AI ve şifreleme teknolojisiyle yönlendirilen otomasyon devrimi: Botların "ChatGPT anı" geliyor
ChatGPT'nin ortaya çıkışı, insanların yapay zekaya dair algısını tamamen değiştirdi. Ancak, insanlığın gerçek hayali, AI'nın Botlar biçiminde fiziksel dünya ile etkileşimde bulunmasıdır, tıpkı bilim kurgu filmlerinde tasvir edildiği gibi.
Botlar alanında büyük bir sıçrama geliyor gibi görünüyor. Bu makale, son yıllarda yapay zekanın ilerlemesinin sektördeki dinamikleri nasıl değiştirdiğini analiz edecek, pil teknolojisi, gecikme optimizasyonu ve veri toplama iyileştirmelerinin geleceği nasıl şekillendireceğini ve şifreleme teknolojisinin bu süreçteki rolünü tartışacaktır. Aynı zamanda, robot güvenliği, finansman, değerlendirme ve eğitim gibi dikkat edilmesi gereken alanları da ele alacaktır.
1. Değişimi Tetikleyen Ana Faktörler
Yapay Zeka'nın突破
Çok modlu büyük dil modellerinin ilerlemesi, botların karmaşık görevleri yerine getirmesi için bir "beyin" sağlamaktadır. Botlar, çevreyi esasen görme ve işitme yoluyla algılar. Geleneksel bilgisayarla görme modelleri nesne tespiti veya sınıflandırmada başarılıdır, ancak görsel bilgiyi eylem talimatlarına dönüştürmede zorluk yaşamaktadır. Büyük dil modelleri metin anlama ve üretme konusunda mükemmel bir performans sergilemekle birlikte, fiziksel dünyayı algılama yeteneğinden yoksundur.
Görsel-Dil-Eylem Modeli ( VLA ), Botların görsel algı, dil anlama ve fiziksel eylemleri tek bir çerçevede birleştirmesine olanak tanır. Şubat 2025'te, bir yapay zeka şirketi tarafından yayımlanan genel insansı robot kontrol modeli, sıfır örnek genelleme yeteneği ve çift sistem mimarisi sayesinde sektörde yeni bir standart belirledi. Sıfır örnek genelleme, Botların her görev için tekrar eğitim almadan yeni sahnelere, yeni nesnelere ve yeni talimatlara uyum sağlamasını mümkün kılar. Çift sistem mimarisi, yüksek seviyeli akıl yürütmeyi ve hafif akıl yürütmeyi ayırarak, ticari insansı robotların hem insan benzeri düşünceyi hem de anlık hassasiyeti bir arada sunmasını sağladı.
Ekonomik Botlar gerçeğe dönüşüyor
Dünyayı değiştiren teknolojiler genellikle yaygınlık kazanır. Bazı insansı robotların fiyatı orta sınıf bir otomobilin veya Amerika'daki en düşük yıllık gelir seviyesinin altına düştüğünde, fiziksel işlerin ve günlük işleri esasen robotların gerçekleştirdiği bir dünyayı hayal etmek artık uzak bir hayal değil.
Depolamadan tüketici pazarına geçiş
Botlar teknolojisi, depolama çözümlerinden tüketim alanına doğru genişlemektedir. Bu dünya insanlar için tasarlanmıştır - insanlar tüm uzman botların işlerini yapabilirken, uzman botlar ise insanların tüm işlerini yapamaz. Bot şirketleri artık yalnızca fabrikalara özel botlar üretmekle sınırlı kalmamakta, daha genel kullanıma uygun insansı botlar geliştirmeye yönelmektedir. Bu nedenle bot teknolojisinin öncüsü yalnızca depolarda değil, günlük yaşama da sızacaktır.
Maliyet, ölçeklenebilirliğin ana darboğazlarından biridir. En kritik gösterge, saat başına toplam maliyettir. Bu, eğitim ve şarj sürelerinin fırsat maliyeti, görev icra maliyeti ve robotların satın alma maliyetinin toplamı, robotların toplam çalışma süresine bölünmesiyle hesaplanır. Bu maliyetin, ilgili sektörün ortalama maaş seviyesinin altında olması rekabetçi olması için gereklidir.
Depolama alanını tamamen penetrasyona ulaşmak için, robotların saatlik toplam maliyeti 31.39 doların altında olmalıdır. En büyük tüketici pazarında - özel eğitim ve sağlık hizmetleri alanında - bu maliyet 35.18 doların altında tutulmalıdır. Şu anda robotlar daha ucuz, daha verimli ve daha evrensel bir yöne doğru gelişmektedir.
