تصور کنید یک ربات صنعتی را برای اولین بار با یک ویدیوی ۱۲ ثانیه‌ای آموزش می‌دهید و او بلافاصله همان حرکت را تکرار می‌کند. این یعنی پایان عصر برنامه‌نویسی خط‌به‌خط برای هر حرکت ساده‌ی مکانیکی.
به نقل از اعلام شرکت Generalist AI در ۲۰ اوت ۲۰۲۶، مدل GEN-1.5 می‌تواند یک ویدیو کوتاه را به‌عنوان یک «پرامپت فیزیکی» دریافت کرده و بلافاصله آن را اجرا کند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی یادگیری مدل‌های بینایی-زبانی اشاره کردیم، هدف نهایی رسیدن به انعطاف‌پذیری انسانی است. این فناوری شبیه به یادگیری در بستر متن (In-context Learning) — مثل دانش‌آموزی که با دیدن یک مثال روی تخته، منطق مسئله را می‌فهمد و دیگر نیازی به خواندن کل کتاب ندارد — اما در دنیای فیزیکی عمل می‌کند.
طبق گزارش این شرکت، عملکرد مدل بسته به حجم داده‌های ورودی تغییر می‌کند:
- یادگیری صفر-نمونه (Zero-shot): با یک دموی ۳ تا ۱۲ ثانیه‌ای، نرخ موفقیت میانگین ۵۹٪ است (مثلاً بیرون کشیدن پول از کیف پول).
- آموزش حداقلی: با ۱۰ گام آموزشی و ۵ دقیقه داده، نرخ موفقیت به ۸۳٪ می‌رسد.
- قابلیت‌های پیشرفته: مدل می‌تواند دو پرامپت را به توالی‌های طولانی‌تر تبدیل کند و حرکات دست انسان را تقلید کند.
در بازدید هفته‌ی گذشته از دفتر این شرکت در کمبریج ماساچوست، بازوهای رباتیک در حال یادگیری کارهایی مثل چیدن لیوان‌ها و قرار دادن بلوک‌ها در کاسه بودند. بر اساس مستندات شرکت، این توانایی‌ها به‌صورت خودکار طی ۸ ماه پیش‌آموزش (Pretraining) روی داده‌های تعاملی شکل گرفته‌اند و تیم توسعه هرگز مدل را به‌طور صریح برای یادگیری در لحظه آموزش نداده است. این رویکرد در کنار راهکارهای جدیدی برای رفع گلوگاه داده‌ها در آموزش ربات‌ها، مسیر رسیدن به هوش مصنوعی عمومی در دنیای فیزیکی را هموارتر می‌کند.
برای صاحبان کسب‌وکار، این یعنی ربات‌های صنعتی دیگر ابزارهای صلب و خشک نیستند، بلکه دستیارانی منعطف‌اند. توانایی «پرامپت دادن» به یک ماشین فیزیکی از طریق ویدیو، هزینه‌ها و زمان تغییر خط تولید برای محصولات جدید را به‌شدت کاهش می‌دهد.
با این حال، این نتایج هنوز توسط شخص ثالث تأیید نشده است. باید منتظر محک‌های داوری همتا ماند تا مشخص شود آیا GEN-1.5 می‌تواند وظایف پیچیده‌ی صنعتی را فراتر از کارهای ساده‌ی خانگی مدیریت کند یا خیر.
گام بعدی شما
- بررسی مقالات مربوط به مدل‌های Vision-Language برای درک عمیق‌تر سازوکار GEN-1.5
- دنبال کردن گزارش‌های مربوط به استقرار این مدل در محیط‌های صنعتی واقعی
- تحلیل تفاوت بین یادگیری Zero-shot و Fine-tuning در رباتیک
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو