسی بھی کام کو انجام دے سکیں، ابھی دور کی بات ہے، اور مخصوص کاموں کے لیے آخر سے آخر تک سیکھنے کے استعمال نے ابھی تک قابل اعتماد، تجارتی کارکردگی کے ساتھ مصنوعات فراہم نہیں کی ہیں۔ ڈویلپرز کے لیے، اس کا جواب یہ ہے کہ فرنٹیئر AI لیبز کی پیشرفت کی بہتر طریقے سے نقل کریں — مزید متنوع ڈیٹا سیٹ تلاش کریں یا تخلیق کریں، مختلف تربیتی نظاموں کے ساتھ گڑبڑ کریں، اور بہتر کمک سیکھنے کے منظرناموں کا پتہ لگائیں۔
ہیری میلسوپ، انٹیوچ کے بانی، ایک سٹارٹ اپ جو ماڈل بنانے والوں کے لیے سمولیشن ٹولز بناتا ہے، تجویز کرتا ہے کہ فزیکل AI اپنے "GPT 2 دور" میں ہے، OpenAI ماڈل جو ChatGPT کی آمد سے پہلے کا تھا۔ کوبڑ کو عبور کرنے کے لیے مزید ڈیٹا اور کمپیوٹ کی ضرورت ہوگی، خاص طور پر رے ٹریسنگ کے لیے موزوں GPUs، جو کہ اعلیٰ مخلصی کی نقلیں بنانے کے لیے استعمال ہوتے ہیں۔
آگے سب سے آگے خود مختار گاڑیاں ہیں، جس کا ایک حصہ لوگوں کی طرف سے چلائی جانے والی کاروں سے متعلقہ ڈیٹا اکٹھا کرنے کی صلاحیت کی وجہ سے ہے، اور جزوی طور پر اس لیے کہ بنیادی کام رابطے سے بچنا ہے، جسمانی ماحول میں ہیرا پھیری نہیں کرنا۔ ماڈل بنانے کے لیے زیادہ تر ٹولنگ خود مختار گاڑیوں کی کمپنیوں سے آتی ہے۔ مثال کے طور پر، Foxglove کی بنیاد Cruise کے سابق ملازمین نے رکھی تھی، جو کہ جنرل موٹر کی سابقہ سیلف ڈرائیونگ کوشش تھی۔
اور اب وہ کار کمپنیاں تیزی سے یہ شرط لگا رہی ہیں کہ ایم ایل ٹولنگ میں ان کی سرمایہ کاری انہیں ہیومنائڈ بنانے والوں کے ساتھ مقابلہ کرنے کی اجازت دے گی۔ Tesla پہلے سے ہی اپنے Optimus روبوٹ کے ساتھ اس کی کوشش کر رہا ہے، اور اب AV-focused Wayve اور رائیڈ شیئر دیو اوبر دونوں نے R&D کی کوششوں کے طور پر ہیومنائیڈ فارم فیکٹرز پر مرکوز روبوٹکس لیبز کا آغاز کیا ہے۔
"مجھے لگتا ہے کہ آپ کو گاڑیوں میں شروع کرنے کی ضرورت ہے… ہیرا پھیری روبوٹکس پانچ سال پہلے خود ڈرائیونگ کی طرح ہے،" الیکس کینڈل، ویو کے سی ای او نے ٹیک کرنچ کو بتایا۔ "ڈیٹا انفراسٹرکچر، سمولیشن، ML ops انفراسٹرکچر، شاید شیئر کیا جائے گا، لیکن سمیلیٹر کے لیے مخصوص عالمی ماڈل ایک مختلف پوسٹ ٹریننگ ہو گا۔ اس سے کہیں زیادہ مشترکات بہت زیادہ ہوں گی، لیکن پھر مختلف مجسموں کے لیے کچھ فرق ہونے کی ضرورت ہے۔"
کینڈل کا استدلال ہے کہ کسی ایک ہارڈویئر پلیٹ فارم سے وابستگی کرنا بہت جلد ہے — سینسرز اور دیگر اجزاء میں پیشرفت تیزی سے آرہی ہے، اور واقعی ایک عام ماڈل زیادہ اجناسٹک ہونا چاہیے۔
جینیسس AI کے سی ای او تھیوفیل گیرویٹ، ایک عمودی طور پر مربوط ہیومنائیڈ روبوٹکس کمپنی جس نے اس سال $105 ملین کا بیج اکٹھا کیا، اس سے متفق نہیں، TechCrunch کو بتاتے ہوئے کہ "ہم دماغی حکمت عملی کے کام کرنے کے لیے اس لہر میں بہت جلد ہیں؛ ہمارے پاس ہارڈ ویئر اور AI کو مشترکہ ڈیزائن کرنے کے بہت سے مواقع ہیں۔"
Gervet نے اس شعبے کے ایک اور گرم موضوع پر بھی بات کی: خاص طور پر اپنے جسمانی AI کاروبار پر کس طرح توجہ مرکوز کی جائے۔ روبوٹکس کمپنیاں جو مخصوص کاموں کو نشانہ بنا رہی ہیں وہ اپنے روبوٹ کو میدان میں اتار رہی ہیں — گرٹ سولر فارمز بنا رہی ہے، چستی صنعتی ترتیبات میں روبوٹ تعینات کر رہی ہے، اور بیڈرک خود مختاری سے کھدائی کرنے والوں کو چلا رہی ہے۔ دریں اثنا، عام مقصد کے ہیومنائڈز لیبز سے باہر نہیں نکل رہے ہیں۔