2. Botlar teknolojisinin bir sonraki atılımı
Pil optimizasyonu
Pil teknolojisi, kullanıcı dostu botların en büyük engellerinden biri olmuştur. Bazı insansı botların pil ömrü sadece yaklaşık 2 saattir. Kullanıcılar, her iki saatte bir manuel şarj yapmayı istemiyorlar, bu nedenle otonom şarj ve bağlantı altyapısı önemli bir gelişim yönü haline gelmiştir. Şu anda botların şarj edilmesinin iki ana modu vardır: pil değiştirme veya doğrudan şarj.
Pil değiştirme modu, tükenmiş pil gruplarını hızlı bir şekilde değiştirerek sürekli çalışma sağlar, duruş süresini en aza indirir ve sahada veya fabrika ortamında kullanılmak üzere tasarlanmıştır. Bu süreç hem manuel olarak hem de otomatik olarak gerçekleştirilebilir.
Indüksiyon şarj, kablosuz güç sağlama yöntemini kullanır. Tam şarj işlemi uzun sürse de, tamamen otomatik bir sürecin kolayca gerçekleştirilmesine olanak tanır.
Gecikme optimizasyonu
Düşük gecikmeli işlemler, çevresel algılama ve uzaktan kontrol olmak üzere iki kategoriye ayrılabilir. Algılama, Botların çevreye dair mekansal biliş yeteneğini ifade ederken, uzaktan kontrol ise insan operatörünün anlık kontrolünü ifade eder.
Araştırmalar, Botlar algılama sisteminin düşük maliyetli sensörlerle başladığını gösteriyor, ancak teknolojik koruma, entegrasyon yazılımı, düşük güç tüketimi ve milisaniye seviyesinde hassas kontrol devreleri ile ilgilidir. Botlar, mekansal konumlandırmayı tamamladıktan sonra, hafif yapay sinir ağları engelleri, paletleri veya insanları etiketler. Sahne etiketleri planlama sistemine girdikten sonra, hemen ayaklara, tekerlek gruplarına veya mekanik kollara gönderilecek motor talimatları üretilir. 50 milisaniyenin altındaki algılama gecikmesi, insan refleks hızına eşittir - bu eşiği aşan herhangi bir gecikme Botların hareketlerini hantal hale getirir. Bu nedenle, kararların %90'ı yerel olarak tek bir görsel-dil-eylem ağı aracılığıyla gerçekleştirilmelidir.
Tam bağımsız Botlar, yüksek performanslı VLA modelinin gecikmesinin 50 milisaniyeden düşük olmasını sağlamalıdır; uzaktan kontrol edilen Botlar için ise işletim noktası ile Botlar arasındaki sinyal gecikmesi 50 milisaniyeyi geçmemelidir. Burada VLA modelinin önemi özellikle vurgulanmaktadır - eğer görsel ve metin girişi farklı modeller tarafından işlendikten sonra büyük dil modeline beslenirse, toplam gecikme 50 milisaniye eşiğini çok aşacaktır.
Veri toplama optimizasyonu
Veri toplamanın başlıca üç yolu vardır: gerçek dünya video verileri, sentetik veriler ve uzaktan kontrol verileri. Gerçek veriler ile sentetik verilerin ana engeli, robotların fiziksel davranışları ile video/simülasyon modelleri arasındaki farklılıkları kapatmaktır. Gerçek video verileri, güç geri bildirimi, eklem hareket hataları ve malzeme deformasyonu gibi fiziksel detaylardan yoksundur; simülasyon verileri ise sensör arızaları, sürtünme katsayıları gibi öngörülemeyen değişkenlerden mahrumdur.
En potansiyel veri toplama yöntemi uzaktan kontrol—insan operatörleri tarafından robotların görevleri yerine getirmesi için uzaktan kontrol edilmesidir. Ancak, insan gücü maliyeti uzaktan kontrol veri toplamanın en büyük kısıtlama faktörüdür.
Özel donanım geliştirme, yüksek kaliteli veri toplama için yeni çözümler sunmaktadır. Bazı şirketler, ana akım yöntemlerle özel donanımı birleştirerek, çok boyutlu insan hareket verilerini toplamakta ve işlendikten sonra bunları Botlar sinir ağı eğitimi için uygun veri setlerine dönüştürmektedir. Hızlı yineleme döngüleriyle birlikte, AI Botları eğitimi için büyük miktarda yüksek kaliteli veri sağlamaktadır. Bu teknik borular, ham veriden dağıtılabilir botlara dönüşüm yolunu kısaltmaktadır.
