ચેટબોટ્સ અને ટેક્સ્ટ જનરેશન પછી હવે આર્ટિફિશિયલ ઇન્ટેલિજન્સની દુનિયામાં નવી દોડ શરૂ થઈ રહી છે. હવે ટેક કંપનીઓનો ફોકસ માત્ર એવો AI બનાવવાનો નથી, જે માણસોના સવાલોના જવાબ આપી શકે કે લખાણ તૈયાર કરી શકે. હવે પ્રયાસ એવા AI પર થઈ રહ્યો છે, જે રોબોટ્સને વાસ્તવિક દુનિયા સમજવામાં અને તેમાં કામ કરવામાં મદદ કરી શકે. આ નવી ટેકનોલોજીને ફિઝિકલ AI અથવા એમ્બોડિડ AI તરીકે ઓળખવામાં આવે છે. તેનો મુખ્ય હેતુ રોબોટ્સને માત્ર આદેશનું પાલન કરનાર મશીન નહીં, પરંતુ આસપાસની પરિસ્થિતિને સમજીને યોગ્ય નિર્ણય લઈ શકે તેવું બનાવવાનો છે.
આ નવી દોડના કેન્દ્રમાં ‘વર્લ્ડ મોડલ્સ’ નામની ટેકનોલોજી છે. આ સિસ્ટમ રોબોટ્સને તેની આસપાસની દુનિયામાં શું થઈ રહ્યું છે, વસ્તુઓ કેવી રીતે બદલાઈ શકે છે અને કોઈ ચોક્કસ ક્રિયા કર્યા પછી શું પરિણામ આવી શકે છે તેનો અંદાજ લગાવવામાં મદદ કરે છે. સરળ ભાષામાં સમજીએ તો, જો રોબોટ કોઈ ગ્લાસ પકડવા માટે હાથ આગળ વધારે તો તેને એ સમજવાની જરૂર છે કે ગ્લાસ ક્યાં છે, તે કેટલી દૂર છે, હાથ કેટલી ઝડપથી આગળ વધારવો અને વધારે બળ લગાવવાથી ગ્લાસ તૂટી શકે છે કે નહીં. આવી સમજણ વિકસાવવી એ AIની આગામી મોટી પડકારરૂપ દિશા છે.
આ દિશામાં ટેક કંપનીઓ ઝડપથી કામ કરી રહી છે. ગૂગલ ડીપમાઈન્ડે ‘જેમિની રોબોટિક્સ 2’ રજૂ કર્યું છે. આ પ્રકારનું AI મોડલ હ્યુમનોઈડ સહિત અલગ-અલગ પ્રકારના રોબોટ્સને વાસ્તવિક પરિસ્થિતિમાં કામ કરવા માટે વધુ સક્ષમ બનાવવાનો પ્રયાસ કરે છે. આ AI સિસ્ટમની મદદથી રોબોટ્સને ચાલવા, વસ્તુઓ પકડવા, એક પછી એક અનેક સ્ટેપ્સવાળા કામનું આયોજન કરવા અને જરૂર પડે ત્યારે અન્ય રોબોટ્સ સાથે મળીને કામ કરવાની ક્ષમતા વિકસાવી શકાય છે. પરંપરાગત રોબોટ્સ મોટાભાગે પહેલેથી આપવામાં આવેલા પ્રોગ્રામ મુજબ કામ કરે છે. એટલે કે, તેમને ચોક્કસ કામ માટે ચોક્કસ સૂચના આપવામાં આવે છે અને તેઓ સામાન્ય રીતે તે જ મર્યાદામાં કામ કરી શકે છે. પરંતુ નવી AI સિસ્ટમ્સનો હેતુ રોબોટ્સને બદલાતી પરિસ્થિતિને સમજવાની ક્ષમતા આપવાનો છે.
ભવિષ્યના રોબોટ્સને માત્ર ‘શું કરવું’ તે જ નહીં, પરંતુ ‘કેવી રીતે કરવું’, ‘પછી શું થઈ શકે’ અને ‘કયું પગલું વધુ સુરક્ષિત રહેશે’ જેવી બાબતો પણ સમજવી પડશે. આ માટે રીઝનિંગ, મૂવમેન્ટ અને એક્શન લેવાની ક્ષમતા વિકસાવવામાં આવી રહી છે. જોકે, આ ટેકનોલોજી હજુ શરૂઆતના તબક્કામાં છે અને રોબોટ્સને સામાન્ય માણસ જેટલી સમજણ આપવા માટે હજુ ઘણું કામ કરવાનું બાકી છે. સ્ટેનફોર્ડ યુનિવર્સિટીના જણાવ્યા મુજબ, ટેકનોલોજીમાં ઝડપી પ્રગતિ છતાં રોબોટ્સ હજુ સામાન્ય માણસ જેવી વાસ્તવિક દુનિયાની સમજણ ધરાવતા નથી.
