ROBOT LEARNING TAMIL | ரோபோ கற்றலின் புதிய புரட்சி

ROBOT LEARNING TAMIL | ரோபோ கற்றலின் புதிய புரட்சி

ROBOT LEARNING TAMIL:

காலத்தின் அடையாளமாகவும், வல்லுநர்களின் கருத்தின்படி எதிர்காலம் நம் கண்ணில் தங்குகிறது. எதிர்காலத்தில், ரோபோக்களை குறிப்பிட்ட செயல்களை செய்ய செயல்முறையாக்கம்செய்யவேண்டியதில்லை. அதற்கு பதிலாக, அவை தானே தன்னைக் கற்றுக்கொள்ளக் கூடிய திறமையை கொண்டுள்ள செயற்கை நுண்ணறிவைப் (Artificial Intelligence) பயன்படுத்தும்.

“இந்த ஆண்டுதான் பொதுவான பயன்பாட்டு ரோபோக்களை உருவாக்க முடியும் என்பதில் மக்கள் உண்மையிலேயே உணர்ந்துள்ளனர்,” என்று கூகுள் டீப்‌மைண்ட் நிறுவனத்தின் ரோபோடிக்ஸ் அணித் தலைவி கரோலினா பாரடா சமீபத்தில் கூறினார்.

மனித மூளையின் துவக்க அறிவு:

2023 இல் என் மகனின் முதல் நாட்களில், அவன் தூங்குவதற்கும், உணவருந்துவதற்கும் இடையில் “மோட்டார் பேபிளிங்” என அழைக்கப்படும் செயல்பாட்டில் ஈடுபட்டிருந்தான். அவனுடைய கைகள் மற்றும் கால் திசைகள் இயந்திரமாய் அசைந்தன; அவன் கண்கள் ஆவலாக அலைந்து கொண்டிருந்தன.

ஒரு இரவு, அவன் தூங்கச் சென்றபோது முதல் முறையாகச் சிரித்தான். நான் அவன் என்ன நினைக்கிறான் என்று அசர்ச்சியுடன் பார்க்கும் போது, அவன் முகபாவனை திடீரென மாற்றியெடுத்தது. இந்த செயல்பாடு மூளையினை உடலுடன் அறிமுகப்படுத்த உதவுகிறது.

ROBOT LEARNING TAMIL| உடல் மற்றும் அறிவு தொடர்பு:

நமது அறிவாற்றல் முதலில் உடலை அடிப்படையாகக் கொண்டது. நமது மூளையின் பெரும்பகுதி உடலின் செயல்பாடுகளை ஒழுங்குபடுத்துகிறது. மனிதக் கைகளின் திறமைகள் மற்றும் உணர்திறன்கள் மிகுந்த உள்ளமைவுடன் செயல்படுகின்றன.

கையில் உள்ள தோல் உணரிகள் மிகவும் நெருக்கமாக அமைந்துள்ளன. “கை என்பது ஒரு காட்சி உணர்வியல் கருவி போன்றது,” என்று எம்.ஐ.டி-யின் உயிர்மெக்காட்ரானிக்ஸ் வல்லுநர் ஆர்தர் பெட்ரான் கூறுகிறார். இருட்டில் ஒன்றை தொடுவதன் மூலம், அதை வடிவமைத்துக் கொள்ளலாம் என்பது இதற்கு ஒரு சான்று.

ROBOT LEARNING TAMIL | தொழில்நுட்ப சவால்கள்:

1980-களில் கனடிய ரோபோடிக்ஸ் வல்லுநர் ஹான்ஸ் மோரவேக் ஒரு சிக்கலை வெளிப்படுத்தினார்: மனிதர்களுக்கு எளிதான செயல்பாடுகள், ரோபோக்களுக்கு மிகவும் கடினமானவை.