3. Önemli Keşif Alanları
şifreleme teknolojisi ile Botlar birleşimi
Şifreleme teknolojisi, güven duyulmayan tarafları Botlar ağ verimliliğini artırmaya teşvik edebilir. Daha önce bahsedilen önemli alanlara dayanarak, şifreleme teknolojisi, altyapı entegrasyonu, gecikme optimizasyonu ve veri toplama açısından verimliliği artırabilir.
Merkeziyetsiz fiziksel altyapı ağı ( DePIN ), şarj altyapısını devrim niteliğinde değiştirmeyi vaat ediyor. İnsan şeklindeki robotlar, otomobiller gibi küresel olarak çalıştığında, şarj istasyonları, benzin istasyonları kadar ulaşılabilir olmalıdır. Merkezi ağlar, büyük ön yatırım gerektirirken, DePIN maliyetleri düğüm operatörlerine dağıtarak, şarj tesislerinin daha fazla alana hızlı bir şekilde yayılmasını sağlıyor.
DePIN ayrıca dağıtık altyapı kullanarak uzaktan kontrol gecikmesini optimize edebilir. Coğrafi olarak dağılmış kenar düğümlerinin hesaplama kaynaklarını birleştirerek, uzaktan kontrol komutları yerel veya en yakın kullanılabilir düğüm tarafından işlenebilir, veri iletim mesafesi en aza indirilir ve iletişim gecikmesi önemli ölçüde azaltılır. Ancak mevcut DePIN projeleri ağırlıklı olarak merkeziyetsiz depolama, içerik dağıtımı ve bant genişliği paylaşımına odaklanmaktadır. Kenar hesaplamanın akış medyası veya nesnelerin internetindeki uygulama avantajlarını gösteren projeler olmasına rağmen, bu henüz robotlar veya uzaktan kontrol alanına genişletilmemiştir.
Uzak kontrol, en umut verici veri toplama yöntemidir, ancak merkezi varlıkların profesyonel kişileri veri toplamak için istihdam etme maliyeti oldukça yüksektir. DePIN, üçüncü tarafları uzak kontrol verilerini sağlamaları için şifreleme tokenleri ile teşvik ederek bu sorunu çözmektedir. Bazı projeler, katkılarını tokenleştirilmiş dijital varlıklara dönüştüren küresel bir uzak operatör ağı inşa etmektedir ve bu, izin gerektirmeyen merkeziyetsiz bir sistem oluşturmaktadır - katılımcılar hem kazanç elde edebilir hem de yönetişime katılarak AGI botlarının eğitimine destek olabilirler.
Güvenlik her zaman temel bir endişe olmuştur.
Botlar teknolojisinin nihai hedefi tamamen otonom hale gelmektir, ancak bazı bilim kurgu filmlerinin de uyardığı gibi, insanlığın en az istediği şey, otonomitenin botları saldırgan silahlara dönüştürmesidir. Büyük dil modellerinin güvenlik sorunları endişe yaratmıştır ve bu modellerin fiziksel hareket kabiliyetine sahip olduğunda, bot güvenliği toplumsal kabul için kritik bir ön koşul haline gelir.
Ekonomik güvenlik, Botlar ekosisteminin refahının temel direklerinden biridir. Bazı şirketler, şifreleme kanıtları ile cihaz kimlik doğrulaması, fiziksel varlık doğrulaması ve kaynak erişimi sağlamak için merkeziyetsiz bir Bot koordinasyon katmanı inşa etmektedir. Bu sistem, Botların merkezi bir aracılara bağımlı olmadan, kimlik bilgilerini, coğrafi konumlarını ve davranış kayıtlarını bağımsız olarak kanıtlamalarına olanak tanır.
Davranış kısıtlamaları ve kimlik doğrulama zincir üzerindeki mekanizmalar aracılığıyla gerçekleştirilir, böylece herkes uyumluluğu denetleyebilir. Güvenlik standartlarına, kalite gereksinimlerine ve bölgesel düzenlemelere uyan Botlar ödüllendirilecek, ihlal edenler ise cezalarla veya uygunluktan çıkarılmayla karşı karşıya kalacak, böylece otonom makine ağında hesap verebilirlik ve güven mekanizması oluşturulacaktır.
Üçüncü taraf yeniden teminat ağı da eşit güvenlik garantileri sunabiliyor. Ceza parametreleri sistemi henüz geliştirilmesi gerekse de, ilgili teknoloji pratik aşamaya geçmiştir. Sektör güvenlik standartlarının kısa süre içinde oluşması bekleniyor, o zaman ceza parametreleri bu standartlara göre modellenerek oluşturulacaktır.
