Kendi kendine giden robotaksilerin trafikte sürücüsüz ilerlediği, teslimat dronlarının gökyüzünde otonom uçarak siparişleri kapılara bıraktığı bir dünyada, iş yerlerinde veya evlerimizde çeşitli görevlerde insanlara yardımcı olan genel amaçlı robotların varlığı artık uzak bir fantezi gibi görünmüyor.
Ancak bu gelecek, modern yapay zeka ile desteklenen otonom robotların geliştirilmesine bağlı. Bu iddialı vizyon, birçok araştırmacıyı yenilikçi şirketler kurmaya teşvik ederken, milyarlarca dolarlık yatırımı da çekiyor.
Robotik şirketi Boston Dynamics'in yazılım başkan yardımcısı Matt Malchano, “Bundan yaklaşık 15 yıl önce otonomi odaklı bir proje ekibine liderlik ediyordum. O dönemde ekibin amacı sadece bir robotu A noktasından B noktasına yönlendirmekti,” diyor. “Şimdi ise otonomiyi düşündüğümüzde, bir robotun kendi başına yapabileceği görevler ve şeyler üzerine geniş bir yelpaze hayal ediyoruz.”
Geçmişte, Jetgiller'deki Rosie gibi bir hizmetçi robotu veya Star Wars'taki C-3PO gibi insansı robotlar yaratmanın pratik bir yolu hayal etmek zordu. Özellikle robotik laboratuvarları ve şirketleri otonom navigasyon ve hatta yürüyen robotlarda kendi dengesini sağlama gibi konularda bile mücadele ediyordu. 1979'da deneysel otonom araç Stanford Cart, engellerle dolu bir odada 20 metreyi başarılı bir şekilde kat etmek için beş saat harcıyordu. Kendi dengesini kaybetmeden yürüyebilen ilk iki ayaklı robot ise 1996'da geliştirildi.
Malchano'ya göre, robot otonomisi her zaman “hareketli bir hedef” oldu. Hedef, robotların ideal olarak doğrudan insan gözetimi olmadan, insanların zaten yapabildiği şeylerin giderek artan bir alt kümesini gerçekleştirebilmesi. Uluslararası Standartlar Organizasyonu, robotikte otonomiyi “mevcut duruma ve algılamaya dayanarak, insan müdahalesi olmadan amaçlanan görevleri yerine getirme yeteneği” olarak tanımlıyor.
Yapay zekadaki son gelişmeler, özellikle 2010'lardaki pekiştirmeli öğrenme ve 2020'lerde büyük veri kümeleri üzerinde eğitilen temel modeller, “robotun bir dizi aktiviteyi gerçekleştirebildiği ve görevleri gerçekten anlayabildiği bir dünyayı hayal etme yeteneğini ortaya çıkardı. Bu çok heyecan verici,” diyor Malchano. Şu anda, birçok araştırma laboratuvarı ve şirketi, daha karmaşık, öngörülemeyen ortamlarda çok çeşitli görevleri bağımsız olarak yerine getirebilen genel amaçlı robotlar geliştirmek için yarışıyor.
Bu tür robotlar, insansı robotlara milyarlarca dolarlık yatırım yapılmasına rağmen, mutlaka insansı bir görünüme ve işleve sahip olmayacaklar. Ancak ne tür bir formda olursa olsunlar, fabrikalar ve depoların nispeten kontrollü ortamlarında belirli görevleri yerine getiren milyonlarca endüstriyel robot ve hizmet robotunun ötesinde önemli bir adım olabilirler.
Bilgisayar bilimci ve yapay zeka ile robotik şirketi Physical Intelligence'ın kurucu ortağı Sergey Levine, “Montaj hatlarında robotun belirli bir hareketi yapması gerekir ve bu hareketi güvenilir ve tekrarlı bir şekilde yaparsa, bu temel bir fabrika otonomisi seviyesidir,” diyor. “Ancak şu anda mümkün olanın sınırında olan, yani gerçek dünyaya ulaşan bir araştırma konusu olan bir sonraki seviye, robotun yapılandırılmamış bir ortamda bir şeyi güvenilir bir şekilde yapabilmesidir.”
