A Google és az anyavállalata, az Alphabet rengeteg energiát fektet a mesterséges intelligencia és a gépi tanulás fejlesztésére, emellett pedig a robotikában is térdig gázol mostanra. A vezetés pedig úgy döntött, hogy ezt a két területet össze kell hozni, így a jövőben az MI alapú nyelv- és beszédfelismerő rendszerek már a robotoknál is bevetésre kerülhetnek.
Ez egy nagyon fontos és jelentős lépés lehet a robotika területén, hiszen ezáltal akár többszörösen összetett mondatokat is ügyesen értelmezhetnek majd a gépek. Ebből pedig már egyenesen következik, hogy a bonyolultabb utasításoknak a megoldására is képessé válhatnak. A segítő robotok számára így a jövőben a felhasználók egyszerűen utasításba adhatják majd, hogy a robot vigye oda a felhasználónak a piros bögrét, és az üdítős flakont is. Vagy terítse meg az asztalt és tegyen a teríték mellé egy pohár vizet is.
Napjainkban a robotok azért még nagyon messze állnak attól, hogy természetesen tudjanak viselkedni, de az, hogy megértik az embereket, akik teljesen természetesen beszélhetnek hozzájuk, már egy óriási lépés.
Az Everyday Robots projekt indulását az Alphabet X (korábban Google X) részleg jelentette be, hivatalosan 2019-ben beszélt erről először a vállalat, de valójában már jóval korábban elmerült a robotok fejlesztésében. Az Everyday Robots esetében már az a cél, hogy az embereket ténylegesen segíteni képes robotokat hozzanak létre. Ebbe pedig nem fér bele az, hogy lépésről lépésre kell kiadni minden egyes parancsot.
A Google hosszú ideje fókuszál arra, hogy a nyelv- és beszédfelismerő rendszerek minél jobbak legyenek, mert ez több szempontból is fontos neki. Egyrészt a Google Fordító szolgáltatás csak akkor tud hatékonyan dolgozni, ha a szolgáltatás kezdésnek pontosan megérti, hogy mit mondanak neki, ha pedig még szó szerint értelmezni is tudja azt, amit „hall”, a feladatát még jobban tudja teljesíteni. Másrészt pedig ott van a Google Assistant, a digitális asszisztens szolgáltatás, ahol a hangutasítások miatt kell a jobb nyelvtudás a gépeknek.
Egyszerre több beszédfelismerési technológiát is fejlesztenek az Alphabet égisze alatt különböző célterületekre. A robotoknál jelen állás szerint a PaLM (Pathways Language Model) kerül bevetésre, melynek a tréningezésére felfoghatatlan mennyiségű számítási kapacitást és időt fordított már a Google. Neurális hálózatok révén tanítja a cég a rendszerét, és annak ellenére, hogy ez elvileg már nagyon jól működik, még arról beszélnek, hogy így is nagyon sok munka van hátra.
A fejlett MI beszédfelismerés révén a robotika fejlődése egy hatalmas ugrást mutathat majd, és igazából mindkét terület szakemberei számára tanúságos lehet az, amit együtt képesek lesznek összehozni. Azért is jó lesz majd ez a fejlesztés, mert így újabb érdekes adatokkal dolgozhatnak majd a beszédfelismerésen dolgozó mérnökök.
Megtudhattuk, hogy a szakemberek létrehozták már a PaLM-SayCan rendszert, melynek a lényege az, hogy a robot amellett, hogy megérti, mit kellene tennie, azt is el tudja dönteni, hogy képes-e megcsinálni a feladatot. Ez alapvető fontosságú, és folyamatosan változik majd a rendszer; ahogy a robotok friss funkciókat tanulnak meg, úgy bővülhet a PaLM-SayCan is.
Állítólag nagyon jó már most is a PaLM-SayCan találati aránya, de mivel ez új, így még bőven van hova fejleszteni. 101 felhasználói instrukcióból 84 százalékban tudta azt eldönteni a robot, hogy meg tudja-e oldani azt a feladatot, amit kiadtak neki. Az instrukciók 74 százalékát pedig már el is végezte, persze azért a képességeihez mérten egyszerű dolgokat adtak neki utasításba.
Az Alphabet különböző fejlesztői csapatai a PaLM-SayCan és a robotok együttes fejlesztéséhez komoly reményeket fűznek, talán nem kell már sokat várni arra, hogy elkészüljenek az első olyan segítők, akik a természetes beszédet tökéletesen értik, tudják mikor kell reagálniuk, és a képességeikkel is tisztában vannak.