Olası bir uygulama senaryosu aşağıdaki gibidir:
Botlar şirketi yeniden teminat ağına katılıyor.
Doğrulanabilir el koyma parametrelerini belirleyin (örneğin, "2500 Newton'dan fazla insan temas gücü uygulama");
Teminat sağlayıcıları, Botların parametrelere uymasını sağlamak için teminat sunar;
Eğer bir ihlal gerçekleşirse, teminat tutarı mağdura tazminat olarak kullanılacaktır.
Bu model, işletmeleri güvenliği öncelikli hale getirmeye teşvik ettiği gibi, aynı zamanda staking fon havuzunun sigorta mekanizması aracılığıyla tüketici kabulünü artırmaktadır.
Bazı ünlü AI şirketleri, AI'nın yaygınlaşmasını teşvik etti, ancak bu atılımın temeli çoktan atılmıştı. Bulut hizmetleri, modelin yerel hesaplama gücüne olan bağımlılığını kırdı, açık kaynak platformları modelin açık kaynak olmasını sağladı ve bazı çevrimiçi platformlar AI mühendislerine deney alanları sundu. Bu kademeli atılımlar birlikte AI'nın yaygınlaşmasına katkıda bulundu.
AI'den farklı olarak, Botlar alanında sınırlı fonlarla başlamak zordur. Botların yaygınlaşmasını sağlamak için, geliştirme eşiği AI uygulama geliştirme kadar kolay bir seviyeye indirilmelidir. Üç alanda iyileştirme potansiyeli olduğunu düşünüyoruz: finansman mekanizması, değerlendirme sistemi ve eğitim ekosistemi.
Finansman, Botlar alanındaki bir sorun noktasıdır. Bilgisayar programı geliştirmek için yalnızca bir bilgisayar ve bulut bilişim kaynaklarına ihtiyaç vardır, ancak tam işlevsel bir Botlar inşa etmek için motor, sensör, batarya gibi donanımların satın alınması gerekmektedir; maliyet kolayca 100.000 doları aşmaktadır. Bu donanım özelliği, Botlar geliştirmeyi AI'ya göre daha az esnek ve maliyetli hale getirir.
Gerçek dünya senaryolarında Botlar değerlendirme altyapısı henüz gelişim aşamasındadır. AI alanında belirgin bir kayıp fonksiyonu sistemi kurulmuştur, testler tamamen sanallaştırılabilir. Ancak mükemmel sanal stratejiler doğrudan gerçek dünya için etkili çözümlere dönüştürülemez. Botlar, çeşitli gerçek ortamlarda otonom stratejilerin değerlendirme altyapısını test etmelidir ki iteratif optimizasyon gerçekleştirilebilsin.
Bu altyapılar olgunlaştıkça, yetenekler büyük bir akınla gelecektir ve insansı robotlar Web2'nin patlama eğrisini yeniden yaşayacaktır. Bazı şifreleme robotu şirketleri bu yönde ilerliyor - "robot versiyonu Android sistemi" geliştirerek, ham donanımı ekonomik bilinçle donatılmış yükseltilebilir zeka varlıklarına dönüştürüyor. Görsel, dil ve hareket planlama modülleri, cep telefonu uygulamaları gibi tak-çıkar şeklinde kullanılabilir, tüm akıl yürütme adımları sade bir dille sunulmakta, böylece operatörlerin firmware ile etkileşime girmeden davranışları denetlemesi veya ayarlaması sağlanmaktadır. Bu doğal dil akıl yürütme yeteneği, yeni nesil yeteneklerin robotik alana sorunsuz bir şekilde girmesini sağlıyor ve robot devrimini tetikleyecek açık platform için kritik bir adım atılmış oluyor; tıpkı açık kaynak hareketinin yapay zekaya hız kazandırması gibi.
Yetenek yoğunluğu sektörün yönünü belirler. Yapılandırılmış kapsayıcı eğitim sistemi, Botlar alanında yetenek akışını sağlamak için kritik öneme sahiptir. Bir bot şirketinin NASDAQ'a girişi, akıllı makinelerin finansal yenilik ve fiziksel eğitimde aynı anda yer aldığı yeni bir çağın başladığını simgeliyor. Şirket, ortaklarıyla birlikte, ABD K-12 devlet okullarında ilk insansı robot tabanlı genel eğitim müfredatını sunacağını duyurdu. Bu müfredat, platform bağımsızlığına sahip olup, çeşitli robot formlarına uyum sağlayarak öğrencilere pratik uygulama fırsatları sunmaktadır. Bu
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
12 Likes
Reward
12
1
Repost
Share
Comment
0/400
PaperHandsCriminal
· 9h ago
Banknotlar robotlara el sallıyor... Ne zaman enayi olmaktan kurtulabileceğim?
