המרוץ לפיתוח בינה מלאכותית המסוגלת להבין את העולם הפיזי ולפעול בתוכו עובר שלב משמעותי: מבחני ביצועים ראשוניים שנערכו למודל GPT-6 Astra מבית חברת OpenAI מראים קפיצת מדרגה ניכרת ביכולות התפיסה והניתוח המרחבי. המודל החדש הציג יתרון בולט מול מודלים מתחרים בשליטה בזרועות רובוטיות ובביצוע משימות פיזיות עדינות, נתון המחזק את ההערכות בדבר תוכניותיה ארוכות הטווח של החברה להיכנס לתחום הרובוטיקה האישית והצרכנית.
פער ניכר במבחני הרובוטיקה המעשיים
במסגרת הערכת היכולות של המודל החדש, נבחנו ביצועיו של GPT-6 Astra מול המודל MolmoAct2 מבית מכון המחקר Ai2 במבחן ביצועים חדש בתחום הרובוטיקה בשם StationeryBench. המבחן כולל חמש משימות שונות של טיפול בחפצים בסביבת שולחן עבודה, בהן פתיחת פקק של טוש סימון, מזיגת מהדקי נייר מתוך כלי, והעברת סרגל באופן מתואם בין שתי זרועות רובוטיות.
שני המודלים קיבלו שליטה על רובוטים זהים בעלי זרועות כפולות מסוג YAM, והופעלו לאורך 200 ניסויים שונים. התוצאות הראו פער מובהק לטובת המודל של OpenAI:
- השלמת משימות מלאה: GPT-6 Astra הצליח להשלים באופן מלא 7 מתוך 100 משימות שהוקצו לו, בעוד המודל המתחרה MolmoAct2 לא הצליח להשלים אף משימה בודדת במלואה.
- מדד התקדמות חציוני: מדד החציון להתקדמות של Astra עמד על 46 נקודות מתוך 100, לעומת ציון חציון של 12 נקודות מתוך 100 בלבד עבור MolmoAct2.
- שקיפות מחקרית: כלל הנתונים המלאים, סרטוני התיעוד של הניסויים וקוד המקור פורסמו באופן פתוח בפלטפורמת GitHub על ידי צוות Robocurve.
| מדד הנגזר מניסוי StationeryBench | GPT-6 Astra (OpenAI) | MolmoAct2 (Ai2) |
|---|---|---|
| משימות שהושלמו במלואן (מתוך 100) | 7 | 0 |
| מדד התקדמות חציוני (מתוך 100) | 46 | 12 |
| חומרה בשימוש | זרועות YAM כפולות | זרועות YAM כפולות |
| סך הכל ניסויים במבחן | 100 | 100 |
אימון על בסיס נתוני תלת-ממד ותוצאות קרובות לאדם
תוצאותיו של Astra חורגות ממבחן StationeryBench בלבד. יואב ארצי, חוקר בינה מלאכותית מאוניברסיטת קורנל ומעבדת Google DeepMind, הגדיר את ביצועי המודל כשינוי מדרגה בתפיסה המרחבית. לדבריו, במבחן ביצועים נוסף בשם REMAP, אשר טרם פורסם רשמית, מציג המודל רמת דיוק הקרובה ליכולת אנושית. עם זאת, ארצי סייג את הדברים וציין כי אפילו מודל מתקדם כזה אינו מגיע לרמת הביצועים האנושית בתרחישים מורכבים אחרים.
על פי הערכתו של ארצי, קפיצת המדרגה נובעת משיטת אימון ייחודית: החברה אימנה את המודל על גבי כמויות גדולות במיוחד של נתוני תלת-ממד (3D), כדוגמת סצנות שנוצרו בתוכנת הגרפיקה Blender. אימון מסוג זה מסביר את הזינוק הספציפי שהציג המודל בביצוע משימות הדורשות הבנה מרחבית תלת-ממדית ותכנון תנועה במרחב הפיזי.
הצעד הבא של OpenAI לעבר רובוטיקה צרכנית
היכולת של מודלי בינה מלאכותית לפעול ישירות במרחב הממשי נחשבת לאחד האתגרים המרכזיים בדרך ליצירת סוכנים אוטונומיים פיזיים. הנתונים החדשים משתלבים בתוכניות ארוכות הטווח של חברת OpenAI לפתח בעצמה רובוטים המיועדים לשימוש ביתי וצרכני.
בזמן שמודלים קודמים התמקדו בעיקר בטקסט, קוד או עיבוד תמונות דו-ממדיות, GPT-6 Astra מייצג מעבר מוחשי לעבר מערכות המסוגלות לתפוס את המרחב התלת-ממדי, לנתח עצמים פיזיים ולהפעיל זרועות רובוטיות בצורה מדויקת יותר. אף על פי ששיעור ההשלמה המלא של המשימות עדיין נמוך במונחים מוחלטים, הפער בינו לבין מודלים מקבילים מסמן כיוון ברור בהתפתחות תחום הרובוטיקה האוטונומית.
למה זה חשוב לך
ההתקדמות הזו מקרבת את היום שבו רובוטים ביתיים חכמים, המסוגלים לבצע משימות יומיומיות פשוטות, יהפכו לזמינים גם לצרכן הפרטי, כולל בישראל. עבור חברות טכנולוגיה ויזמים ישראלים, תחום הרובוטיקה הצרכנית עשוי להפוך לזירת תחרות משמעותית נוספת מול ענקיות כמו OpenAI ו-Ai2. בנוסף, קצב השיפור המהיר בתפיסה המרחבית של מודלי בינה מלאכותית מרמז על כך שיישומים תעשייתיים ולוגיסטיים מבוססי רובוטיקה עשויים להתפתח מהר יותר ממה שנהוג היה להעריך עד כה.
התוכן בכתבה זו נועד לספק סקירה כללית בלבד ואינו מהווה תחליף לייעוץ מקצועי פרטני. המערכת אינה אחראית לכל נזק או הפסד שייגרם כתוצאה מהסתמכות על המידע המוצג.
קראו גם: בכיר במיקרוסופט: אימון AI הוא "גניבת העבודה הגדולה בהיסטוריה" · בייג'ינג דוחה קריאות בלם מסיליקון ואלי: "ניסיון לבלום את סין"
