הפער בן 100,000 השנה: מדוע רובוטים עדיין מפגרים אחרי צ'אטבוטים מבוססי בינה מלאכותית

על אף ההתקדמות המהירה של צ'אטבוטים מבוססי LLM (Large Language Models), מומחים לרובוטיקה כמו פרופ' קן גולדברג מברקלי טוענים כי התחום עוד רחב מלהציע רובוטים אנושיים שיעבדו כאסיסטנטים פרטיים או יעסקו בניתוחים רפואיים - לפחות בעשור הקרוב.

מה עוצר את הרובוטיקה?

לפי מחקר שפורסם ב-Science Robotics, קיים פער נתונים עצום בין האימון של מערכות שפה לאלו של רובוטיקה:

• 100,000 שנות נתונים: כמות הטקסט באינטרנט המאמן את הצ'אטבוטים
• יכולת תפעול מוגבלת: רובוטים מתקשים בביצוע מטלות "פשוטות" כמו אחיזת כוס יין או החלפת נורה (פרדוקס מוראבץ')

האתגרים המרכזיים:

1. חוסר בנתוני אימון: תנועות דקדקניות בידיים דורשות איסוף נתונים יקר ומייגע דרך טלאופריציה (שלט רחוק)
2. בעיות סימולציה: אימון רובוטים בסביבות וירטואליות מצליח למשימות אקרובטיקה אך לא לתפעול עדין
3. פיצול בדעות המומחים:
   • האסכולה המסורתית: מתמקדת בהנדסה מדויקת ומודלים פיזיקליים
   • האסכולה החדשה: מאמינה שאיסוף מסיבי של נתונים יביא לפריצת הדרך

עתיד התעסוקה בסכנה?

גולדברג מרגיע:

"מקצועות כגון אינסטלציה, חשמל או בנייה - בטוחים למשך שנים רבות. לעומתם, תפקידי שירות לקוחות או משרדיים בהם יש מילוי טפסים חוזר נמצאים בסיכון גבוה יותר לאוטומציה"

לדבריו, המפתח להתקדמות טמון בשילוב גישות: פיתוח הנדסי שיאפשר איסוף נתונים בזמן אמת מרובוטים פעילים (כפי שעושות Waymo בתחום המכוניות האוטונומיות).