यूसी बर्कले के रोबोटिक्स वैज्ञानिक केन गोल्डबर्ग के अनुसार, हमारे दैनिक जीवन में ह्यूमनॉइड रोबोट्स को लाने की महत्वाकांक्षी दृष्टि महत्वपूर्ण बाधाओं का सामना कर रही है, मुख्यतः “100,000 साल के डेटा अंतराल” के कारण। विज्ञान रोबोटिक्स में प्रकाशित हाल की खोजों में यह तर्क सामने आया है कि ह्यूमनॉइड रोबोट्स अभी भी जटिल वास्तविक दुनिया के कार्यों को करने की कुशलता और विश्वास के साथ काफी दूर हैं। यह अंतर उन प्रगति के साथ जुड़ा है जो बड़े भाषा मॉडल (LLMs) द्वारा इंटरनेट पर उपलब्ध विशाल पाठ डेटा का सफलतापूर्वक उपयोग करने में की गई हैं। लेकिन जब बात रोबोट्स द्वारा भौतिक कार्यों में महारत हासिल करने की आती है, तो गोल्डबर्ग के अनुसार, मार्ग इतना सीधा नहीं है।

क्यों भाषा ने कुशलता को पीछे छोड़ दिया

गोल्डबर्ग जोर देते हैं कि रोबोट्स को पीछे रखने वाली प्रमुख बाधा सिर्फ सॉफ़्टवेयर या डेटा में नहीं है, बल्कि उन जटिल कार्यों में है जो सूक्ष्म मोटर कौशल की आवश्यकता रखते हैं, जैसे नाजुक वस्तुओं को संभालना या सूक्ष्म समायोजन करना। मनुष्य इसे बिना किसी कठिनाई के करता है, सहज रूप से, लेकिन रोबोट्स के लिए, ये कार्य उल्लेखनीय चुनौतियां पेश करते हैं। यह असमानता मोरेवेक के पाराडॉक्स को प्रतिध्वनित करती है: जो कार्य मनुष्यों के लिए सरल होते हैं, वे मशीनों के लिए अत्यधिक जटिल साबित हो सकते हैं। ऑनलाइन वीडियो डेटा का उपयोग करके रोबोट्स को प्रशिक्षित करने के प्रस्ताव विफल हो जाते हैं क्योंकि उनमें सच्चे समझ और प्रतिकृति के लिए आवश्यक विस्तृत भौतिक इंटरैक्शन की कमी होती है।

सिमुलेशन और टेलियोपरेशन: वर्तमान सहायता लेकिन समाधान नहीं

हालांकि सिमुलेशन रोबोट्स को गति से चलने जैसे कार्यों में आगे बढ़ाते हैं, इन्हें जटिल कार्यों में बदलना कठिन रहता है। टेलियोपरेशन, जिसमें मनुष्य सीधे रोबोट्स को नियंत्रित करते हैं, उपयोगी डेटा उत्पन्न करता है लेकिन बहुत धीमी गति से। ये विधियां संभावनाएं दिखाती हैं, फिर भी भाषा-आधारित एआई में दिखी सीखने की धनराशि से पीछे हैं। गोल्डबर्ग के अनुसार, दृष्टिकोण को डेटा संग्रह और “अच्छी पुरानी इंजीनियरिंग” के बीच कहीं होना चाहिए, जिसका ध्यान वास्तविक दुनिया के डेटा को इकट्ठा करने पर होना चाहिए ताकि निरंतर सुधार को प्रेरित किया जा सके।

अच्छी पुरानी इंजीनियरिंग आधुनिक रोबोटिक्स से मिलती है

गोल्डबर्ग इंजीनियरिंग और वास्तविक दुनिया के डेटा संग्रह के हाइब्रिड दृष्टिकोण की वकालत करते हैं। वेमो और ऐम्बी रोबोटिक्स जैसी कंपनियां इस पद्धति का उपयोग करती हैं, प्रदर्शन को वृद्धिशील रूप से बढ़ाने के लिए संचालन के दौरान लगातार डेटा एकत्र करती हैं। यह चित्रण सिर्फ एक रात की क्रांति का नहीं बल्कि एक सुसंगतेविकास का नहीं है। रोबोटिक्स में چنین क्रमिक प्रगति सार्वजनिक धारणा और अपेक्षाओं को अक्सर ढकने वाले हाइप को कम कर सकती है।

वास्तविक काम अभी शुरू हो रहा है

रोबोट्स के नौकरियों को संभालने के बारे में बहस जटिल है। गोल्डबर्ग के अनुसार, जटिल मैनुअल मैनिपुलेशन में शामिल ब्लू-कॉलर नौकरियां स्वचालन से सुरक्षित हैं। इसके विपरीत, रूटीन कार्य, विशेषकर व्हाइट-कॉलर सेक्टरों में, भाषा-आधारित सिस्टम द्वारा स्वचालित रूप से संभालने का खतरा हो सकता है। हालांकि, सहानुभूति और मानव इंटरैक्शन की आवश्यकता वाले कार्यों के पूर्ण स्वचालन की संभावना कम है।

सॉफ़्टवेयर के परे: स्मार्ट बॉडीज़ आवश्यक हैं

भौतिक प्रतिबंध केवल एल्गोरिदमिक या डेटा की कमी तक सीमित नहीं हैं। गोल्डबर्ग और उनके साथी जोर देते हैं कि ह्यूमनॉइड रोबोट्स को भौतिक रूप से भी विकसित होना चाहिए। यंत्रवत डिजाइन और यांत्रिक बुद्धिमत्ता में सुधार सॉफ़्टवेयर उन्नतियों जितने ही महत्वपूर्ण हैं। वास्तविक दुनिया के अवलोकन से पता चलता है कि कई मौजूदा रोबोट्स अत्यधिक ऊर्जा खर्च करते हैं, जो पुराने और अव्यवस्थित हार्डवेयर डिजाइनों के कारण है, जो जाइल जीव जीवित डिजाइन की आवश्यकता को रेखांकित करता है।

निष्कर्ष: संतुलित प्रगति की एक अपील

जबकि वर्तमान प्रगति स्पर्शनीय है, गोल्डबर्ग मइत प्रगति का समर्थन करते हैं। इन कौशलों को हासिल करना कोने में नहीं है बल्कि इंजीनियरिंग और अनुकूली डिजाइन को संयोजित करने वाली एक सुसंगत यात्रा है। रोबोटिक्स क्षेत्र को गलत धारणा वाले हाइप से बचाना आवश्यक प्रगति को सुनिश्चित करेगा जो रोबोट्स को नए प्रोटोटाइप से हमारे दैनिक जीवन में विश्वसनीय सहायक में स्थानांतरित करने के लिए आवश्यक है।

Interesting Engineering में केन गोल्डबर्ग के साथ एक साक्षात्कार से और जानकारी प्राप्त की जा सकती है।