Fiziksel yapay zeka, risk sermayesinin en gözde alanlarından biri. Şirketler, büyük dil modellerini ortaya çıkaran araçları robotiğe uygulamak için milyarlarca dolar topluyor.

Bu heyecan, Çin'in önde gelen robot üreticisi Unitree'ye büyük bir halka arz getirdi: şirket Çin'in Nasdaq karşılığındaki borsaya çıkışının ardından 66 milyar dolar değerlendi. Ancak kısa süre sonra dip düştü ve değerinin neredeyse yarısını kaybetti.

Analistlerin işaret ettiği sebep tek ve açık: robotların fiziksel yetenekleri gelişiyor, ama değer üreten bir iş yapacak bilgi birikimine hâlâ sahip değiller.

Sektörün kendi teşhisi

Robotlara yapay zeka beyni geliştirenlerin buluştuğu Actuate konferansında heyecan görünürdü. Etkinlik 2023'teki ilk turundan bu yana üç katına büyümüş, 1.500 katılımcıya ulaşmıştı. Ama risk de aynı ölçüde görünürdü: bir altyapı şirketinin standındaki tabela "robotik veri krizini" çözmeyi vaat ediyordu.

O kriz, yüksek kaliteli eğitim verisinin yokluğu. Her işi yapabilen genelleştirilmiş robotlar hâlâ uzak; belirli görevler için uçtan uca öğrenme kullanmak ise güvenilir, ticari başarım gösteren ürünler ortaya çıkarmadı.

Geliştiricilerin yanıtı, sınır laboratuvarlarının ilerlemesini daha iyi taklit etmek: daha çeşitli veri kümeleri bulmak ya da üretmek, farklı eğitim düzenleri denemek ve daha iyi pekiştirmeli öğrenme senaryoları kurmak.

"GPT-2 dönemi" ne demek

Model geliştiricilere benzetim aracı yapan Antioch'un kurucusu Harry Mellsop, fiziksel yapay zekanın "GPT-2 döneminde" olduğunu söylüyor — ChatGPT'den önce gelen OpenAI modeline atıfla.

Benzetme iki şeyi birden anlatıyor. Birincisi yetenek düzeyi: ortada çalışan bir şey var ama ürün değil. İkincisi ve daha önemlisi, oradan çıkış yolunun bilindiği: daha çok veri ve daha çok hesaplama. Mellsop'a göre özellikle ışın izleme için iyileştirilmiş grafik işlemcileri gerekiyor; bunlar yüksek sadakatli benzetimler üretmekte kullanılıyor.

Otonom araçlar neden önde

Alanın en ilerisindeki dal otonom araçlar. Bunun iki sebebi var ve ikisi de veriyle ilgili:

  • Veri toplanabiliyor — insanların sürdüğü arabalardan ilgili veriyi toplamak mümkün. Robot kolun bir bardağı nasıl tutacağına dair böyle bir kaynak yok.
  • Görev daha kolay — asıl iş fiziksel çevreyi manipüle etmek değil, temastan kaçınmak. Bir şeye dokunmamak, bir şeyi doğru tutmaktan çok daha az beceri gerektiriyor.

Model geliştirme araçlarının önemli bölümü de otonom araç şirketlerinden geliyor. Konferansın düzenleyicisi Foxglove, General Motors'un artık kapanmış sürücüsüz araç girişimi Cruise'un eski çalışanları tarafından kurulmuş.

Şimdi o araba şirketleri, makine öğrenmesi araçlarına yaptıkları yatırımın kendilerine insansı robot üreticileriyle rekabet imkânı vereceğine bahis oynuyor. Tesla bunu Optimus robotuyla deniyor; otonom araç odaklı Wayve ve paylaşımlı ulaşım devi Uber de insansı biçime odaklanan robotik laboratuvarları kurdu.

