Sau gần hai năm, Lý Phi Phi một lần nữa làm khách mời của a16z, thảo luận sâu về trí tuệ không gian và toàn bộ chiến lược của World Labs trong lĩnh vực robot.
Thông tin dày đặc từ đầu đến cuối, hoàn toàn không dám chớp mắt!
Mục tiêu của chúng tôi là biến trí tuệ không gian thành tiên phong tiếp theo của AI.
Khả năng hành động trong không gian vật lý vẫn là một trong những khả năng thú vị và có ý nghĩa sâu rộng nhất trong thế giới AI tương lai, và robot chính là cốt lõi của nó.
Robot là viên đá thử đầu tiên cho sự triển khai của trí tuệ không gian, đồng thời cũng là một kịch bản ứng dụng quan trọng của mô hình thế giới.
SceniX giải quyết chính xác vấn đề khó khăn nhất trong lĩnh vực robot: dữ liệu huấn luyện và dữ liệu đánh giá đều rất khan hiếm.
Để robot thực sự hoạt động, chúng ta phải giải phóng sức mạnh của scaling law (định luật mở rộng quy mô).
Đánh giá trong môi trường thực không chỉ chậm mà còn nguy hiểm và tốn kém. Ngược lại, môi trường mô phỏng có khả năng kiểm soát hoàn toàn và khả năng phân tích; có thể cung cấp giá trị độc đáo ở cả hai mặt độ tin cậy và hiệu quả.
Cụ thể sử dụng mô hình nào không thực sự quan trọng, vì mô hình luôn thay đổi, nhưng cơ sở hạ tầng thì không.
Video vừa lên sóng, trí tưởng tượng của cư dân mạng trong phần bình luận đã bay cao bay xa. Thậm chí còn có người lên kế hoạch "Cuộc phiêu lưu của Robinson Crusoe" phiên bản có robot, trang bị cần mang theo cũng được sắp xếp rõ ràng! (Cái này, cái này, có đúng không?)
Phải nói rằng, tinh thần của netizen thời đại này thật sự quá đẹp, khiến người ta không thể không muốn lập tức trao chiếc bảng phân cảnh và hô lên một tiếng "Action".
Gần đây, World Labs thông báo mua lại SceniX và có kế hoạch hợp tác với SceniX để tạo ra một vùng huấn luyện số có thể mở rộng cho robot.
Ngay sau đó, CEO World Labs Lý Phi Phi và đồng sáng lập SceniX Lý Quân Chúc đã cùng tham gia buổi phỏng vấn mới nhất của a16z "Fei-Fei Li is Solving the Hardest Problem in Robotics", lần đầu tiên công khai phân tích vấn đề cốt lõi mà hai bên đang cùng nhau giải quyết: giúp AI không chỉ hiểu thế giới mà còn có thể dùng tay để thay đổi thế giới.
Thú vị là, Lý Quân Chúc từng là nghiên cứu sinh sau tiến sĩ do chị Phi trực tiếp hướng dẫn, câu chuyện như thế nào đã thúc đẩy sự hợp tác này?
Trên cơ sở không thay đổi ý nguyên bản, chúng tôi đã sử dụng AI để hiệu đính kỹ lưỡng nội dung văn bản ghi chép của buổi phỏng vấn.
Enjoy~
Tại sao robot lại là viên đá thử đầu tiên cho sự triển khai của trí tuệ không gian?
Martin Casado (Người dẫn chương trình): Phi Phi, trước tiên có thể giới thiệu cho thính giả chưa quen với World Labs về công việc của công ty được không?
Lý Phi Phi: Vâng, World Labs là một công ty khởi nghiệp thành lập hai năm, đồng thời cũng là một phòng thí nghiệm mô hình tiên phong.
Mục tiêu của chúng tôi là biến trí tuệ không gian thành tiên phong tiếp theo của AI.
Nói một cách đơn giản, đó là giúp AI có thể tự do tạo ra, hiểu, suy luận và tương tác trong không gian thực hoặc ảo.
