Ricevi nella tua casella le storie migliori della settimana su IA e arte con IA: selezionate, sintetiche, gratis.
Gratis. Disattiva quando vuoi.
I laboratori di IA fisica di frontiera stanno esaurendo i dati video utilizzabili e si stanno rivolgendo a sistemi multi-camera, annotazioni umane dense e letture sperimentali delle onde cerebrali (EEG) per addestrare la prossima generazione di modelli di IA incarnata — un cambiamento che rivela quanto siano diverse le esigenze di dati dell'IA fisica rispetto ai modelli di immagini e testo che la maggior parte dei creator utilizza oggi.
Il problema centrale, come riporta TechCrunch, è la prospettiva. Una singola telecamera cattura un solo punto di vista di un compito — un essere umano che piega il bucato, per esempio — ma un robot che apprende quel compito deve comprendere l'azione da più angolazioni simultaneamente, con dati spaziali precisi sulla posizione di ogni oggetto nello spazio tridimensionale. I video consumer standard, anche ad alta risoluzione, comprimono quelle informazioni di profondità. I laboratori stanno ora impiegando sistemi di ripresa multi-camera e sensori di profondità per registrare anche semplici attività domestiche, pagando poi annotatori umani per etichettare ogni fotogramma con le posizioni degli oggetti, le pose delle mani e le etichette delle azioni.
Quell'onere di annotazione è enorme. I ricercatori descrivono il costo di produzione di un'ora di dati di addestramento utilizzabili per l'IA fisica come ordini di grandezza superiori rispetto a un'ora equivalente di dati testuali o di immagini. Per contestualizzare, i modelli di diffusione alla base di strumenti su piattaforme come il generatore di immagini di Charmloop sono stati addestrati su miliardi di coppie immagine-testo raccolte dal web — un'offerta che, sebbene contestata legalmente, era almeno abbondante. L'IA fisica non dispone di un equivalente flusso inesauribile.
Lo sviluppo più speculativo è l'integrazione dell'EEG. L'idea: applicare un sensore per le onde cerebrali a un dimostratore umano e registrare i suoi segnali neurali insieme alle sue azioni fisiche. L'ipotesi è che i dati EEG codifichino l'intenzione — il momento in cui una persona decide di raccogliere un oggetto prima che la mano si muova — fornendo a un modello un segnale più ricco rispetto alla sola cattura del movimento. Diversi laboratori stanno conducendo piccoli esperimenti pilota, sebbene nessun modello di frontiera sia ancora stato addestrato su larga scala con dati EEG. La tecnica è ancora più vicina alla curiosità della ricerca che a una pipeline di produzione.
Ciò che la rende degna di attenzione è l'aspetto dell'annotazione. Un problema persistente nell'addestramento dell'IA fisica è l'ambiguità: quando un essere umano si ferma a metà di un compito, ha esitato perché l'oggetto era scomodo, perché ha cambiato idea, o perché era distratto? Le riprese video non possono rispondere a questa domanda. I dati delle onde cerebrali, in teoria, possono farlo. Se l'annotazione EEG si dimostrasse affidabile, potrebbe ridurre drasticamente la quantità di filmati necessari per addestrare un modello fisico competente — perché ogni secondo di dati porterebbe più segnale.
Per i creator che lavorano oggi con la generazione di immagini e video, l'impatto pratico immediato è indiretto ma reale. Le pipeline di annotazione costruite per l'IA fisica — etichette dense, strutturate e semanticamente ricche associate ai dati visivi — sono lo stesso tipo di dati strutturati che rende i modelli video generativi più capaci di comprendere causalità e fisica. I modelli addestrati su filmati del mondo fisico riccamente annotati tendono a produrre movimenti più coerenti, interazioni tra oggetti più plausibili e meno di quegli artefatti con arti fluttuanti che affliggono ancora i video generati dall'IA.
Le tecniche affinate oggi nei laboratori di IA fisica hanno una storia consolidata di migrazione nell'addestramento dei modelli generativi nel giro di pochi anni. I creator che seguono le guide sul prompting per il movimento realistico e la coerenza spaziale beneficeranno probabilmente di quel lavoro a monte senza mai toccare direttamente un dataset robotico.
Il collo di bottiglia dei dati è anche un promemoria che i guadagni facili nelle capacità dell'IA — scalare il calcolo computazionale su abbondanti dati web — non sono infiniti. L'IA fisica sta colpendo quel muro per prima, ma i modelli generativi di immagini e video non sono molto indietro. I laboratori che investono oggi in nuove raccolte di dati si stanno posizionando per il prossimo salto di capacità, ovunque esso avvenga.