AI destekli Botlar devrimi: ChatGPT döneminde insansı Botlar geliyor
AI ve şifreleme teknolojisiyle yönlendirilen otomasyon devrimi: Botların "ChatGPT anı" geliyor
ChatGPT'nin ortaya çıkışı, insanların yapay zekaya dair algısını tamamen değiştirdi. Ancak, insanlığın gerçek hayali, AI'nın Botlar biçiminde fiziksel dünya ile etkileşimde bulunmasıdır, tıpkı bilim kurgu filmlerinde tasvir edildiği gibi.
Botlar alanında büyük bir sıçrama geliyor gibi görünüyor. Bu makale, son yıllarda yapay zekanın ilerlemesinin sektördeki dinamikleri nasıl değiştirdiğini analiz edecek, pil teknolojisi, gecikme optimizasyonu ve veri toplama iyileştirmelerinin geleceği nasıl şekillendireceğini ve şifreleme teknolojisinin bu süreçteki rolünü tartışacaktır. Aynı zamanda, robot güvenliği, finansman, değerlendirme ve eğitim gibi dikkat edilmesi gereken alanları da ele alacaktır.
1. Değişimi Tetikleyen Ana Faktörler
Yapay Zeka'nın突破
Çok modlu büyük dil modellerinin ilerlemesi, botların karmaşık görevleri yerine getirmesi için bir "beyin" sağlamaktadır. Botlar, çevreyi esasen görme ve işitme yoluyla algılar. Geleneksel bilgisayarla görme modelleri nesne tespiti veya sınıflandırmada başarılıdır, ancak görsel bilgiyi eylem talimatlarına dönüştürmede zorluk yaşamaktadır. Büyük dil modelleri metin anlama ve üretme konusunda mükemmel bir performans sergilemekle birlikte, fiziksel dünyayı algılama yeteneğinden yoksundur.
Görsel-Dil-Eylem Modeli ( VLA ), Botların görsel algı, dil anlama ve fiziksel eylemleri tek bir çerçevede birleştirmesine olanak tanır. Şubat 2025'te, bir yapay zeka şirketi tarafından yayımlanan genel insansı robot kontrol modeli, sıfır örnek genelleme yeteneği ve çift sistem mimarisi sayesinde sektörde yeni bir standart belirledi. Sıfır örnek genelleme, Botların her görev için tekrar eğitim almadan yeni sahnelere, yeni nesnelere ve yeni talimatlara uyum sağlamasını mümkün kılar. Çift sistem mimarisi, yüksek seviyeli akıl yürütmeyi ve hafif akıl yürütmeyi ayırarak, ticari insansı robotların hem insan benzeri düşünceyi hem de anlık hassasiyeti bir arada sunmasını sağladı.
Ekonomik Botlar gerçeğe dönüşüyor
Dünyayı değiştiren teknolojiler genellikle yaygınlık kazanır. Bazı insansı robotların fiyatı orta sınıf bir otomobilin veya Amerika'daki en düşük yıllık gelir seviyesinin altına düştüğünde, fiziksel işlerin ve günlük işleri esasen robotların gerçekleştirdiği bir dünyayı hayal etmek artık uzak bir hayal değil.
Depolamadan tüketici pazarına geçiş
Botlar teknolojisi, depolama çözümlerinden tüketim alanına doğru genişlemektedir. Bu dünya insanlar için tasarlanmıştır - insanlar tüm uzman botların işlerini yapabilirken, uzman botlar ise insanların tüm işlerini yapamaz. Bot şirketleri artık yalnızca fabrikalara özel botlar üretmekle sınırlı kalmamakta, daha genel kullanıma uygun insansı botlar geliştirmeye yönelmektedir. Bu nedenle bot teknolojisinin öncüsü yalnızca depolarda değil, günlük yaşama da sızacaktır.
Maliyet, ölçeklenebilirliğin ana darboğazlarından biridir. En kritik gösterge, saat başına toplam maliyettir. Bu, eğitim ve şarj sürelerinin fırsat maliyeti, görev icra maliyeti ve robotların satın alma maliyetinin toplamı, robotların toplam çalışma süresine bölünmesiyle hesaplanır. Bu maliyetin, ilgili sektörün ortalama maaş seviyesinin altında olması rekabetçi olması için gereklidir.