மனிதர்களின் மூளையும் உடலின் செயல்பாடுகளும், இயந்திரங்களை மிஞ்சும் வினோத திறமைகள் கொண்டுள்ளன. இப்போது ரோபோக்கள் கற்றுக்கொண்டு முன்னேறி வருகிறன என்றாலும், உண்மையான மனித கைகளின் திறமைகளும் அதனுடன் இணையும் செயல்முறைகளும் மறக்க முடியாதவை.

இது ஒரு அதிசய உலகத்தைப் பார்க்க வழிவகுக்கிறது, நம் மனமும் உடலும் இணைந்து செயல்படும் ஆழத்தையும் கற்றுக்கொள்ளும் புதிய உலகத்தின் நுழைவாயிலாகவும் விளங்குகிறது.

A.I. தொழில்நுட்பம், முந்தைய காலங்களில் ஒரு மதிய நேரத்தை எடுத்துக் கொண்டுவந்த குறியீட்டுப் பணிகளைச் சுலபமாக தீர்க்கிறது. ஆனால் இந்த A.I. உங்கள் கீபோர்டில் தட்டச்சு செய்யாது. இது முழுவதும் மனதுடன் செய்கிறது, ஆனால் உடல் இல்லாமல். இதனால், “A.I.-ஐ எதிர்ப்பதற்குரிய” தொழில்கள் பழமையானவைதான்: பிளம்பிங், தச்சுத் தொழில், குழந்தை பராமரிப்பு, சமையல் போன்றவை.

Apple நிறுவனத்தின் இணை நிறுவனர் ஸ்டீவ் வோஸ்னியாக் ஒரு எளிய சோதனையை முன்மொழிந்தார், அது இன்னும் கடந்து விடப்படவில்லை: ஒரு ரோபோட் உங்கள் வீட்டிற்குள் சென்று ஒரு காபி தயாரித்து தருமா?

ROBOT LEARNING TAMIL | ரோபோடிக்ஸ் மற்றும் A.I. வளர்ச்சி:

சில வருடங்களுக்கு முன் வரை, ரோபோடிக்ஸ் வளர்ச்சி, A.I. வளர்ச்சியை விட மெதுவாகவே இருந்தது. Boston Dynamics போன்ற நிறுவனங்கள் உருவாக்கிய மனித வடிவ ரோபோக்கள் யூடியூப்பில் ஓட்டங்கள் பாய்ந்து, தடைகளை தாண்டுவது போன்ற செயல்களைக் காட்டின. ஆனால், இவை முன்கூட்டியே திட்டமிடப்பட்ட செயல்களே; அவற்றால் காபி தயாரிக்க முடியாது.

காபி ஃபில்டரை எடுக்க ரோபோட் ஒரு சமையலறைத் தடையைச் சுற்றி சென்று, ஒரு அலமாரியை அடையாளம் கண்டுபிடித்து, அதன் கதவுகளை அழிக்காமல் திறக்க வேண்டிய அவசியம் உள்ளது. மேலும், காபி ஃபில்டரின் பகுதிகளை வெவ்வேறாக பிரிப்பது கூட முன்னால் கடினமான ஒன்றாகவே கருதப்பட்டது.

ROBOT LEARNING TAMIL | A.I. வெற்றிகள் ரோபோடிக்ஸை மாற்றுகின்றன:

2020ல் OpenAI நிறுவனம் அறிமுகப்படுத்திய GPT-3 போன்ற மாடல்களைப் படித்தபோது, இது வரலாற்றை உருவாக்கும் நிமிடமாகவே உணர்ந்ததாக U.C. Berkeley யின் ரோபோடிக்ஸ் ஆராய்ச்சியாளர் டோனி ஷாவோ கூறினார். MIT இன் ஆராய்ச்சியாளர் ஆர்தர் பெட்ரான் OpenAI யின் மற்றொரு திட்டத்தில்—ரூபிக் க்யூபின் முகங்களை நுணுக்கமாக சுழற்றக்கூடிய ரோபோட் கையை உருவாக்கியவர்.