Xây dựng mô hình thế giới lớn là một con đường dẫn đến trí tuệ không gian, cũng là hướng mà World Labs hiện đang tập trung nhất.
Người dẫn chương trình: Ngay từ đầu chị đã nhấn mạnh, máy móc phải có khả năng cảm nhận không gian, suy luận về không gian và hành động trong đó. Tôi từng nghĩ việc hành động trong không gian vẫn còn là mục tiêu xa vời, nhưng giờ các bạn đã mua lại một công ty robot. Tại sao thời cơ mua lại đã chín muồi? Ý định của lần mua lại này là gì?
Lý Phi Phi: Robot không phải là cách duy nhất để hành động hoặc tương tác trong không gian. Trong các lĩnh vực sáng tạo như VFX (hiệu ứng hình ảnh hậu kỳ), game và thiết kế, mọi người từ lâu đã có thể xây dựng thế giới và tương tác đắm chìm trong không gian ảo.
World Labs luôn có một nhận định: thế giới chúng ta đang sống có thể trở thành một đa vũ trụ, và chúng ta có thể tạo ra công nghệ để người dùng, người sáng tạo và nhà phát triển hành động trong các không gian khác nhau.
Tuy nhiên, khả năng hành động trong không gian vật lý vẫn là một trong những khả năng thú vị và có ý nghĩa sâu rộng nhất trong thế giới AI tương lai, và robot chính là cốt lõi của nó.
World Labs luôn cho rằng, robot là viên đá thử đầu tiên cho sự triển khai của trí tuệ không gian, đồng thời cũng là một kịch bản ứng dụng quan trọng của mô hình thế giới. Việc mời SceniX và đội ngũ của họ gia nhập World Labs chính là một phần trong tầm nhìn dài hạn và sứ mệnh của chúng tôi.
Người dẫn chương trình: Quân Chúc, anh là đồng sáng lập SceniX. Có thể giới thiệu ngắn gọn về nền tảng của anh và SceniX chủ yếu làm gì không?
Lý Quân Chúc: Xin chào mọi người, tôi là Lý Quân Chúc, tôi là đồng sáng lập SceniX, đồng thời cũng là phó giáo sư trợ lý tại Đại học Columbia.
Hành trình nghiên cứu của tôi bắt đầu từ thời học tiến sĩ tại MIT, sau đó làm nghiên cứu sinh sau tiến sĩ tại Stanford dưới sự hướng dẫn của cô Phi Phi. Mục tiêu nghề nghiệp của tôi luôn rất đơn giản, đó là muốn giúp robot cảm nhận và tương tác tốt hơn với thế giới vật lý.
Tôi là một người rất thực tế, hy vọng robot có thể hoạt động trong môi trường vật lý thực tế.
Chúng tôi nhận thấy, hiện tại robot phổ dụng đang gặp nhiều nút thắt, phần lớn tập trung ở khâu huấn luyện và đánh giá. Vì vậy, chúng tôi đang phát triển một đường ống real-to-sim-to-real, ánh xạ môi trường thực vào thế giới số có sự căn chỉnh cao với nó.
Căn chỉnh ở đây có nghĩa là những gì xảy ra trong thế giới số cũng phải có thể xảy ra trong môi trường thực.
Bằng cách này, việc thu thập và đánh giá dữ liệu vốn phải được thực hiện trong môi trường thực, có thể được thay thế một phần bằng dữ liệu có thể tạo ra với quy mô lớn trong thế giới số. SceniX khởi đầu từ đây.
Chúng tôi đã xây dựng một đội ngũ bao quát robot, học máy robot, mô phỏng và kết xuất, và đang thử nghiệm xây dựng một ngăn xếp công nghệ real-to-sim-to-real hoàn chỉnh để giải quyết các nút thắt then chốt này.