Depolama alanını tamamen penetrasyona ulaşmak için, robotların saatlik toplam maliyeti 31.39 doların altında olmalıdır. En büyük tüketici pazarında - özel eğitim ve sağlık hizmetleri alanında - bu maliyet 35.18 doların altında tutulmalıdır. Şu anda robotlar daha ucuz, daha verimli ve daha evrensel bir yöne doğru gelişmektedir.
2. Botlar teknolojisinin bir sonraki atılımı
Pil optimizasyonu
Pil teknolojisi, kullanıcı dostu botların en büyük engellerinden biri olmuştur. Bazı insansı botların pil ömrü sadece yaklaşık 2 saattir. Kullanıcılar, her iki saatte bir manuel şarj yapmayı istemiyorlar, bu nedenle otonom şarj ve bağlantı altyapısı önemli bir gelişim yönü haline gelmiştir. Şu anda botların şarj edilmesinin iki ana modu vardır: pil değiştirme veya doğrudan şarj.
Pil değiştirme modu, tükenmiş pil gruplarını hızlı bir şekilde değiştirerek sürekli çalışma sağlar, duruş süresini en aza indirir ve sahada veya fabrika ortamında kullanılmak üzere tasarlanmıştır. Bu süreç hem manuel olarak hem de otomatik olarak gerçekleştirilebilir.
Indüksiyon şarj, kablosuz güç sağlama yöntemini kullanır. Tam şarj işlemi uzun sürse de, tamamen otomatik bir sürecin kolayca gerçekleştirilmesine olanak tanır.
Gecikme optimizasyonu
Düşük gecikmeli işlemler, çevresel algılama ve uzaktan kontrol olmak üzere iki kategoriye ayrılabilir. Algılama, Botların çevreye dair mekansal biliş yeteneğini ifade ederken, uzaktan kontrol ise insan operatörünün anlık kontrolünü ifade eder.
Araştırmalar, Botlar algılama sisteminin düşük maliyetli sensörlerle başladığını gösteriyor, ancak teknolojik koruma, entegrasyon yazılımı, düşük güç tüketimi ve milisaniye seviyesinde hassas kontrol devreleri ile ilgilidir. Botlar, mekansal konumlandırmayı tamamladıktan sonra, hafif yapay sinir ağları engelleri, paletleri veya insanları etiketler. Sahne etiketleri planlama sistemine girdikten sonra, hemen ayaklara, tekerlek gruplarına veya mekanik kollara gönderilecek motor talimatları üretilir. 50 milisaniyenin altındaki algılama gecikmesi, insan refleks hızına eşittir - bu eşiği aşan herhangi bir gecikme Botların hareketlerini hantal hale getirir. Bu nedenle, kararların %90'ı yerel olarak tek bir görsel-dil-eylem ağı aracılığıyla gerçekleştirilmelidir.
Tam bağımsız Botlar, yüksek performanslı VLA modelinin gecikmesinin 50 milisaniyeden düşük olmasını sağlamalıdır; uzaktan kontrol edilen Botlar için ise işletim noktası ile Botlar arasındaki sinyal gecikmesi 50 milisaniyeyi geçmemelidir. Burada VLA modelinin önemi özellikle vurgulanmaktadır - eğer görsel ve metin girişi farklı modeller tarafından işlendikten sonra büyük dil modeline beslenirse, toplam gecikme 50 milisaniye eşiğini çok aşacaktır.
Veri toplama optimizasyonu
Veri toplamanın başlıca üç yolu vardır: gerçek dünya video verileri, sentetik veriler ve uzaktan kontrol verileri. Gerçek veriler ile sentetik verilerin ana engeli, robotların fiziksel davranışları ile video/simülasyon modelleri arasındaki farklılıkları kapatmaktır. Gerçek video verileri, güç geri bildirimi, eklem hareket hataları ve malzeme deformasyonu gibi fiziksel detaylardan yoksundur; simülasyon verileri ise sensör arızaları, sürtünme katsayıları gibi öngörülemeyen değişkenlerden mahrumdur.
En potansiyel veri toplama yöntemi uzaktan kontrol—insan operatörleri tarafından robotların görevleri yerine getirmesi için uzaktan kontrol edilmesidir. Ancak, insan gücü maliyeti uzaktan kontrol veri toplamanın en büyük kısıtlama faktörüdür.