Bu iki sebep birlikte önemli bir sonucu doğuruyor: otonom araç alanında biriken bilgi, doğrudan robotiğe aktarılabilir bir sermaye hâline geliyor. Sürücüsüz araç şirketleri yıllardır veri toplama, etiketleme, benzetim kurma ve model değerlendirme altyapısı inşa etti. Bu altyapı, aracın tekerlekli mi bacaklı mı olduğundan büyük ölçüde bağımsız.

Stratejik ayrışma: önce beyin mi, birlikte tasarım mı

Burada sektörü ikiye bölen bir tartışma var.

Wayve üst yöneticisi Alex Kendall araçlardan başlamak gerektiğini savunuyor: "Bence araçlarda başlamanız gerekiyor. Manipülasyon robotiği, beş yıl önceki sürücüsüz araç gibi." Kendall'a göre veri altyapısı, benzetim ve makine öğrenmesi işletim altyapısı muhtemelen paylaşılacak, ama benzetici için gereken dünya modeli farklı bir eğitim sonrası aşama gerektirecek. Farklı bedenler için farklılıklar gerekecek, ama ortaklık farklardan çok olacak.

Kendall ayrıca herhangi bir donanım platformuna bağlanmak için çok erken olduğunu düşünüyor: algılayıcılarda ve diğer bileşenlerde ilerlemeler hızla geliyor ve gerçekten genel bir modelin donanımdan bağımsız olması gerekiyor.

Bu yıl 105 milyon dolarlık tohum turu toplayan dikey bütünleşik insansı robot şirketi Genesis AI'ın üst yöneticisi Théophile Gervet ise karşı görüşte: "Bir beyin stratejisinin işe yaraması için bu dalganın çok başındayız; bizim görüşümüz donanım ile yapay zekayı birlikte tasarlamak için pek çok fırsat olduğu."

Dar mı genel mi: asıl tuzak

Sektördeki bir başka sıcak başlık, işin nasıl odaklanacağı. Tablo şu anda net biçimde ayrışmış durumda: belirli görevleri hedefleyen robotik şirketleri robotlarını sahaya çıkarıyor — biri güneş enerjisi santrali kuruyor, biri sanayi ortamlarında robot konuşlandırıyor, biri kepçeleri otonom çalıştırıyor. Buna karşılık genel amaçlı insansılar laboratuvardan çıkamıyor.

Gervet ikilemi keskin biçimde özetliyor: "Hiçbir müşteri yüzde 80 başarı oranıyla çalışan genel amaçlı robotu umursamıyor. Pek çok oyuncunun genele gittiğini görüyoruz ama dikey odak olmadığı için sağlanan bir değer yok. Ama öte yandan, GPT-2'nin üzerine dar bir dikey inşa ediyorsanız, GPT-4'ün üzerine inşa eden şirket sizi ezer."

Bu cümle sektörün asıl sıkışmasını anlatıyor. Dar gitmek gelir ve gerçek dünya konuşlandırma verisi getiriyor. Ama göreve özgü veri, genel amaçlı modelleri ileri taşıyacak çeşitliliğe sahip olmayabilir. Kepçe verisiyle eğitilen bir model kepçeyi iyi kullanıyor; bulaşık makinesini boşaltmayı öğrenmiyor.

Görünmeyen katman: veriyi yönetmek

Bu tartışmanın altında, konuşulmayan ama belirleyici bir katman var: toplanan verinin yönetilmesi.

Robot verisi metinden farklı bir sorun çıkarıyor. Görsel ve lazer tarama verisi yoğun; bir robotun tek bir günü, bir dil modelinin eğitim kümesindeki milyonlarca kelimeden çok daha fazla depolama tutabiliyor. Bu yığın içinde işe yarayan anı bulmak — modelin başarısız olduğu, tuhaf davrandığı ya da yeni bir durumla karşılaştığı kesiti — başlı başına bir iş.

Konferansta duyurulan yeni bir ürün tam bu sorunu hedefliyor: Nvidia'nın açık ağırlıklı dünya modeli Cosmos üzerine kurulan araç, mühendislerin bu veriyi karmaşık doğal dil sorgularıyla aramasına imkân tanıyor. Amaç değerlendirme ve benzetim kurmayı, hata ayıklamayı ve önceliklendirmeyi hızlandırmak — yani model geliştiricilerin daha hızlı döngü kurabilmesi.