2022 ஆம் ஆண்டில், Google ஆராய்ச்சியாளர்கள் L.L.M. மாடல்களால் இயக்கப்படும் ரோபோக்கள் உடலரசிய செயல்களில் ஆச்சர்யகரமான நுண்ணறிவைக் காட்டும் என்பதைக் கண்டனர். ஒரு ரோபோட்டிடம் திடீரென சுண்ணாம்பு மற்றும் ஒரு பாட்டில் தண்ணீர் கேட்க, அது சமையலறையில் ஒரு வாழைப்பழத்தையும் தண்ணீரின் பாட்டிலையும் கண்டுபிடித்து கொண்டு வந்தது.

ரோபோடிக்ஸ் நவீன உச்சிக்கு அருகில்:

Google DeepMind ரோபோடிக்ஸ் குழுவின் தலைவர் கரோலினா பாரடா, “கடந்த இரண்டு ஆண்டுகள் மிக வேகமாக வளர்ச்சியடைந்தவை,” என்று கூறுகிறார். இப்போது, சில சிறந்த ஆய்வகங்களில், முந்தைய காலங்களில் இயந்திரமாக இருந்த கருவிகள் இப்போது நுண்ணறிவுடன் செயல்படுகின்றன.

ALOHA – மனித மற்றும் இயந்திரக் கைவினை:

மலிவு மிக்க “ALOHA” என அழைக்கப்படும் இரண்டு கைகளைக் கொண்டு இயங்கும் இந்த அமைப்பு, ஸ்டான்போர்டில் ஷாவோவின் டாக்டர் பட்ட ஆய்வுத் திட்டமாகத் தொடங்கியது. இப்போது, இது பல்வேறு செயற்பாடுகளுக்கு பயன்படுகிறது. ஒவ்வொரு கையும் வேலோசிராப்டரைப் போன்று தன் நுணுக்கத் திறமைகளால் செயல்படுகிறது.

இந்த வளர்ச்சிகள் நம்மை மனித-இயந்திர தொடர்பில் ஒரு புதிய பரிமாணத்திற்கு கொண்டு செல்கின்றன, அடுத்ததுடன் ரோபோக்களின் சுதந்திர செயல்பாடுகளையும் பார்த்து அசந்துவிட நம்மை தயார் செய்யும்.

ஒரு பெண் தனது ரோபோடிக் கைகளை பயன்படுத்தி நகைத் தொாமணியை நகைக் கேஸின் ஓர் திறந்த டிராயரில் மிகச்சிறப்பாக இறக்கி வைத்தார். அவளுக்கு பின்னால், மற்றொரு பெண் ஒரு ஜிப்-லாக் பையில் சீலினைப் பிரித்தார். அருகில் ஒரு இளைஞர் தனது கைகளை விரைவாக நகர்த்த, அவரது ரோபோடிக் கைகள் குழந்தையின் சட்டையை மடித்தன. இந்த வேலைகள் மிகவும் நேர்மை மற்றும் கவனத்துடன் செய்யப்பட்டது; அறையில் இயந்திரக் கூட்டு இயக்கங்களின் ஒலி மட்டுமே கேட்கப்பட்டது.

“நீங்கள் பாறையோடு பிசைவது போன்ற செயல்பாடுகளில் மிகவும் ஆச்சரியமானவை உள்ளன,” என்று டாம்சன் கூறி, என்னை ஒரு காலியிடம் அமர அழைத்தார். “உங்கள் பயிற்சியைத் தொடங்க எப்படி செய்வது என்பதை நான் காட்டுகிறேன்.”