Özel donanım geliştirme, yüksek kaliteli veri toplama için yeni çözümler sunmaktadır. Bazı şirketler, ana akım yöntemlerle özel donanımı birleştirerek, çok boyutlu insan hareket verilerini toplamakta ve işlendikten sonra bunları Botlar sinir ağı eğitimi için uygun veri setlerine dönüştürmektedir. Hızlı yineleme döngüleriyle birlikte, AI Botları eğitimi için büyük miktarda yüksek kaliteli veri sağlamaktadır. Bu teknik borular, ham veriden dağıtılabilir botlara dönüşüm yolunu kısaltmaktadır.
3. Önemli Keşif Alanları
şifreleme teknolojisi ile Botlar birleşimi
Şifreleme teknolojisi, güven duyulmayan tarafları Botlar ağ verimliliğini artırmaya teşvik edebilir. Daha önce bahsedilen önemli alanlara dayanarak, şifreleme teknolojisi, altyapı entegrasyonu, gecikme optimizasyonu ve veri toplama açısından verimliliği artırabilir.
Merkeziyetsiz fiziksel altyapı ağı ( DePIN ), şarj altyapısını devrim niteliğinde değiştirmeyi vaat ediyor. İnsan şeklindeki robotlar, otomobiller gibi küresel olarak çalıştığında, şarj istasyonları, benzin istasyonları kadar ulaşılabilir olmalıdır. Merkezi ağlar, büyük ön yatırım gerektirirken, DePIN maliyetleri düğüm operatörlerine dağıtarak, şarj tesislerinin daha fazla alana hızlı bir şekilde yayılmasını sağlıyor.
DePIN ayrıca dağıtık altyapı kullanarak uzaktan kontrol gecikmesini optimize edebilir. Coğrafi olarak dağılmış kenar düğümlerinin hesaplama kaynaklarını birleştirerek, uzaktan kontrol komutları yerel veya en yakın kullanılabilir düğüm tarafından işlenebilir, veri iletim mesafesi en aza indirilir ve iletişim gecikmesi önemli ölçüde azaltılır. Ancak mevcut DePIN projeleri ağırlıklı olarak merkeziyetsiz depolama, içerik dağıtımı ve bant genişliği paylaşımına odaklanmaktadır. Kenar hesaplamanın akış medyası veya nesnelerin internetindeki uygulama avantajlarını gösteren projeler olmasına rağmen, bu henüz robotlar veya uzaktan kontrol alanına genişletilmemiştir.
Uzak kontrol, en umut verici veri toplama yöntemidir, ancak merkezi varlıkların profesyonel kişileri veri toplamak için istihdam etme maliyeti oldukça yüksektir. DePIN, üçüncü tarafları uzak kontrol verilerini sağlamaları için şifreleme tokenleri ile teşvik ederek bu sorunu çözmektedir. Bazı projeler, katkılarını tokenleştirilmiş dijital varlıklara dönüştüren küresel bir uzak operatör ağı inşa etmektedir ve bu, izin gerektirmeyen merkeziyetsiz bir sistem oluşturmaktadır - katılımcılar hem kazanç elde edebilir hem de yönetişime katılarak AGI botlarının eğitimine destek olabilirler.
Güvenlik her zaman temel bir endişe olmuştur.
Botlar teknolojisinin nihai hedefi tamamen otonom hale gelmektir, ancak bazı bilim kurgu filmlerinin de uyardığı gibi, insanlığın en az istediği şey, otonomitenin botları saldırgan silahlara dönüştürmesidir. Büyük dil modellerinin güvenlik sorunları endişe yaratmıştır ve bu modellerin fiziksel hareket kabiliyetine sahip olduğunda, bot güvenliği toplumsal kabul için kritik bir ön koşul haline gelir.
Ekonomik güvenlik, Botlar ekosisteminin refahının temel direklerinden biridir. Bazı şirketler, şifreleme kanıtları ile cihaz kimlik doğrulaması, fiziksel varlık doğrulaması ve kaynak erişimi sağlamak için merkeziyetsiz bir Bot koordinasyon katmanı inşa etmektedir. Bu sistem, Botların merkezi bir aracılara bağımlı olmadan, kimlik bilgilerini, coğrafi konumlarını ve davranış kayıtlarını bağımsız olarak kanıtlamalarına olanak tanır.
Davranış kısıtlamaları ve kimlik doğrulama zincir üzerindeki mekanizmalar aracılığıyla gerçekleştirilir, böylece herkes uyumluluğu denetleyebilir. Güvenlik standartlarına, kalite gereksinimlerine ve bölgesel düzenlemelere uyan Botlar ödüllendirilecek, ihlal edenler ise cezalarla veya uygunluktan çıkarılmayla karşı karşıya kalacak, böylece otonom makine ağında hesap verebilirlik ve güven mekanizması oluşturulacaktır.
