Physical Intelligence Công Bố Mô Hình AI π0.7: Robot Có Thể Tự Học Và Suy Luận
Công ty khởi nghiệp robot Physical Intelligence, chỉ mới hai năm tuổi và có trụ sở tại San Francisco, vừa gây chấn động giới công nghệ với nghiên cứu đột phá. Mô hình trí tuệ nhân tạo mới nhất của họ, mang tên π0.7, có khả năng điều khiển robot thực hiện những nhiệm vụ mà trước đó chưa từng được huấn luyện trực tiếp. Đây được xem là bước tiến quan trọng hướng tới mục tiêu xây dựng một "bộ não robot đa năng", có thể tiếp nhận nhiệm vụ hoàn toàn mới thông qua hướng dẫn bằng ngôn ngữ tự nhiên.
Từ Học Vẹt Đến Khả Năng Suy Luận Linh Hoạt
Trọng tâm của nghiên cứu nằm ở khái niệm "khả năng tổng quát hóa tổ hợp", tức năng lực kết hợp các kỹ năng đã học trong nhiều bối cảnh khác nhau để giải quyết vấn đề mới. Trước đây, robot thường được huấn luyện theo kiểu "học thuộc", yêu cầu thu thập dữ liệu riêng biệt cho từng nhiệm vụ cụ thể. Sergey Levine, đồng sáng lập công ty và giáo sư tại Đại học UC Berkeley, cho biết mô hình π0.7 đã phá vỡ giới hạn này bằng cách cho phép robot "tái tổ hợp" kiến thức theo cách sáng tạo.
Một minh chứng ấn tượng là việc robot sử dụng nồi chiên không dầu, một thiết bị mà mô hình gần như chưa từng "thấy" trong quá trình huấn luyện. Chỉ với dữ liệu rời rạc về việc đóng nắp nồi và đặt chai nhựa, cùng thông tin từ Internet, π0.7 đã hình thành hiểu biết chức năng để hoàn thành nhiệm vụ nấu khoai lang. Lucy Shi, nhà nghiên cứu tại công ty, nhấn mạnh rằng việc xác định nguồn gốc kiến thức của mô hình là cực kỳ khó khăn, nhưng khả năng tiếp nhận hướng dẫn bằng lời nói đã cải thiện đáng kể hiệu suất.
Huấn Luyện Bằng Ngôn Ngữ Tự Nhiên: Chìa Khóa Cho Tương Lai Robot
Khả năng tiếp nhận hướng dẫn bằng ngôn ngữ tự nhiên mở ra tiềm năng lớn, cho phép robot triển khai trong môi trường mới và cải thiện hiệu suất ngay lập tức mà không cần thu thập thêm dữ liệu. Tuy nhiên, nhóm nghiên cứu cũng thừa nhận hạn chế: trong một số trường hợp, vấn đề nằm ở cách con người "ra lệnh". Tỷ lệ thành công ban đầu chỉ đạt 5%, nhưng sau 30 phút điều chỉnh cách diễn đạt, con số này tăng vọt lên 95%.
Levine giải thích rằng mô hình hiện chưa thể tự động thực hiện nhiệm vụ phức tạp chỉ từ một lệnh tổng quát, nhưng nếu được hướng dẫn từng bước cụ thể, hệ thống hoạt động rất hiệu quả. Điều này tương tự như cách một nhân viên mới được chỉ dẫn trong công việc.
Đánh Giá Hiệu Suất Và Những Bất Ngờ
Một thách thức trong lĩnh vực robot là thiếu tiêu chuẩn đánh giá thống nhất. Nhóm nghiên cứu đã so sánh π0.7 với các mô hình chuyên biệt trước đây và nhận thấy nó đạt hiệu suất tương đương trong nhiều nhiệm vụ phức tạp như pha cà phê, gấp quần áo hay lắp ráp hộp. Điều đáng chú ý là chính các nhà nghiên cứu, những người hiểu rõ dữ liệu huấn luyện, cũng bị bất ngờ bởi khả năng của mô hình.
Ashwin Balakrishna chia sẻ rằng lần đầu tiên trong sự nghiệp, anh cảm thấy không thể dự đoán trước robot sẽ làm được gì. Levine so sánh trải nghiệm này với thời điểm GPT-2 tạo ra câu chuyện kỳ lạ về kỳ lân ở dãy Andes, một dấu hiệu cho thấy mô hình đã học cách liên kết kiến thức sáng tạo.
Thách Thức Và Triển Vọng Tương Lai
Dù đầy hứa hẹn, nghiên cứu vẫn sử dụng ngôn ngữ thận trọng, mô tả π0.7 chỉ mới thể hiện "dấu hiệu ban đầu" của khả năng tổng quát hóa. Đây là kết quả trong phòng thí nghiệm, chưa phải sản phẩm thương mại. Levine thừa nhận rất khó dự đoán thời điểm công nghệ này có thể triển khai ngoài thực tế, nhưng tốc độ tiến bộ hiện tại nhanh hơn kỳ vọng của ông vài năm trước.
Về mặt tài chính, Physical Intelligence đã huy động hơn 1 tỷ USD và được định giá khoảng 5,6 tỷ USD, với sự quan tâm lớn từ nhà đầu tư Lachy Groom. Công ty hiện đang đàm phán vòng gọi vốn mới, có thể nâng định giá lên tới 11 tỷ USD. Nếu π0.7 là dấu hiệu của xu hướng lớn hơn, robot trong tương lai có thể không chỉ "làm theo lệnh", mà còn thực sự hiểu và thích nghi với thế giới xung quanh.