ரோபோடிக் கைகளை இயக்குவது:

நான் இரண்டு கைப்பிடிகளைப் பிடித்தேன். ஒரு கையை நகர்த்தும் போது, அதற்கான ரோபோட்-கிளாவின் செயல்பாடும் துல்லியமாக தொடர்ந்தது. டாம்சன் ஒரு சிறிய பிளாஸ்டிக் வைரத்தை ஒரு வைர வடிவுள்ள துளையில் நுழைக்க என்னைச் சொன்னார். “இது சற்று கடினமாக உள்ளது,” என்று நான் கூறினேன். என் மூளை இந்த கிளாக்கள் என் புதிய கைகளாக செயல்படுவதாக விரைவில் ஏற்றுக் கொண்டது, ஆனால் அவை இன்னும் சரியாக இணைக்கப்படவில்லை.

“இரண்டு கைகளுக்கிடையில் மாற்றுவது பொருட்களை மீள் ஒழுங்குபடுத்த மிகவும் எளிதாக இருக்கும்,” என்று டாம்சன் சிந்தனையுடன் ஆலோசனை அளித்தார். நான் இடது கையை மறந்துவிட்டேன் என்பதையே உணரவில்லை. நான் இடது கிளாவை திறக்கவும் மூடவும் பழகினேன்; அதன் மூலம், வைரத்தை ஒரு கையிலிருந்து மற்ற கைக்கு மாற்றி, துளைக்குள் வைப்பதில் வெற்றிபெற்றேன்.

நுண்ணறிவு பயிற்சிகளும் ஆழ்ந்த கொள்கைகளும்:

உற்சாகத்துடன், நான் இடது கையில் ஒரு ஹைலைட்டரை பிடித்து, வலது கையில் அதன் மூடியை எடுத்தேன். இதே பணியை A.I. பயிற்சிக்காகவும் கொடுக்கப்பட்டுள்ளது. எனது கால் அருகே இரண்டு பேடல்களும் இருந்தன—ஒன்று “வெற்றி,” மற்றொன்று “தோல்வி” என குறிக்கப்பட்டது.

டாம்சன் தெரிவித்தது: “நீங்கள் வெற்றியை அடைந்தால் வலது பேடலை அழுத்துங்கள்; தவறினால் இடது பேடலை அழுத்துங்கள். இந்த தகவல்களைப் பயன்படுத்தி, A.I. எதிர்காலத்தில் உங்கள் செயல்பாட்டை மீள்செயல்படுத்த முயலும்.”

தொழில்நுட்ப நுணுக்கங்கள்:

டேபிளின் கீழ் இருந்த கணினியை நான் கவனித்தேன். டிரைஸ் விளக்கினார்: ரோபோட் செயல்படும் இடத்தைக் கண்காணிக்க நான்கு கேமராக்கள் மற்றும் சென்சார்கள் தகவல்களை சேகரிக்கின்றன. இந்த தரவுகள் நரம்பியல் நெட்வொர்க் மூலம் “கொள்கை” எனப்படும் கணினி செயல்முறையாக மாற்றப்படுகின்றன.

ஒரு சாதாரண தொழிற்சாலை ரோபோட் கையில் கொள்கை மிகவும் எளிமையாக இருக்கும்: “10 டிகிரிகளை வலதுபுறமாக திருப்பு, பொருளை எடு, விடு, திரும்ப திருப்பி வைக்க.” ஆனால் இங்கு பயிற்சியளிக்கப்படும் கொள்கைகள் அதைவிட சிக்கலானவை—சிறந்த செயல்பாடுகளின் உச்சியைக் கொண்டவை.

டிரைஸ் ஒரு கமாண்டில் டைப் செய்தார்: “இந்த கொள்கை கண்ணாடி மீது சட்டைகளை வைக்க பயிற்சியளிக்கப்பட்டது.”
“எத்தனை மாதிரிகளின் அடிப்படையில் இது பயிற்சியளிக்கப்பட்டது?” என்று டாம்சன் கேட்டார்.
“அருவமான எட்டு ஆயிரம்,” டிரைஸ் பதிலளித்தார்.