Bu alandaki araştırmacılar, yapay zekanın robotik ilgisini nasıl artırdığı, genel amaçlı robotlar yapmanın zorlukları, robot çalışanlar için güvenliğin neden bir dönüm noktası olduğu, cerrahi robotların neden hala sınırlı otonomiye sahip olduğu ve evlerde robot yardımcıları ne zaman bekleyebileceğimiz gibi konularda görüşmeler yaptılar.
Robotik Üzerindeki Modern Yapay Zeka Etkisi
Levine'ın kurucusu olduğu Physical Intelligence şirketi, açık dünya ortamlarında otonom olarak çalışan birçok farklı robot türünü güçlendirebilecek pratik robotik zeka elde etmeye çalışıyor. Levine, “Her şeyi yapabilen süper gelişmiş bir insansı robot olan tek bir nihai robot olacağını düşünmüyorum,” diyor. “Bunun yerine, her biri kendi işi için en uygun olan birçok farklı robotu güçlendirecek genel bir yapay zeka modeli olacağını düşünüyorum.”
Örneğin, bir New York dairesi için tavandan sarkan küçük bir robot kol daha uygunken, çiftlikte ağır nesneleri taşıyan “kocaman bir dev robot” daha kullanışlı olabilir. Levine, “Kesinlikle iyi insansı robotlarımız da olacak, ancak başka şeyler de olacak,” diyor. “İş için en mantıklı olan neyse o olacak.”
Ancak daha bağımsız olarak açık dünyada çalışabilen otonom robotlar geliştirmek “teknolojik karmaşıklıkta sıçramalar” gerektiriyor. Levine, bu tür robotların karmaşık çevresel algılamayı ele alması, sağlam motor becerilerine sahip olması ve temel hataları aşma ile insanlardan gelen talimatları işleme yeteneğine sahip olması gerektiğini açıklıyor. Ayrıca, bu robotların yeni durumlara uyum sağlamak için davranışlarını genelleştirmeyi öğrenmeleri gerekecek.
Birçok araştırmacı, pekiştirmeli öğrenme ve büyük önceden eğitilmiş modelleri içeren yapay zeka tekniklerinin bir kombinasyonu aracılığıyla bunu başarmaya çalışıyor. Pekiştirmeli öğrenme, robotların gerçek dünyayla etkileşim kurarak fiziksel robotlar aracılığıyla veya bilgisayar simülasyonlarında deneme yanılma yoluyla belirli görevleri yerine getirmelerini eğitmeyi içeriyor. Aynı zamanda, büyük miktarda veri üzerinde önceden eğitilmiş temel modeller (görsel ve metin üzerinde eğitilmiş görsel-dil modelleri gibi) robotlara dünyayla ilgili temel ön bilgileri sağlayarak çeşitli durumlarda daha uygun tepki vermelerine ve gereksiz hatalardan kaçınmalarına yardımcı olabilir.
Levine, “Pekiştirmeli öğrenme, tenis vuruşunuzu defalarca pratik yaptıktan sonra ona gerçekten iyi olmanız gibi,” diye açıklıyor. “Ancak oraya varmak için önce başlamak için temel bir sağduyuya sahip olmanız gerekir.”
Bu yapay zeka tekniklerinin kombinasyonu ve erişilebilir eğitim verilerinin kademeli olarak genişlemesi (insanların belirli görevlerin nasıl yapılacağını göstermek için robotları uzaktan kontrol etmesi gibi), robotları çeşitli koşullar altında birçok farklı görevi güvenilir bir şekilde yerine getirmeye eğitmek için “teşvik edici” ilerlemeler sağladı. Levine, “Modern makine öğrenimi sistemlerinin çalışmasının anahtarı, genelleştirme gördüğümüz kritik bir veri kütlesine ulaşmaktır,” diyor.