"کسی بھی صارف کو عام مقصد کے روبوٹ کی پرواہ نہیں ہے جو 80٪ کامیابی کی شرح پر کام کرتا ہے،" Gervet نے مخمصے کے بارے میں کہا۔ "ہم دیکھتے ہیں کہ بہت سے دوسرے کھلاڑی عام ہوتے ہیں، لیکن کوئی قدر فراہم نہیں کی جاتی ہے کیونکہ وہاں کوئی عمودی توجہ نہیں ہے... لیکن پھر، اگر آپ GPT 2 کے اوپر [ایک تنگ کے لیے] عمودی تعمیر کر رہے ہیں، تو آپ GPT 4 پر کمپنی کی عمارت سے کچل جائیں گے۔"
تاہم، کسی مخصوص عمودی میں سرمایہ کاری کرنے کا لالچ دلکش ہے کیونکہ یہ نہ صرف آمدنی بلکہ حقیقی دنیا کی تعیناتی کا ڈیٹا بھی فراہم کرتا ہے۔ اگرچہ کام کے مخصوص ڈیٹا میں عام مقصد کے ماڈلز کو آگے بڑھانے کے لیے کافی تنوع نہیں ہوسکتا ہے، لیکن یہ ایک روبوٹ بنانے کے لیے اہم ہے جو قدر میں اضافہ کرے۔ بیڈرک سی ٹی او کیون پیٹرسن نے نوٹ کیا کہ ان کی کمپنی "جنگل میں ہیرا پھیری" کے چیلنجوں کو سمجھنے کے لیے صرف کھدائی شروع کر رہی ہے، لیکن ایک انٹیلی جنس پرت تیار کرنے کا ارادہ رکھتی ہے جو تعمیراتی مشینوں کی ایک سیریز میں پھیلی ہوئی ہے۔
اس تمام ڈیٹا کا انتظام کرنا ایک چیلنج ہے، خاص طور پر بصری اور لیڈر ڈیٹا کی کثافت کی وجہ سے۔ Foxglove نے اس ہفتے ایک نئی پروڈکٹ کا اعلان کیا، جو Nvidia کے Cosmos اوپن ویٹ ورلڈ ماڈل کے اوپر بنایا گیا ہے، جو انجینئرز کو اس ڈیٹا کو نفیس قدرتی زبان کے سوالات کے ساتھ تلاش کرنے کی اجازت دیتا ہے تاکہ تشخیص اور نقالی تیار کی جا سکے۔ مقصد تیز تر ٹرائیج اور ڈیبگنگ ہے تاکہ ماڈل بنانے والے تیزی سے اعادہ کرسکیں۔
تو فزیکل AI کے لیے وہ ChatGPT لمحہ کیا ہوگا جس کے بارے میں سیم آلٹ مین نے حال ہی میں کہا تھا کہ ابھی چند سال باقی ہیں؟ کینڈل بتاتے ہیں کہ دنیا میں سب سے بڑی روبوٹ تعیناتی اب بھی کنزیومر ویکیوم بوٹس ہیں۔ اس کے لیے، ChatGPT لمحہ کچھ ایسا ہوگا جو صارفین کو پرجوش کرتا ہے، نہ کہ سرمایہ کار، جو پہلے ہی کافی پرجوش دکھائی دیتے ہیں۔
"اس کی ایک مثال یہ ہو گی کہ جب آپ کو گاڑی میں $1000 [ہارڈ ویئر کی مالیت] سے کم میں خود مختاری ملے گی،" کینڈل کہتے ہیں۔ اتفاقی طور پر نہیں، ان کی کمپنی کار سازوں کو ماڈلز کا لائسنس دے رہی ہے تاکہ وہ اسے تیار کر سکیں۔ اور وہ کاروبار، جسے وہ ملٹی بلین ڈالر کے مواقع کے طور پر دیکھتا ہے، انہیں واقعی ایک عام مجسم AI ماڈل بنانے کی اجازت دے گا۔
Gervet کے لیے، وہ لمحہ جب جسمانی AI حقیقی ہو جاتا ہے "ہیرا پھیری جو صرف باکس سے باہر کام کرتی ہے۔ آپ کسی روبوٹ سے قدرتی زبان میں بات کر سکتے ہیں اور اسے ہیرا پھیری کے لیے کوئی بنیادی کام کرنے کے لیے کہہ سکتے ہیں، جیسے کہ دھکیلنا، کھینچنا، لیپ ٹاپ بند کرنا، میز صاف کرنا، جو بھی آپ کرنا چاہتے ہیں، اور یہ قابل اعتمادی کے کچھ درجے تک کام کرتا ہے، آئیے آپ کے roughbox کے %0 سے باہر نکلیں"۔ چیٹ جی پی ٹی کا تجربہ۔
فاکس گلوو کے سی ای او ایڈرین میکنیل اس سوال کو قدرے مختلف انداز میں دیکھتے ہیں۔
"روبوٹکس کے لیے ChatGPT لمحہ نہیں ہوگا،" اس نے TechCrunch کو بتایا۔ "جس چیز نے چیٹ جی پی ٹی کو وقت میں ایک لمحہ بنایا وہ تقسیم تھا — وہ ایک ہفتے میں صفر سے لے کر ایک ملین فعال صارفین کو پسند کر گئے… حقیقی دنیا میں تقسیم اس سے کہیں زیادہ مشکل ہے، ٹھیک ہے؟ میں روبوٹکس میں Apple II لمحے یا روبوٹکس میں IBM PC لمحے کے لیے بہت پرجوش ہوں گا۔ میں کب ایک گھریلو روبوٹ کی طرح خرید سکتا ہوں جو کچھ مفید کام شروع کرے گا؟"
