කෘත්‍රිම බුද්ධිය (AI) එහි ඉතිහාසය පුරාවටම පැවතියේ පරිගණක තිරවලට සීමා වී ය. එයට අප වෙනුවෙන් ලිවීමට, දැකීමට සහ සංකීර්ණ ගැටලු විසඳීමට හැකි වූවත්, භෞතික ලෝකයට පැමිණ ක්‍රියා කිරීමට නොහැකි විය. ගූගල් (Google) සමාගම දැන් මෙම පරතරය පියවීමට උත්සාහ කරයි. උසස් භාෂා සහ තර්කන ආකෘති, භෞතික යන්ත්‍ර සමඟ සම්බන්ධ කිරීමෙන්, භෞතික ලෝකය තුළ ක්‍රියාත්මක වෙමින් එය තේරුම් ගත හැකි “Embodied Intelligence” හෙවත් මූර්තිමත් කෘත්‍රිම බුද්ධියක් නිර්මාණය කිරීම ඔවුන්ගේ අරමුණයි.

භෞතික ලෝකයේ අභියෝගය (The Physics Problem)

භාෂා ආකෘතියකට කෝපි කෝප්පයක් ඇල්ලීම ගැන කිසිදා එය ස්පර්ශ නොකරම තර්ක කළ හැක. නමුත් එම සරල ක්‍රියාවම රොබෝවරයෙකුට කිරීමට පැවසූ විට, එය සංකීර්ණ භෞතික විද්‍යාත්මක ගැටලු මාලාවක් බවට පත්වේ.

රොබෝවරයා දුර තක්සේරු කිරීම, නිවැරදි කෝණයෙන් ළඟා වීම, ග්‍රහණයේ ශක්තිය තීරණය කිරීම සහ කෝප්පය එසවීමේදී එහි බරට සරිලන සේ සමතුලිත වීම කළ යුතුය. භෞතික ලෝකය නිරන්තරයෙන් වෙනස් වන විචල්‍යයන්ගෙන් පිරී ඇත (උදාහරණයක් ලෙස: අසමාන මේසයක්, අනපේක්ෂිත ලෙස පිරුණු කෝප්පයක් හෝ අසලින් ගමන් කරන පුද්ගලයෙකු). මිනිසුන්ට තම මාංශපේශී සහ ස්නායු පද්ධතිය හරහා ලැබෙන දත්ත මත පදනම්ව ස්වභාවිකවම ප්‍රතිචාර දැක්විය හැකි වුවද, රොබෝවකට මේ සියල්ල ක්ෂණිකව ගණනය කිරීමට සිදු වේ.

බුද්ධිමය පද්ධතිය: Gemini Robotics 2

මෙම පරතරය පියවීම සඳහා Google විසින් ස්ථර කිහිපයකින් යුත් බුද්ධිමය පද්ධතියක් (Intelligence stack) හඳුන්වා දී ඇත:

• Gemini Robotics ER 2 (තර්කන ස්තරය): මෙම ඉහළ මට්ටමේ ආකෘතිය පරිසරය අවබෝධ කර ගනී, විශාල කාර්යයක් කුඩා පියවරවලට කඩා වෙන් කරයි, ප්‍රගතිය නිරීක්ෂණය කරයි, සහ යථාර්ථය අපේක්ෂා කරන ආකාරයට ක්‍රියා නොකරන විට සැලැස්ම ක්ෂණිකව වෙනස් කරයි.
• Gemini Robotics 2 (ක්‍රියාකාරී ආකෘතිය): මෙය ප්‍රධාන දෘශ්‍ය-භාෂා-ක්‍රියාකාරී (Vision-Language-Action) ආකෘතිය වන අතර, දෘශ්‍ය තොරතුරු සහ භාෂා උපදෙස් ලබාගෙන ඒවා කාර්යයක් කිරීමට අවශ්‍ය නිශ්චිත මෝටර් පාලනයන් (Motor control) බවට පරිවර්තනය කරයි.
• Gemini Robotics On-Device 2: මෙය රොබෝවරයාගේ දෘඪාංග තුළම (Locally) ක්‍රියාත්මක වීම සඳහා ප්‍රශස්ත කර ඇත. දුරස්ථ සේවාදායකයකින් ප්‍රතිචාරයක් ලැබෙන තුරු බලා සිටීමට රොබෝවරුන්ට කාලයක් නොමැති බැවින්, භෞතික ලෝකයේ වෙනස්වීම් වලට ක්ෂණිකව ප්‍රතිචාර දැක්වීමට මෙය ඉඩ සලසයි.

දෘඪාංග සහ රොබෝවරයාගේ හැකියාවන්හි සීමා

බුද්ධිය ප්‍රයෝජනවත් වන්නේ එයට ක්‍රියාකාරී ශරීරයක් ඇත්නම් පමණි. ඒ සඳහා ගූගල් සමාගම Apptronik සමාගමේ Apollo 2 නැමැති මිනිස් හැඩැති (Humanoid) රොබෝවරයා සමඟ එක්ව කටයුතු කරයි. මිනිස් පරිසරය (පඩිපෙළ, රාක්ක, දොරවල්) ගොඩනඟා ඇත්තේ මිනිස් ශරීරයට ගැළපෙන පරිදි බැවින් මෙවැනි රොබෝ සැලසුමක් අතිශය වැදගත් වේ.