Ancak, robotları fiziksel görevleri yerine getirmek için yeterli doğru veriyi toplama konusunda hala yaygın olarak kabul edilen bir veri açığı var. Daha maliyetli ve zaman alıcı yöntemler, insanların teleoperasyon teçhizatları giyerek bir robotun fiziksel hareketlerini doğrudan yönlendirmesini veya laboratuvarlarda veya diğer ortamlarda robotlarla birçok deneysel deneme yapmasını içeriyor. Fizik tabanlı manuel olarak kodlanmış simülasyonlar, sanal ortamlarda robotları daha ucuza eğitebilir, ancak birçok gerçek dünya karmaşıklığını ve belirsizliklerini yakalayamayabilir.
Robotik araştırmacıları ayrıca robotların fiziksel dünyadaki eylemlerinin sonuçlarını tahmin etmelerine ve buna göre plan yapmalarına yardımcı olmak için dünya modelleri geliştiriyor. Bu yapay zeka modellerinin bazı uygulamaları, fiziksel ortamların nasıl çalıştığını öğrenmek için ağırlıklı olarak görsel veriler üzerinde eğitiliyor. Hatta bazı şirketler, ev işleri veya diğer görevleri yaparken başa takılan kameralar takan serbest çalışanları işe alarak eğitim verileri için birinci şahıs videoları topluyor.
Robot eğitimine yönelik bu yaklaşım, robotlarla gerçek dünya deneyleri yapmaktan daha ucuz olsa da, dünya modeli geliştirme hesaplama açısından pahalı olmaya devam ediyor ve gerçek dünya fiziksel etkileşimlerini doğru bir şekilde yeniden üretmekte de zorlanabilir.
Şimdilik, genel amaçlı robotlar ufukta. Pekiştirmeli öğrenme gibi mevcut eğitim yöntemleri, belirli koşullar altında belirli bir görevi tutarlı bir şekilde yerine getirmekte çok iyi olan robotlar üretebilir, ancak bu robotlar aynı görevi farklı koşullar altında yerine getirmekte zorlanabilir. Bu arada, teleoperasyon ve diğer yöntemlerden gelen çeşitlenen veri miktarı, robotları “bir dizi görevi öğretebilir, ancak %99,99 doğruluk seviyesine kadar değil” diyor Levine.
“Ya her şeyde biraz iyi olan ama harika olmayan bir şeye sahip olursunuz ya da tek bir şeyde olağanüstü iyi olan bir şeye,” diyor. “Gerçekten her şeyde olağanüstü iyi olan bir şey istiyoruz ve bu hala araştırmanın en ileri noktasında.”
Çalışarak Öğrenme
Neyse ki, dünya genel amaçlı robotik yeteneklerin geliştirilmesini beklemeden robotlar için pratik kullanımlar bulabilir. Birçok şirket, on yıllardır özel endüstriyel ve hizmet robotları geliştirip satıyor. Hem daha yeni startup'lar hem de daha yerleşik robotik şirketleri, giderek artan sayıda görevi yerine getirmek için en son robot otonomisi seviyelerini uyguluyorlar.
En bilinen şirketlerden biri, 1992'de MIT laboratuvarından ayrılan Boston Dynamics. Şirket, dört ayaklı ve iki ayaklı robotlarının viral video gösterileriyle tanınıyor. En son örnekler arasında, Atlas insansı robotunun 2026 Dünya Kupası sırasında çeşitli futbol hareketlerini öğrenmesi de yer alıyor.
Ancak yıllardır, Boston Dynamics'in dört ayaklı Spot robotu, elektrik ve gaz şirketi National Grid'in Massachusetts'teki dönüştürücü istasyonları ve California otoyollarının altından geçen boru hatları gibi insanlar için daha tehlikeli olan tesislerin otonom denetimlerini gerçekleştiriyor.