Bu ayrıntı önemli, çünkü alanın darboğazının nerede olduğunu gösteriyor. Sorun yalnızca "yeterli veri yok" değil; eldeki verinin içinden öğretici olanı çıkarabilmek de ayrı bir kısıt.

Dar başlayıp genişlemek

Dikey odaklanmanın cazibesi yalnızca gelirden gelmiyor; gerçek dünya konuşlandırma verisi de getiriyor. Kepçeleri otonom çalıştıran şirketin teknoloji başkanı Kevin Peterson yaklaşımlarını şöyle anlatıyor: kazı işiyle başlamaları, "vahşi ortamda manipülasyonun" zorluklarını anlamak içindi. Ancak plan orada durmuyor; şirket bir dizi inşaat makinesine yayılan bir zekâ katmanı geliştirmeyi hedefliyor.

Bu, Gervet'in tarif ettiği ikilemden çıkış yolu olabilir: dar bir dikeyde başlayıp veriyi biriktirmek, sonra o birikimi komşu görevlere taşımak. Ama işe yarayıp yaramayacağı henüz belli değil — kepçeden vince geçen bir modelin, sıfırdan eğitilen bir modele göre gerçekten avantajlı olup olmadığını gösteren bir sonuç yok.

Ne zaman "olmuş" sayılacak

Sektörün beklediği bir "ChatGPT anı" var mı? Üç farklı yanıt çıkıyor ve üçü de öğretici.

Kendall, dünyadaki en yaygın robot konuşlandırmasının hâlâ ev tipi süpürge robotları olduğunu hatırlatıyor. Ona göre ChatGPT anı, yatırımcıları değil tüketicileri heyecanlandıran bir şey olurdu: "Buna bir örnek, bir arabada 1.000 doların altında donanımla gözünüzü yoldan ayırabildiğiniz otonomiye ulaşmak olurdu."

Gervet için o an, manipülasyonun kutudan çıktığı gibi çalışması: "Bir robotla doğal dilde konuşup ona temel bir manipülasyon işi yaptırabilmek — itmek, çekmek, dizüstü bilgisayarı kapatmak, masayı toplamak — ve bunun kutudan çıktığı gibi diyelim yüzde 80 üstü bir güvenilirlikle çalışması. Bu aşağı yukarı sizin ChatGPT deneyiminiz."

Foxglove üst yöneticisi Adrian Macneil ise soruyu tümden reddediyor: "Robotikte bir ChatGPT anı olmayacak. ChatGPT'yi bir an hâline getiren şey dağıtımdı — bir haftada sıfırdan bir milyon aktif kullanıcıya gittiler. Gerçek dünyada dağıtım bundan çok daha zor. Robotikte Apple II anını ya da IBM PC anını görmek beni çok heyecanlandırırdı."

Neden önemli

Macneil'in itirazı bu alanı okumanın en iyi çerçevesini veriyor. Yazılımda bir atılım, indirme hızıyla yayılıyor. Fiziksel dünyada ise üretim hattı, tedarik zinciri, servis ağı ve fiyat gerekiyor. Apple II bir anda değil, yıllar içinde yayıldı.

Bu ayrım yatırımcı açısından da anlamlı. Yazılım şirketinde kullanıcı sayısı ile gelir arasındaki bağ neredeyse doğrudan; robotikte araya üretim kapasitesi, birim maliyet ve servis yükümlülüğü giriyor. Bir robotun satılması, bir uygulamanın indirilmesiyle aynı ölçekte hiçbir zaman olmayacak.

Unitree'nin değer kaybı da bu yüzden şaşırtıcı değil. Piyasa robotları yazılım hızıyla fiyatlamıştı; şirketin sunduğu ise donanım hızında ilerleyen bir iş. Aradaki fark, beklenti ile teslimat arasındaki mesafe olarak ortaya çıktı.