La startup d'intelligence artificielle Generalist AI Inc., une start-up incarnant l'intelligence robotique, a annoncé aujourd'hui avoir levé 400 millions de dollars de nouveaux financements, portant la valorisation de l'entreprise à 2 milliards de dollars.
La société a été fondée par Pete Florence, un ancien scientifique principal de DeepMind qui a contribué à la création de RT-2, un système de contrôle robotique pour les modèles vision-langage-action qui transfère les connaissances des actions du monde réel, et PaLM-E, un des premiers modèles d'IA pour la robotique qui fournit un cadre pour la vision basée sur l'IA. et un enseignement basé sur la langue. Dans l'équipe fondatrice, Florence est rejointe par le scientifique en chef Andy Zeng et le directeur de la technologie Andrew Barry, ancien roboticien chez Boston Dynamics Inc.
La contribution la plus récente de l'IA généraliste à cette industrie est GEN-1, publié en avril, un modèle de base d'IA très performant pour l'apprentissage des robots démontrant la maîtrise des tâches physiques.
L'IA physique est la couche d'intelligence artificielle qui fonctionne et interagit avec le monde physique en combinant des modèles d'IA avec des capteurs, des actionneurs et des systèmes de contrôle. Au niveau du sol, il s’agit de robotique, de voitures autonomes, de drones et d’autres systèmes qui transforment l’intelligence en action. Cela peut également inclure des bâtiments intelligents, des caméras qui fonctionnent à l'intérieur des magasins de détail et sur les campus et qui suivent les personnes, verrouillent et déverrouillent les portes, font fonctionner les systèmes environnementaux, la distribution électrique et d'autres machines.
GEN-1 incarne une tendance en croissance rapide dans le domaine de la robotique, la capacité de traduire les compétences physiques humaines du monde réel en bras robotiques et autres appendices et de les faire avec rapidité et intelligence. De nombreuses sociétés d'intelligence robotique ont tenté d'exploiter cette capacité, y compris des modèles d'intelligence physique, avec pi-0, que GEN-1 a dépassé en effectuant des tâches encore plus rapidement.
Les modèles d'IA généraliste vont encore plus loin que les modèles robotiques actuels en ajoutant une adaptabilité supplémentaire. Parfois, lorsqu'un bras robotique fonctionne, les objets ne s'agrippent pas toujours de la même manière. Une pièce peut se déformer parce qu'elle est molle ou elle peut se détacher d'une pince. Il se peut qu'il ne rentre pas correctement dans un trou, que l'éclairage change brusquement ou qu'une boîte manque sa cible.
Dans tous ces cas, un humain s’adapterait simplement et réessayerait. Un robot doté d'un ensemble de règles rigides fonctionnerait mal, mais un système d'IA doté d'une intelligence adaptative, tel que GEN-1, peut fonctionner à partir d'un système d'apprentissage pour s'adapter et réessayer, affirme l'entreprise.
L’exemple idéal est le pliage d’une chemise, qui ne finit pas toujours sous la même forme lorsque quelqu’un la saisit. La même chose peut se produire avec une boîte, une petite pièce ou toute autre chose dans un entrepôt ou une usine.
Selon Generalist AI, la création de modèles d'IA plus intelligents et plus adaptables pour les environnements industriels, commerciaux et domestiques qui fonctionnent rapidement ouvre la voie à une robotique capable de fonctionner aux côtés des humains.