அடுத்து வந்த ஒரு தொழிலாளி தனது கைகளை சலசலப்புடன் சுழற்றினார். “அவர்கள் ஒருமணிநேரத்திற்கு மேல் இயங்கமாட்டார்கள்; அதற்கு பிறகு ஒரு மணிநேர இடைவெளி வேண்டும்,” என்று டாம்சன் கூறினார்.

இந்த நேர்மையான செயல்பாடுகள் நுண்ணறிவுக் கருவிகள் இன்னும் மக்களோடு இணைந்து பல்வேறு துறைகளில் புதிய நிலைகளுக்கு முன்னேறிவரும் என்பதற்கான அடையாளமாக விளங்குகின்றன.

அந்த கொள்கை தயாராக இருந்தபோது, டாம்சன் ஒரு குழந்தையின் பொலோ சட்டையை மேஜையில் வைத்தார், மேலும் டிரைஸ் என்டர் விசையை அழுத்தினார். திடீரென, நான் இயக்கிய ALOHA தனது தனியாரின் கட்டுப்பாட்டுக்கு மாறியது. அதன் கைகள் உயிரோடு செயல்பட ஆரம்பித்து, சட்டைக்கான நோக்கத்துடன் நகர்ந்தன; இதுபோல், “Fantasia” என்ற அனிமேஷனில் வர்ணனையான மந்திரக் கூலிகள் போல இருந்தது.

வலது கிளா சட்டையின் ஓரங்கத்தை பிடித்து, ஒரு பிளாஸ்டிக் ஆடைத்தூக்கியை நோக்கி உயர்த்தியது. மற்ற கிளா தூக்கியை பிடித்தது. அடுத்த கட்டங்களில், தூக்கியை சட்டையின் ஒரு தோளில் செதுக்கி, அதை சரியாக வைத்துவிட்டு, மற்ற தோளிலும் இதே செயல்பாட்டை செய்தது. ரோபோட் ஒரு கணம் நின்று விட்டது, ஆனால் பிறகு மீண்டது. இறுதியில், சட்டையையும் தூக்கியையும் ரேக்கில் வைத்தது.

“இதை வெற்றியாக கருதுவேன்,” என்று டாம்சன் வலது பேடலை அழுத்தி கூறினார். இந்த செயலின் சிக்கலான தன்மையை நான் பார்வையிட்டேன்: உங்கள் கண்கள் உங்கள் கைகளுக்கு சிறிய சரிசெய்தலை அளிக்க உதவுகின்றன. ALOHA, மிக எளிமையான மற்றும் மலிவான ரோபோடிக் கைகளாக இருந்தாலும், இதன் மூலம் துல்லியத்திற்கான வரம்புகளை மனிதர்கள் அகற்றியுள்ளனர். “நீங்கள் முட்டையை சுருட்ட முடியும்,” என்று டாம்சன் கூறினார். ஜாவோ ஒரு தொடர்புக் கண்ணாடியை அதன் கேஸிலிருந்து எடுத்து, ஒரு பொம்மை தவளையின் கண்களில் வைத்திருக்க முடிந்தது. (எழும் வேலைகள், குறிப்பாக தைக்குதல், இன்னும் கடினமாகவே இருக்கின்றன.)

கூகுள் புத்தகங்களின் தொடக்க நாட்களில், அறைகள் நிரம்பிய ஒப்பந்த ஊழியர்கள் பக்கம் பக்கமாக திருப்பி, உள்ளே மறைந்த அறிவை வெளியே கொண்டு வந்தனர். அதேபோல், ALOHA கைகளின் அறை, மனிதர்களின் அன்றாட வாழ்க்கையின் நுணுக்கமான உடல் செயல்பாடுகளை புலப்படுத்துகிறது—இது இன்னும் பதிவு செய்யப்படாத மனித நடவடிக்கைகளின் கடைசி எல்லையாகும். இவர்கள் உருவாக்கும் தரவுகள், “பெரிய நடத்தை மாதிரிகள்” என்று அழைக்கப்படும் புதிய ரோபோடிக் கொள்கைகளை பயிற்சியில் உதவும்.