રોબોટ્સ નિયંત્રિત અને પૂર્વનિર્ધારિત સિમ્યુલેશનમાં 89 ટકા સુધી કામ સફળતાપૂર્વક કરી શકે છે. પરંતુ જ્યારે તેમને વાસ્તવિક ઘરેલુ પરિસ્થિતિઓમાં કામ આપવામાં આવે છે, ત્યારે તેમની સફળતા માત્ર 12 ટકા જેટલી રહે છે. આ મોટો તફાવત બતાવે છે કે લેબોરેટરી અથવા કમ્પ્યુટર સિમ્યુલેશનમાં સફળતા મેળવવી અને વાસ્તવિક દુનિયામાં સફળતાપૂર્વક કામ કરવું બંને અલગ બાબતો છે. વાસ્તવિક દુનિયામાં દરેક પરિસ્થિતિ પહેલેથી નક્કી હોતી નથી. વસ્તુઓની જગ્યા બદલાઈ શકે છે, લોકો વચ્ચે આવી શકે છે, વાતાવરણ બદલાઈ શકે છે અને અચાનક નવી સમસ્યાઓ ઊભી થઈ શકે છે.
ઉદાહરણ તરીકે, એક રોબોટને રસોડામાંથી પાણીનો ગ્લાસ લાવવા માટે કહેવામાં આવે તો તેને માત્ર ગ્લાસ ઓળખવો પૂરતો નથી. તેને રસોડા સુધીનો રસ્તો શોધવો પડશે, વચ્ચે આવેલી વસ્તુઓથી બચવું પડશે, યોગ્ય ગ્લાસ પસંદ કરવો પડશે, નળમાંથી પાણી ભરવું પડશે અને ગ્લાસ ઢોળાયા વગર સુરક્ષિત રીતે પાછો લાવવો પડશે. માણસ માટે આ સામાન્ય કામ છે, પરંતુ રોબોટ માટે આમાં અનેક નાના નિર્ણયો અને ક્રિયાઓ સામેલ છે. આ જ કારણ છે કે AIની આગામી મોટી દોડ હવે માત્ર ચેટબોટ્સ કે ટેક્સ્ટ જનરેશન પૂરતી મર્યાદિત નથી રહી.
AIનું આગામી મોટું લક્ષ્ય એવી સિસ્ટમ બનાવવાનું છે, જે દુનિયાને જોઈ શકે, સમજી શકે, પરિસ્થિતિમાં થતા ફેરફારોનો અંદાજ લગાવી શકે અને સુરક્ષિત રીતે યોગ્ય નિર્ણય લઈ શકે. જો આ ટેકનોલોજી સફળ બને તો ભવિષ્યમાં રોબોટ્સ ઘરો, હોસ્પિટલ, ફેક્ટરી, વેરહાઉસ અને અન્ય અનેક જગ્યાએ વધુ ઉપયોગી બની શકે છે. તેઓ વૃદ્ધો અને જરૂરિયાતમંદ લોકોની મદદ કરી શકે, જોખમી સ્થળોએ કામ કરી શકે અને માણસો માટે મુશ્કેલ કે જોખમી કામ સરળ બનાવી શકે.
જોકે, આ સાથે રોબોટ્સની સુરક્ષા અને વિશ્વસનીયતા પણ મોટો મુદ્દો રહેશે. રોબોટ્સ વાસ્તવિક દુનિયામાં માણસોની નજીક કામ કરશે ત્યારે તેમની દરેક ક્રિયા સુરક્ષિત હોવી જરૂરી છે. ખોટો નિર્ણય અથવા નાની ભૂલ પણ નુકસાન પહોંચાડી શકે છે. આથી AIની આગામી ચેલેન્જ હવે માત્ર માણસો સાથે વાત કરી શકે તેવો વધુ સારો ચેટબોટ બનાવવાની નથી. સાચો પડકાર એવી બુદ્ધિશાળી સિસ્ટમ તૈયાર કરવાનો છે, જે દુનિયાને સમજે, ભવિષ્યની શક્ય પરિસ્થિતિનો અંદાજ લગાવે અને યોગ્ય રીતે કામ પૂર્ણ કરે.
ચેટજીપીટી જેવા AI મોડલ્સે ડિજિટલ દુનિયામાં મોટી ક્રાંતિ લાવી છે. હવે ફિઝિકલ અને એમ્બોડિડ AI રોબોટ્સને ડિજિટલ દુનિયાની બહાર વાસ્તવિક જીવનમાં વધુ સમજદાર અને ઉપયોગી બનાવવાની દિશામાં આગળ વધી રહ્યું છે. આગામી વર્ષોમાં આ ક્ષેત્ર AIની દુનિયામાં સૌથી મહત્વપૂર્ણ અને રોમાંચક દોડ બની શકે છે.
