何が起きたか
AI モデル学習向けデータツールを開発する Encord が、ドイツの神経科学スタートアップ Zander Labs との試験を進めている。ロボット学習データに脳波測定値でタグ付けするもので、眼球運動と脳活動を追跡するヘッドセットを装着したパイロットが、ジェンガのブロック引き抜きなど物理的作業を実施。エラーや意図、驚きといった精神状態をキャプチャしたアノテーション付き学習データを生成している。
なぜ重要か
ロボット業界は現実世界の物理的学習データの極度の不足に直面しており、この制約がモデルアーキテクチャそのものより重要になる可能性がある。Encord の内部分析によれば、ロボットに大規模言語モデルがインターネットテキストで達成した水準の操作能力を教えるには、YouTube の動画コーパスの約 5 倍の規模のデータセットが必要になるという。物理データはスクレイピングではなく製造する必要があるため、高品質なラベル付き学習データのコストと希少性がビジネスのボトルネックになっており、脳波信号はモデル学習にとって最も重要な時点を明らかにして効率を向上させる可能性を持つ。
注目点
Encord は脳波でタグ付けされたデータが実際にロボットモデルの性能を改善するかどうかを評価する試験として実施中で、スケール拡大を決める前の段階にある。同社の San Leandro 倉庫では筋肉の電気信号を検出する前腕センサーを使って 3D 手の位置データを作成するなど、他の新しいデータモダリティも実験中。Encord は世界中の工場から自己視点動画を取得し、遠隔操作ロボットアーム（リーダーフォロワーリグ）を使って特定タスク向けの学習データを生成している。
こういう要約が、毎朝あなたのメールに届きます。
物理 AI を制限する要因はモデルアーキテクチャから、現実世界の学習データの単純な希少性へとシフトした。インターネットから無料同然でスクレイピングしたテキストで構築された大規模言語モデルと異なり、ロボットは手作業で行われ、物理的に根ざした学習データが必要であり、それを意図的に製造する必要がある。Encord が単なる顧客データ管理から製造へとピボットしたことはこの新しい現実を反映している。同社は、ロボット企業が操作タスクのエンドツーエンド学習を試みるにあたり、「データが単に存在しない」ことに気づいた。この経済的シフト――収集から製造へ――は物理 AI 開発全体の方程式を変える。
Encord の脳波測定に関する実験は、各学習サンプルの情報密度を高めるための試みである。動画だけでなくパイロットの精神状態（エラー検出、意図、驚き）もキャプチャすることで、モデル訓練用のより豊かな信号を生成することを目指している。そのような密集したアノテーションが生動画の 100 倍の価値があり、製造コストは 20 倍にとどまるという Velmurugan の主張は、本当の効率向上を示唆している。ただし「20 倍以上のコスト」は依然として実質的なコスト障壁である。同社の多くモーダル的アプローチ――自己視点動画、遠隔操作ロボットアーム、筋肉の電気信号、そして脳波を組み合わせる――は、ロボット業界での次の競争優位は最高忠実度の学習データを最も効率的に製造できる者のものになるという、より広い賭けを反映している。
たとえば、いま届くならこの3本です
AIが要約して、あなたの選んだトピックだけを1日1通。LINE・Email・Slackで届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。Q&Aはこのページに公開され、他の読者も読めます。
Sensor Towerによると、MetaのAIアシスタントMuseは最初の1週間で90万回以上ダウンロードされたが、WIREDのレビュアーは銀行口座やメールへのアクセスを求めたと指摘した
サイバーセキュリティ専門家らはThe Vergeに、悪意ある人物の手に渡った生成AIの方を、暴走したAIエージェントより懸念すると語った
Wiwynnはテキサス州El Paso施設とメキシコの第3工場に協働ロボット（コボット）を導入する
米国の大手エンタープライズ・フィンテック企業のソフトウェアエンジニアによると、同社は過去12か月、開発者にAIとエージェント型プログラムの使用を促してきた
ヤルデニ・リサーチは、AIリスクの議論が仮想的な絶滅シナリオから、高性能モデルが既に兵器開発やサイバー作戦に使われ得るという証拠へ移ったと指摘
NTTドコモのMIT部がAWSのAI-DLC Train The Trainerに参加し、模倣学習（IL）を強化学習（RL）で洗練させるロボットアームのパイプラインをRPD手法で3日で構築した