பின்பு, அவர்களின் ரோபோட் புகழ் பெற்றது எனக் கூறப்படும் கொள்கையை நான் பார்க்க கேட்டுக்கொண்டேன். “ஒரு சிறந்த பேராசிரியர், ஒரு ரோபோட் கொள்கை ஷூ லேசை கட்ட முடிந்தவுடன் அவர் ஓய்வுபெறுவேன் என்று கூறினார்,” என்று டிரைஸ் கூறினார். டாம்சன் ஒரு ஜோடிக் கையை மேஜையில் வைத்தார்.

ரோபோடிக் கைகள் உயிர்பெற்று, ஷூ லேசின் இரு முனைகளையும் பிடித்து, குளங்களை உருவாக்கி, ஒருவருக்குள் ஒருவரை கோர்த்து பின்னின. கைகள் பிரிந்ததும், அனைவரும் ஆரவாரம் செய்தனர்: ரோபோட் ஒரு ஷூ லேசை கட்ட முடிந்தது!

“அவர் ஓய்வுபட்டாரா?” என்று நான் கேட்க, “இல்லை” என்ற பதில் வந்தது. A.I.-யின் மிக உயர்ந்த கனவுகளில் ஒன்று பொதுமைப்படுத்தல்: பயிற்சி தரவிற்கு அப்பால் உங்கள் கொள்கை எவ்வாறு செயல்படுகிறது என்பதைப் பார்க்குதல். இதை இரண்டு அல்லது மூன்று ஷூக்களிலேயே பயிற்சியளித்திருந்தனர்.

“என்னுடைய ஷூவை கொடுத்தால் அது முழுமையாக தோல்வியடையுமா?” என்று நான் ஆர்வமாக கேட்டேன். “நாம் முயற்சிக்கலாம்,” என்று டாம்சன் கூறினார். நான் என்னுடைய வலது செருப்பை கழட்டினேன். டாம்சன் அதை மேஜையில் வைத்து, டிரைஸ் கொள்கையை மீண்டும் ஏற்றினார்.

“இந்த வேலை இன்னும் சாத்தியமற்றது என்று கருதப்படுகிறது,” என்று டிரைஸ் எச்சரித்தார்.
ரோபோட் கைகள் தனது செயல்பாட்டைத் தொடங்கின. அவை ஷூ லேசை சரியாக பிடிக்க முடியாமல் போராடின. “உங்கள் செருப்பு அழிக்கப்படும் என உங்களால் அனுமதி தரப்படுமா?” என்று டிரைஸ் நகைச்சுவையாக கேட்டார். கடைசியாக, டாம்சன் தோல்வி பேடலை அழுத்துவதற்கு முன், கைகளை சில வினாடிகள் முயற்சிக்க விட்டார்.

உடல்நிலை வளர்ச்சியில், குழந்தைகள் ஒன்பது மாதங்களிலேயே பின்சர் பிடியை (pincer grip) முன்னேற்றுகின்றனர், அதாவது ஒரு சிறிய பொருளை நகங்களால் பிடிக்கும் திறனைக் கற்றுக் கொள்கின்றனர். இது “கைகளை” மையமாக வைத்துச் சிந்திக்கச் செய்தாலும், அசரீர மூலமாக ஒழுங்குகளை உணர்வதும் அவசியமாகிறது. ஒரு பழச்சில்லையை எவ்வளவு சக்தியாக அழுத்தலாம் அல்லது ஒரு சீரியோவின் தோன்றலுக்கு எவ்வளவு கவனம் கொடுக்க வேண்டும் என்பதையும் அவர்கள் சோதனையின் மூலம் கற்றுக்கொள்கிறார்கள்.