Malchano, “Bu tür robotik otonomi, robotun bir ortamda gezinme ve kendi başına eylemler gerçekleştirme, o ortamın fotoğraflarını ve sensör ölçümlerini alma yeteneğidir,” diyor. “Bu, bir ürüne paketlediğimiz ve sadece tesislerinin harika çalışmasını ve arızalanmamasını sağlamaya odaklanmış robotik uzmanı olmayan insanlar tarafından kullanılmak üzere sattığımız bir yetenektir. Bu, bugün mevcut olan bir otonomi biçimidir.”
Spot için özel bir zorluk, müşteri tesislerindeki kaygan zeminlerde yürümeyi öğrenmekti. Bu, pekiştirmeli öğrenme yoluyla ek eğitim gerektirdi. Malchano, “Robotun nasıl yürüyeceğini seçmesini ve kaygan bir zeminde olduğunu fark edip dengeyi korumak ve buz üzerinde yürüyen bir insana benzer şekilde gezinmek için eylemler almasını yeniden eğittik,” diye açıklıyor.
Aynı zamanda, şirketin büyük robot kollarına sahip tekerlekli Stretch robotları, DHL gibi lojistik şirketlerinin işlettiği depolarda büyük kutuları ve paketleri taşıyor. Malchano, “Lojistik şirketleriyle etkileşim kurarak, kamyonların farklı paket türlerine, yükleme şekillerine ve kamyonların kendi yapılarına sürekli olarak uyum sağladık,” diyor.
Boston Dynamics ayrıca tamamen elektrikli Atlas insansı robotunun üretimini de artırıyor. Bu insansı robot, Güney Koreli ana şirketi Hyundai Motor Group tarafından işletilen Robot Metaplant Uygulama Merkezi'nde eğitim ve testlerden geçiyor. Hedef, 2028 yılına kadar Georgia'da bulunan devasa bir elektrikli araç fabrikası olan Hyundai Motor Group Metaplant America'da eğitimli Atlas robotlarının görev yapmasını sağlamak.
Malchano, “Üstün otomobiller üreten Hyundai ile ilişkilendirilmemizden dolayı çok şanslı olduğumuzu düşünüyorum,” diyor. “Ölçeğe ulaşmak için bu yetenekten yararlanmak, robot inşa etmek için gerçekten önemli.”
Hyundai ve Boston Dynamics'in çabası, 2028 yılına kadar yıllık 30.000 insansı robot üretim kapasitesine ulaşmayı hedefliyor. Dünyanın bu kadar çok insansı robota bir kullanım alanı bulup bulamayacağı, geleneksel olarak insan iş yerlerinde ne kadar kullanışlı ve uygun maliyetli olabileceklerine bağlı. Hyundai'nin kendi insan iş gücünden de ilk itiraz işaretleri var; Hyundai Motor işçi sendikası, 25 Haziran'da Güney Koreli otomobil üreticisiyle yaklaşan Atlas robot dağıtımıyla ilgili iş güvenceleri konusunda müzakere ederken potansiyel bir grevi onayladı.
Ancak şimdilik, insan düzeyinde esneklik ve uyum yeteneğine yaklaşan genel amaçlı robotlar hala yıllar uzakta. Malchano, “Bir insandan bir görev yapmasını istediğinizde, neredeyse her zaman doğru yapmasını beklemeye alıştık,” diyor. “Genel amaçlı, yapay zeka güdümlü görevler için bu güvenilirlik seviyesine ulaşmanın ne gerektirdiğini hala anladığımızı düşünüyorum.”
Depolardan Evlere Giden Yol Haritası
Agility Robotics'in kurucu ortağı ve Oregon Eyalet Üniversitesi'nde robotik araştırmacısı Jonathan Hurst, robotikteki gelecekteki ilerlemenin, yeterli veriyle eğitilmiş robotların aniden yetenekli hale geldiği bir “ChatGPT anı” gibi görünmeyebileceğini söylüyor. Robotlar için eğitim verisi toplamanın, internet metinlerini, resimlerini ve videolarını kazımaktan daha basit olmadığını belirtiyor. Bu, robotun fiziksel dünyayla etkileşim halindeyken tüm eklemlerini ve uzuvlarını kontrol etme ve koordine etmeyle ilgili çok daha fazla gerçek dünya verisi toplamayı gerektiriyor.