Üçüncü taraf yeniden teminat ağı da eşit güvenlik garantileri sunabiliyor. Ceza parametreleri sistemi henüz geliştirilmesi gerekse de, ilgili teknoloji pratik aşamaya geçmiştir. Sektör güvenlik standartlarının kısa süre içinde oluşması bekleniyor, o zaman ceza parametreleri bu standartlara göre modellenerek oluşturulacaktır.
Olası bir uygulama senaryosu aşağıdaki gibidir:
Bu model, işletmeleri güvenliği öncelikli hale getirmeye teşvik ettiği gibi, aynı zamanda staking fon havuzunun sigorta mekanizması aracılığıyla tüketici kabulünü artırmaktadır.
4. Botlar teknolojisi yelpazesindeki boşlukları doldurmak
Bazı ünlü AI şirketleri, AI'nın yaygınlaşmasını teşvik etti, ancak bu atılımın temeli çoktan atılmıştı. Bulut hizmetleri, modelin yerel hesaplama gücüne olan bağımlılığını kırdı, açık kaynak platformları modelin açık kaynak olmasını sağladı ve bazı çevrimiçi platformlar AI mühendislerine deney alanları sundu. Bu kademeli atılımlar birlikte AI'nın yaygınlaşmasına katkıda bulundu.
AI'den farklı olarak, Botlar alanında sınırlı fonlarla başlamak zordur. Botların yaygınlaşmasını sağlamak için, geliştirme eşiği AI uygulama geliştirme kadar kolay bir seviyeye indirilmelidir. Üç alanda iyileştirme potansiyeli olduğunu düşünüyoruz: finansman mekanizması, değerlendirme sistemi ve eğitim ekosistemi.
Finansman, Botlar alanındaki bir sorun noktasıdır. Bilgisayar programı geliştirmek için yalnızca bir bilgisayar ve bulut bilişim kaynaklarına ihtiyaç vardır, ancak tam işlevsel bir Botlar inşa etmek için motor, sensör, batarya gibi donanımların satın alınması gerekmektedir; maliyet kolayca 100.000 doları aşmaktadır. Bu donanım özelliği, Botlar geliştirmeyi AI'ya göre daha az esnek ve maliyetli hale getirir.
Gerçek dünya senaryolarında Botlar değerlendirme altyapısı henüz gelişim aşamasındadır. AI alanında belirgin bir kayıp fonksiyonu sistemi kurulmuştur, testler tamamen sanallaştırılabilir. Ancak mükemmel sanal stratejiler doğrudan gerçek dünya için etkili çözümlere dönüştürülemez. Botlar, çeşitli gerçek ortamlarda otonom stratejilerin değerlendirme altyapısını test etmelidir ki iteratif optimizasyon gerçekleştirilebilsin.
Bu altyapılar olgunlaştıkça, yetenekler büyük bir akınla gelecektir ve insansı robotlar Web2'nin patlama eğrisini yeniden yaşayacaktır. Bazı şifreleme robotu şirketleri bu yönde ilerliyor - "robot versiyonu Android sistemi" geliştirerek, ham donanımı ekonomik bilinçle donatılmış yükseltilebilir zeka varlıklarına dönüştürüyor. Görsel, dil ve hareket planlama modülleri, cep telefonu uygulamaları gibi tak-çıkar şeklinde kullanılabilir, tüm akıl yürütme adımları sade bir dille sunulmakta, böylece operatörlerin firmware ile etkileşime girmeden davranışları denetlemesi veya ayarlaması sağlanmaktadır. Bu doğal dil akıl yürütme yeteneği, yeni nesil yeteneklerin robotik alana sorunsuz bir şekilde girmesini sağlıyor ve robot devrimini tetikleyecek açık platform için kritik bir adım atılmış oluyor; tıpkı açık kaynak hareketinin yapay zekaya hız kazandırması gibi.
Yetenek yoğunluğu sektörün yönünü belirler. Yapılandırılmış kapsayıcı eğitim sistemi, Botlar alanında yetenek akışını sağlamak için kritik öneme sahiptir. Bir bot şirketinin NASDAQ'a girişi, akıllı makinelerin finansal yenilik ve fiziksel eğitimde aynı anda yer aldığı yeni bir çağın başladığını simgeliyor. Şirket, ortaklarıyla birlikte, ABD K-12 devlet okullarında ilk insansı robot tabanlı genel eğitim müfredatını sunacağını duyurdu. Bu müfredat, platform bağımsızlığına sahip olup, çeşitli robot formlarına uyum sağlayarak öğrencilere pratik uygulama fırsatları sunmaktadır. Bu