அதன் போல, மென்பொருள் அடிப்படையிலான செயற்கை நுண்ணறிவுகளும் (A.I.), குறிப்பாக பெரிய மொழி மாதிரிகள் (L.L.Ms) போன்ற ChatGPT, மனிதர்களின் அறிவைப் போன்ற முறையில் பயிற்சியடைகின்றன. இணையத்தில் கிடைக்கும் தரவுகளை எடுத்துக்கொண்டு, ஒரு “தொகுப்பை” மறைத்துக்கொண்டு முன்னால் உள்ள தகவல்களைக் கொண்டு அதை கணித்து, துல்லியமற்ற விவரங்களை எரிதல் முறையில் திருத்திக் கொள்கின்றன.

மனிதர்களுக்குக் குழந்தை பருவத்திலிருந்து சூழல் தகவல்களின் மீது தொடர் துல்லியமான கண்டுபிடிப்பு நடைமுறையால் உருவாக்கப்படும் ஒரு இழையோட்டமான சாத்தியமுள்ள உலகத்தின் மாதிரி உண்டு. உதாரணமாக, நீர்நீர் பற்றிப்பிடிக்க முடியாது என்று தெரிந்திருப்பது, அல்லது மெல்லிய அவகோடோ நெகிழ்ச்சியை கணிக்க முடிவது, இது காலத்தால் உருவான பார்வை மற்றும் தொடுகையின் கூட்டு அனுபவங்களின் சுட்டி.

ரோபோட்களுக்கான பாடம் எளிமையல்ல:
ALOHA போன்ற ரோபோட்கள், சுருட்டும் காகிதம் போன்ற காட்சிகளைக் கையாள்வதில் கூட, பயிற்சியில் சிக்கல்கள் அனுபவிக்கின்றன. இதற்கு காரணம், மெய் பொருள் உலகத்தில் பொருட்களின் மாறுபட்ட செயல்பாடு பற்றிய ஓர் “இணைய அளவிலான தகவல் களஞ்சியம்” இல்லாததுதான்.

அதற்கான தீர்வாக, “செயற்கை பயிற்சி உலகங்கள்” (simulated environments) சில வல்லுநர்களால் பரிந்துரை செய்யப்படுகின்றன. Nvidia போன்ற நிறுவனங்கள் “டிஜிட்டல் ட்வின்ஸ்” உருவாக்குவதில் முன்னேற்றம் கண்டு, ரோபோட்களுக்கான சிக்கலான நடவடிக்கைகளை விரைவாகச் சீர்மைப்படுத்த முயற்சிக்கின்றன. உதாரணமாக, OpenAI ரோபோடிக் கையை Rubik’s Cube சுற்றச் செய்யப் பயிற்சி அளிக்க, ஒரே நேரத்தில் பல புகலிடங்களில் மில்லியன்கணக்கான செயல்களை அடைய உதவியது.

ஆனால் இந்த பயிற்சிகள் உண்மையான ரோபோட்களுடன் பொருத்தமாவதா என்பது இன்னும் சோதிக்கப்பட வேண்டிய சிக்கலாகவே உள்ளது. ஒரு காகிதம் சுருட்டுவதும் கிழிக்கப்படுவதும் உள்ள இயற்கை மாறுபாடுகளை ஒரு கிராபிக்ஸ் சிமுலேட்டர் பூர்த்தி செய்ய முடியாது.

முடிவாக, மனிதர்களின் உலகியல் அறிதலை ரோபோட்கள் எதிர்நோக்க வேண்டும் என்றால், உள்ளூர் சோதனைகள், மெய் அனுபவங்கள் மற்றும் அதிக தரவுகளை வெற்றிகரமாக சேர்க்கும் முறைகளில் ஆராய்ச்சிகளை விரிவாக்குவது அவசியமாகிறது.