Hurst, “Vücut bulmuş bir yapay zeka oluşturmak dramatik derecede daha zor; vücut bulmuş bir yapay zeka yapmak 10 kat daha zor,” diyor. “Büyük dil modellerini mümkün kılan veriler, vücut bulmuş yapay zeka için mevcut değil ve asla olmayacak.”
Hurst, önümüzdeki birkaç on yıl içinde robotların daha genel ortamlara ve durumlara girmelerine olanak tanıyan kademeli ilerlemeler bekliyor. Şirketi Agility Robotics, 2024'ten itibaren Atlanta, Georgia'daki bir GXO lojistik deposunda Digit robotlarını konuşlandırarak insansı robotlar için uzun vadeli ticari bir sözleşme kazanan ilk şirket oldu. Deponun içinde, Digit robotları sipariş toplama alanlarından konveyörlere ürünlerle dolu kutuları almak için çömeliyor ve taşıyor.
Agility, daha sonra Toyota Motor Manufacturing Canada'nın otomotiv üretim hatlarında ve Alman otomotiv üreticisi Schaeffler'in Güney Carolina fabrikasında daha fazla insansı robot konuşlandırdı. Mercado Libre e-ticaret şirketinin bir tesisine Digit robotlarını entegre etmek için başka bir ticari anlaşması var. Robotlar Amazon depolarında bile test edildi.
24 Haziran'da Agility, bir Kuzey Amerika borsasında halka açılan ilk “safkan insansı şirket” olma planlarını açıkladı. Şirket, robotlarının ilk ticari konuşlandırmalar ve pilot programlar aracılığıyla şimdiden 65.000 saatin üzerinde çalışma süresi biriktirdiğini belirtiyor.
Digit'in iş yerindeki görevleri çoğunlukla kutuları ve kapları alma ve taşıma üzerine odaklanmış durumda. Ancak bir sonraki adım, ürünleri kutulara yerleştirmek, ardından farklı boyut ve şekillerdeki karton kutuları taşımak olabilir. Bu, sonunda fabrika montaj hatları veya depolardan daha az yapılandırılmış ve potansiyel olarak daha kaotik olan perakende ve marketlerin arka odalarında iş fırsatlarına yol açabilir.
Daha ileride, Digit gibi insansı robotlar, paketleri insanların kapısına teslim etmek için kendi kendine giden araçlarda dolaşmaya başlayabilir. Son durak, doğrudan evlerdeki insanlara yardım etmek olabilir. Ancak Hurst, robot geliştirmenin, özellikle çocukların etrafında güvenli bir şekilde çalışabilecek veya ev işlerine yardım edebilecek kadar akıllı robotlar yaratmaktan hala on yıllar uzakta olduğu konusunda uyarıyor.
Hurst, “Nihayetinde, otonomi, birisi robotun kucağına bir bebek verdiğinde robotunuzun nasıl tepki vereceği anlamına gelecek,” diyor. “İnsan ortamlarında gerçekten denetimsiz olacaksa, bunun gibi gerçekten tuhaf uç durumlarla ve robotun orada iyi kararlar verecek kadar akıllı olup olmayacağıyla ilgilenmeniz gerekecek.”
Şimdilik, insansı robotlarının insanlarla birlikte evlerin içinde güvenli bir şekilde çalışacağını iddia eden şirketler “ya yalan söylüyor ya da yanılıyor, ikisinden biri,” diyor Hurst.