කෙසේ වෙතත්, ඇවිදීමට වඩා රොබෝවරුන්ගේ දෑත්වල හැකියාව (Dexterity) තවමත් මිනිසුන්ට සාපේක්ෂව පසුපසින් පවතී. අත්හදා බැලීම් වලට අනුව ඔවුන්ගේ සාර්ථකත්ව අනුපාතයන් මෙසේය:

• විදුලි බුබුලක් ගැලවීම: 92% ක සාර්ථකත්වයක්.
• කසළ බෑගයක ගැටයක් ගැසීම: ආසන්න වශයෙන් 44% ක සාර්ථකත්වයක්.
• විදුලි බුබුලක් නැවත සවි කිරීම: 36% ක සාර්ථකත්වයක්.
• කුණු කූඩයකට කසළ අතුගෑම: 32% ක සාර්ථකත්වයක්.

මෙම දත්ත මගින් පෙන්නුම් කරන්නේ ප්‍රදර්ශනයක් සඳහා රොබෝවකු ක්‍රියා කරවීම සහ සැබෑ ලෝකයේ අඛණ්ඩ විශ්වසනීයත්වයක් (Reliability) පවත්වා ගැනීම අතර තවමත් විශාල පරතරයක් පවතින බවයි.

දත්ත එක්රැස් කිරීම සහ රොබෝ උද්‍යාන (Robot Parks)

අන්තර්ජාලයේ ඇති බිලියන ගණනක් වූ පෙළ සහ රූප හරහා භාෂා ආකෘති පුහුණු කළ හැකි වුවද, රොබෝවරුන්ට අවශ්‍ය වන්නේ “භෞතික දත්ත” ය. ඇදීමකට හෝ තල්ලු කිරීමකට කොතරම් බලයක් අවශ්‍යදැයි කියවීමෙන් පමණක් රොබෝවකුට ඉගෙන ගත නොහැක; එය භෞතිකව අත්විඳිය යුතුය. මේ සඳහා Apptronik වැනි ආයතන “Robot Parks” හෙවත් රොබෝ උද්‍යාන නිර්මාණය කර ඇත. මෙහිදී රොබෝවරුන් විශාල ප්‍රමාණයක් විවිධ පරිසරවල වැඩ කරන අතරතුර ඔවුන්ගේ අසාර්ථක වීම් සහ සාර්ථක වීම් ස්වයංක්‍රීයවම අනාගත AI ආකෘති සඳහා පුහුණු දත්ත බවට පත් වේ.

බහු-රොබෝ සම්බන්ධීකරණය සහ ආරක්ෂාව

මෙහි අවසන් ඉලක්කය වන්නේ හුදෙක් එක් මිනිස් සේවකයෙකු වෙනුවට එක් රොබෝවකු ආදේශ කිරීම නොව, භෞතික ශ්‍රමය ක්‍රමලේඛනය කළ හැකි (Programmable) තත්ත්වයකට පත් කිරීමයි. Gemini Robotics ER 2 පද්ධතිය හරහා රොබෝවරුන් කිහිප දෙනෙකුට එකිනෙකා සමඟ සන්නිවේදනය කරමින්, එකිනෙකාගේ ශක්තීන් හඳුනාගෙන එක් පොදු අරමුණක් සඳහා වැඩ කළ හැක.

නමුත් භෞතික ලෝකයේදී රොබෝවකු අතින් සිදුවන වරදක් නිසා උපකරණවලට හෝ මිනිසුන්ට භෞතික හානියක් සිදුවිය හැක. එබැවින් ගූගල් විසින් ASIMOV-Agentic වැනි ආරක්ෂිත මිණුම් දඬු හඳුන්වා දී ඇති අතර, එය මගින් රොබෝවරුන්ට අනාරක්ෂිත උපදෙස් හඳුනා ගැනීමටත්, මිනිසුන් අසල ගැටෙන විට ආරක්ෂිතව නතර වීමටත් (Safe stop) පුහුණු කෙරේ. කාර්යයක් සම්පූර්ණ කරනවාට වඩා, යම් ක්‍රියාවක් නොකර සිටිය යුත්තේ කවදාදැයි හඳුනා ගැනීම භෞතික කෘත්‍රිම බුද්ධියකට අතිශය තීරණාත්මක ය.

ගූගල් ආයතනයේ අපේක්ෂාව හුදෙක් කර්මාන්තශාලා සහායකයකු නිර්මාණය කිරීමෙන් ඔබ්බට යයි. සැබෑ සාමාන්‍ය බුද්ධිය (AGI) යනු ලෝකය ඩිජිටල් ලෙස අවබෝධ කර ගැනීම පමණක් නොව, එයට භෞතිකව සහභාගී වෙමින්, අනපේක්ෂිත විචල්‍යයන් කළමනාකරණය කිරීමට ඇති හැකියාවයි. පද්ධතියකට කෝප්පය ඇති තැන පමණක් නොව, එය කොතරම් බිඳෙනසුලුද, කොපමණ බලයක් යෙදිය යුතුද, සහ එය ගිලිහී ගියහොත් කුමක් කළ යුතුද යන්න තේරුම් ගත හැකි වූ දිනෙක සැබෑ භෞතික AGI යථාර්ථයක් වනු ඇත.