রোবট হাত মানুষের দক্ষতাকে নতুন এআই স্মার্টের সাথে মেলাতে পারে, দাবি এনভিডিয়া

প্লেটো দ্বারা প্রকাশিত

অনুসরণকারী: 0

রোবট হাত নতুন এআই স্মার্টগুলির সাথে মানুষের দক্ষতার সাথে মিলিত হতে পারে, দাবি এনভিডিয়া - ডিক্রিপ্ট প্লেটোব্লকচেন ডেটা ইন্টেলিজেন্স৷ উল্লম্ব অনুসন্ধান. আ.

এনভিডিয়া গবেষকরা রোবোটিক দক্ষতায় একটি বড় লাফ অর্জন করেছেন ধন্যবাদ ইউরেকা, একজন AI এজেন্ট যে বটকে জটিল দক্ষতা যেমন পেন-স্পিনিং কৌশল শেখাতে পারে বলে অভিযোগ মানুষের মতোই চমত্কারভাবে।

নতুন কৌশল, বৃহস্পতিবার প্রকাশিত একটি গবেষণাপত্রে রূপরেখা, যেমন বৃহৎ ভাষার মডেল সাম্প্রতিক অগ্রগতি উপর তৈরি ওপেনআইএর জিপিটি -৩. ইউরেকা স্বায়ত্তশাসিতভাবে পরিশীলিত পুরস্কার অ্যালগরিদম লেখার জন্য জেনারেটিভ AI ব্যবহার করে যা রোবটকে ট্রায়াল-এন্ড-এরর রিইনফোর্সমেন্ট শেখার মাধ্যমে শিখতে সক্ষম করে। এই পদ্ধতিটি মানব-রচিত প্রোগ্রামের চেয়ে 50% বেশি কার্যকর প্রমাণিত হয়েছে, কাগজের রূপরেখা।

"ইউরেকা চতুর্মুখী, নিপুণ হাত, কোবট বাহু এবং অন্যান্য রোবটকে ড্রয়ার খুলতে, কাঁচি ব্যবহার করতে, বল ধরতে এবং প্রায় 30টি বিভিন্ন কাজ শিখিয়েছে," এনভিডিয়ার একটি অফিসিয়াল ব্লগ পোস্ট বলে৷

ইউরেকা হল ভাষা মডেল সহ স্টিয়ারিং এআই এনভিডিয়ার অগ্রগামী কাজের সর্বশেষ প্রদর্শন। সম্প্রতি প্রতিষ্ঠানটি ওপেন সোর্স করেছে স্টিয়ারএলএম—একটি পদ্ধতি যা এআই সহকারীকে মানব প্রতিক্রিয়ার বিষয়ে প্রশিক্ষণ দিয়ে আরও সহায়ক হতে সারিবদ্ধ করে।

ইউরেকার মতোই, SteerLMও ভাষার মডেলগুলিতে অগ্রগতি ব্যবহার করে, কিন্তু তাদের একটি ভিন্ন চ্যালেঞ্জের উপর ফোকাস করে—এআই সহকারী সারিবদ্ধকরণের উন্নতি। SteerLM সহকারীকে কথোপকথনের অনুশীলন করার মাধ্যমে প্রশিক্ষণ দেয়, যেমন একটি রোবট কাজ করে শেখে। সহায়ক, হাস্যরস এবং গুণমানের মতো বৈশিষ্ট্যগুলির মাধ্যমে সিস্টেমটি সহকারীর প্রতিক্রিয়াগুলিতে প্রতিক্রিয়া দেয়৷

উদাহরণস্বরূপ, এটি একটি রোবটের মতো যে ভিডিওগুলি ভাল বা খারাপ হিসাবে লেবেল করা ভিডিওগুলি থেকে নাচ শেখে, মানুষের হাজার হাজার এলোমেলো নাচের পর্যালোচনা করার পরিবর্তে এবং কোনটি ভাল বা না তা নির্বাচন করে (যা আপনার আদর্শ এআই চ্যাটবটস প্রশিক্ষিত)। বারবার অনুশীলন করে এবং প্রতিক্রিয়া পাওয়ার মাধ্যমে, সহকারীরা ব্যবহারকারীর প্রয়োজন অনুসারে প্রতিক্রিয়া প্রদান করতে শিখে। এটি AI-কে বাস্তব-বিশ্বের অ্যাপ্লিকেশনের জন্য আরও উপকারী করতে সাহায্য করে।

সাধারণ থ্রেড হল সৃজনশীল নতুন উপায়ে উন্নত নিউরাল নেটওয়ার্কের ব্যবহার, রোবট শেখানো হোক বা চ্যাটবট। এনভিডিয়া হার্ডওয়্যার এবং সফ্টওয়্যার উভয় ফ্রন্টে সীমানা ঠেলে দিচ্ছে।

ইউরেকার জন্য, মূল বিষয় ছিল সিমুলেশন প্রযুক্তির সমন্বয় করা আইজ্যাক জিম ভাষার মডেলের প্যাটার্ন-স্বীকৃতির দক্ষতার সাথে। ইউরেকা কার্যকরভাবে "শিখতে শেখে", একাধিক প্রশিক্ষণ রানের উপর তার নিজস্ব পুরস্কার অ্যালগরিদম অপ্টিমাইজ করে। এমনকি এটি তার পুরষ্কার পরিমার্জিত করার জন্য মানুষের ইনপুট গ্রহণ করে।

এই স্ব-উন্নতির পদ্ধতিটি এখন পর্যন্ত অত্যন্ত সাধারণীকরণযোগ্য প্রমাণিত হয়েছে, সব ধরনের রোবটকে প্রশিক্ষণ দেওয়া হয়েছে—পা, চাকা, উড়ন্ত এবং দক্ষ হাত।

এনভিডিয়ার ইউরেকা এবং স্টিয়ারএলএম শুধু বাধাই ভাঙছে না, তারা রোবট এবং এআইকে সূক্ষ্মতা এবং অন্তর্দৃষ্টিপূর্ণ মিথস্ক্রিয়া শেখাচ্ছে। একটি কলম এবং মজাদার চ্যাটের প্রতিটি ঘোরার সাথে, তারা একটি ভবিষ্যতের স্কেচ করছে যেখানে AI শুধু অনুকরণ করে না, আমাদের পাশাপাশি উদ্ভাবন করে।