Güvenlik Faktörü
Otonom robotlar iş yerlerinde ve evlerde dolaşmadan önce, insanlar etrafında güvenli bir şekilde hareket edebildiklerini kanıtlamalıdırlar. Robot iş arkadaşlarından kaynaklanan fiziksel tehlike, 25 Ocak 1979'da 25 yaşındaki Robert Nicholas Williams'ın Flat Rock, Michigan'daki bir Ford Motor Company fabrikasında 1 tonluk bir robot aracın kolu tarafından ezilerek öldürülmesinden bu yana açıkça görülmüştür.
Agility Robotics gibi bu dersler unutulmamış. Oregon merkezli şirket, Digit insansı robotlarını Atlanta, Georgia'daki bir GXO lojistik deposunda konuşlandıran ilk uzun vadeli ticari sözleşmeyi imzaladı. Robotlar, ürünlerle dolu kutuları sipariş toplama alanlarından konveyörlere taşıyor ve yakın çevrelerinde insan işçiler olmadan izole bir şekilde çalışıyorlar. Hurst, “Hala nispeten az sayıda robot konuşlandırmamızın nedeni güvenlik engeli,” diyor. “Bu herkes için bir engel.”
Güvenlik nedenleriyle, Agility'nin Digit robotları, insan işçilerden ayrı “iş hücreleri” içinde konuşlandırıldı. Ancak önümüzdeki 12 ay içinde Agility, Digit v5 robotunu “ilk yapay zeka destekli, işbirliğine dayalı güvenli insansı robot” olarak ticarileştirmeyi planlıyor.
Hurst, “Robot çevresindeki insanları algılayabilir, hareket etmeyi durdurabilir ve bir kişi ona dokunmadan yere oturabilir,” diyor. “Böylece birinin ayağına düşmeyeceğini veya kolunu birinin yüzüne sallamayacağını garanti edersiniz.”
Hem Agility hem de Boston Dynamics, Uluslararası Standardizasyon Örgütü (ISO) aracılığıyla endüstriyel mobil robotlar için uluslararası bir güvenlik standardı geliştiren bir çalışma grubuna katıldı. Standartın taslak versiyonu olan ISO 25785-1, şu anda robotiklerden sorumlu bir teknik komite tarafından değerlendirilmektedir. Komite onay verdiğinde, taslak uluslararası standart, ISO'nun 89 oy kullanan ülkesi tarafından oylamaya sunulacaktır.
İnsan vücutlarıyla çok yakın çalışan bazı robotların güvenlik nedenleriyle sınırlı otonomisi vardır. Cerrahi robotik şirketi Intuitive'de baş teknik program yöneticisi ve mühendislik lideri olan Bhushan Patel, “Surgical robotlar tam otonom olarak ameliyat yapmıyor,” diyor. Bunun yerine, bu tür robotik cihazları “hala büyük ölçüde değişen seviyelerde akıllı yardımla insan güdümlü sistemler” olarak tanımlıyor.
Son Sınır: İnsan Vücutları
Bhushan, 1980'lerdeki ilk robotik telesurgery konseptlerinin uzaydaki astronotlara yardım etmek için tasarlandığını yazdı. Ancak bu fikir kısa sürede Dünya'daki hastalar için robotik cerrahi prosedürlerine yol açtı. Örneğin, robot destekli radikal prostatektomi, insan cerrahların prostat bezinin bir kısmını veya tamamını çıkarmak için robot kollarını kontrol etmesini içeriyor.
Küçük aletlerle donatılmış bu tür cerrahi robotlar, cerrahların insan vücudunun dar alanlarında süper insan hassasiyetiyle minimal invaziv operasyonlar yapmalarını sağlıyor. Kan damarlarında son derece hassas onarımlar yapmak veya komşu sinir demetlerine zarar vermekten kaçınarak hassas kesikler yapmak gibi.
1980'lerin sonlarından 2000'lerin başlarına kadar, insan cerrahlar hala ameliyatların planlanmasından uygulanmasına kadar her şeyi robotik aletleri kontrol ederek yapıyorlardı. Bu durum, robotik sistemler, insan cerrahların robotik aletleri kontrol ederek daha hassas eylemler yapmalarını sağlayan hareketleri otomatik olarak stabilize etmek, hastalara veya personele zarar vermemek için güvenli hareket sınırlarını zorlamak ve cerrahların vücudun içindeki farklı anatomik yapıları görsel olarak ayırt etmelerine yardımcı olmak için yapay zeka destekli bilgisayar görüşü sağlamak gibi destekleyici yetenekler sunduklarında, birinci seviye otonomi kazanmaya başladıkça değişmeye başladı.
Bhushan, “Soru robotun otonom olup olmadığı değil,” diyor. “Soru, karar verme ve eylem yürütmenin ne kadarının makineye karşı insana devredildiği.”
Daha otonom yeteneklere sahip cerrahi robotlar, hatta en deneyimli ve yetenekli insan cerrahlarınkinden daha fazla operasyonda daha fazla tutarlılık ve hassasiyet sağlayabilir. Bu, hastalar için daha hızlı ameliyatlar ve daha düşük komplikasyon oranları sağlamaya yardımcı olabilir. En uç senaryolarda, bu tür cerrahi robotlar, Dünya'nın uzak bölgelerinde veya insan cerrahların bulunmadığı uzay görevlerinde tıbbi bakım sağlayabilir.
Bhushan, çoğu ticari robotik cerrahi sisteminin hala birinci seviye otonomide olduğunu söylüyor. Ancak bazı sistemler, insan cerrahlar tarafından atanan belirli, önceden programlanmış görevleri gerçekleştirerek ikinci seviye otonomiye ulaştı: otomatik dikiş, kamera takibi, kemik frezeleme ve önceden tanımlanmış kesme yörüngeleri.
Bir sonraki adım, robotların görüntülemeyi analiz edebildiği, prosedürel planlar üretebildiği, hareket yörüngelerini uyarlayabildiği ve ameliyatlar sırasında insan dokusu hareketine dinamik olarak yanıt verebildiği üçüncü seviye otonomidir; tüm bunlar cerrah onayı gerektiren eylemlerdir. Bhushan, “Şirketler bunu başarmak için milyarlar harcıyor… ancak bugün FDA onaylı sistemlerin çok küçük bir kısmı üçüncü seviye yeteneğe yaklaşıyor,” diye açıklıyor.
Bhushan, “gerçek zamanlı akıl yürütme” ve “sürekli ortam anlama” ile dördüncü seviye otonomi, robotun “teorik olarak bir ameliyatın büyük bölümlerini bağımsız olarak gerçekleştirmesine izin verecektir, cerrah ise daha çok bir denetçi gibi davranacaktır.” Ancak bu tür bir otonominin “hala çok iddialı” bir araştırma laboratuvarı hedefi olduğunu, özellikle robotun kanama, doku deformasyonu ve hasta anatomisindeki varyasyonlar gibi beklenmedik komplikasyonlarla ilgilenmesi gerekeceğini konusunda uyarıyor.
Son olarak, beşinci seviye otonomiye sahip bir robot, bir cerrahın yapabileceği hemen hemen her şeyi bağımsız olarak yapma yeteneğine sahip olacaktır. Ancak Bhushan, “Bugün hiçbir klinik olarak konuşlandırılmış sistem buna yakın değil,” diyor.
Bhushan, klinisyenlerin ve hastaların, tüketici robotik ürünleri için hoş görülebilecek robot hatalarını tolere etmelerinin çok daha az olası olduğunu belirtiyor. Cerrahi robotik için otonomideki her ilerleme, ameliyathane verimliliğini ve klinik sonuçları iyileştirmeli, bu da robotik sistemleri satın alma ve bakımının karmaşıklığını ve maliyetlerini haklı çıkarmalıdır. Daha otonom, genel amaçlı robotları insan iş yerlerine ve evlere konuşlandırmak isteyen herhangi bir şirketi bekleyen pratik ekonomik test aynıdır.
Gelecek Nesilleri İlhamlandırmak
Robotik, büyük yapay zeka modellerinin hızlı yükselişinin tetiklediği bir ChatGPT anına sahip olmasa da, Agility'den Hurst, mevcut yapay zeka patlamasının genel olarak robotik araştırma ve geliştirmesine fayda sağladığını öne sürüyor. Bazı robotik zorlukları daha çözülebilir hale getirerek, en son yapay zeka teknikleri daha fazla insanı profesyonel kariyerlerini robotiklere adamaları için ilham verdi.
Hurst, “Robotikte doktora yaparken, gezegende robotikte doktora yapmış 100 kişiden azdı ve Carnegie Mellon ve Georgia Tech ülkedeki tek robotik programlardı,” diyor. “Şimdi benim kurduğum Oregon Eyaleti'nde bir tane var ve şimdi 30 tane daha var ve binlerce lisansüstü öğrenci robotik ve yapay zeka alanına giriyor ve buraya milyarlarca dolar yatırılıyor.”
Bu, daha fazla otonom robotun dünyaya girmesini sağlayan “kendini gerçekleştiren bir kehanet” yaratabilir. Çünkü bu kadar çok “gerçekten motive olmuş, heyecanlı ve yetenekli mühendis, tüm yaşam çabalarını profesyonel olarak buna adıyor, bu da bunun gerçekleşmesini sağlayacak.”
Böyle kişilerinden biri, Indiana'daki Purdue Üniversitesi'nde bilgisayar bilimi alanında doktora yaparken aynı zamanda ABD Ordusu DevCom Ordu Araştırma Laboratuvarı'nda robotları test eden Dipam Patel.
Ordu Araştırma Laboratuvarı çalışmaları, robotların deprem sonrası gibi arama kurtarma senaryolarında engellerle dolu bilinmeyen arazilerde gezinmesini eğitmeye odaklanmış durumda. Hatta bir robot kolu olan dört ayaklı robotların engellere tutunarak onları yolun dışına taşıyarak “etkileşimli navigasyon” yapabildiklerini bile test etti.
Deprem enkazında tırmanmak ve nesneleri yolun dışına çıkarmak, insan kurtarma görevlileri için doğal bir durum. Ancak robotlar, uzun vadeli, çok adımlı görevleri güvenilir bir şekilde yerine getirmekte zorlanıyor. Buna, pekiştirmeli öğrenme yoluyla eğitilmiş bir robotun yapay zeka modelinin yeni görevler öğrenmeye başladığında daha önce öğrenilmiş bir yeteneği üzerine yazabileceği “felaket unutkanlığı” da dahil.
Robotların ayrıca, harici kameralara ve sensörlere güvenmek veya hesaplama görevlerini bulut sunucularına aktarma lüksüne sahip olmadan yeni ortamlarda gerektiği gibi performans göstermek için yeterli yerleşik bilgisayar donanımı ve sensöre sahip olmaları gerekiyor. Patel, “Robot her şeyi kendi başına, herhangi bir harici bağımlılık olmadan yapabilmeli,” diyor. “Ancak o zaman genel amaçlı robotlara doğru ilerleyebiliriz.”
Aynı zamanda IEEE'nin lisansüstü üyesi olan Patel, hem dört ayaklı “robot köpekler” hem de yatırımcılar ve halk arasında büyük heyecan uyandıran insansı robotlar için tüm gövde kontrol şemaları geliştirmede daha geniş çalışmalar yaptı. Ancak Physical Intelligence'daki Levine gibi, robotik formun en mantıklı olanı konusunda pragmatik bir yaklaşım benimsiyor.
Patel, “İnsanlar, ‘insansı bir robota ihtiyacımız var’ diyor ama buna gerçekten ihtiyacımız yok,” diyor. “Sadece bir şeyler yapabilen bir robota ihtiyacımız var.”