Lý Phi Phi: Ở đây còn có một câu chuyện rất thú vị (cười). Bạn có thể nghĩ rằng vì Quân Chúc từng là nghiên cứu sinh sau tiến sĩ của tôi, nên chúng tôi đã sớm thảo luận về việc hợp nhất SceniX và World Labs.
Thực ra không phải vậy. Ban đầu, SceniX đến với World Labs với tư cách là khách hàng.
Thế giới thật nhỏ bé. Mùa đông năm ngoái, khoảng tháng 11 hoặc tháng 12, chúng tôi đã ra mắt phiên bản đầu tiên của mô hình sinh Marble, SceniX là một trong những người đầu tiên đăng ký và sử dụng nó.
Ban đầu tôi thậm chí không biết đó là công ty của Quân Chúc. Sau đó phát hiện ra, tôi mới gọi điện cho anh ấy, nhận ra rằng World Labs và SceniX có nhiều không gian hợp tác.
Người dẫn chương trình: Có thể giới thiệu ngắn gọn về Marble không?
Lý Phi Phi: Ok. Marble là mô hình cơ bản được World Labs huấn luyện liên tục và lặp lại. Năng lực cốt lõi của phiên bản công khai hiện tại là tiếp nhận một hoặc nhiều hình ảnh, văn bản hoặc kết hợp các phương thức này, và biến chúng thành một thế giới nhất quán về mặt hình học.
Thế giới này trông rất chân thực và không bị lộ.
Và SceniX giải quyết chính xác một vấn đề cực kỳ khó khăn trong lĩnh vực robot: dữ liệu huấn luyện và dữ liệu đánh giá đều rất khan hiếm.
Điều này khác với mô hình ngôn ngữ, mô hình ngôn ngữ có thể có được dữ liệu phong phú từ internet, nhưng robot thì không.
Để robot thực sự hoạt động, chúng ta phải giải phóng sức mạnh của scaling law (định luật mở rộng quy mô).
Vậy những dữ liệu này đến từ đâu? Đây là câu hỏi sâu sắc mà toàn bộ giới robot đang không ngừng đặt ra.
World Labs và SceniX bổ sung cho nhau như thế nào?
Người dẫn chương trình: Cả hai đều đã xây dựng được những đội ngũ rất mạnh. Vậy năng lực của hai bên chồng lấn nhau bao nhiêu, và mở rộng năng lực của World Labs ở mức độ nào?
Lý Phi Phi: Tôi cho rằng hai đội ngũ có sự bổ sung cao và có chung một sứ mệnh.
Quân Chúc là một trong những đồng sáng lập kỹ thuật của SceniX. Người kia là Trịnh Xương Hi, ông là giáo sư Đại học Columbia, cũng là chuyên gia công nghệ mô phỏng đẳng cấp thế giới, có nền tảng VFX. Ông từng làm việc tại Tencent và cũng có kinh nghiệm khởi nghiệp.
Hồ Hiểu Thần (Sonny) là một người phụ trách kỹ thuật xuất sắc, từng làm việc tại một công ty khởi nghiệp sau này được Amazon mua lại, và tham gia vào nhiều ngăn xếp công nghệ thị giác máy tính tại Amazon.
Quân Chúc mang đến tư duy lãnh đạo và năng lực kỹ thuật trong lĩnh vực robot, bao quát từ phần cứng đến toàn bộ ngăn xếp robot. Khi làm nghiên cứu sinh sau tiến sĩ tại Stanford với tôi, anh ấy đã là một nhà nghiên cứu robot toàn ngăn xếp, xuyên suốt từ mô hình hóa đến phần cứng. Sinh viên của Quân Chúc và đội ngũ SceniX bổ sung nguồn nhân lực mà World Labs trước đây chưa có.
Xương Hi mang đến khả năng mô phỏng cực kỳ mạnh. Công việc của World Labs có nhiều điểm tiếp nối với thế giới mô phỏng, trong khi SceniX tương đối thiếu là khả năng tạo mô hình và tái tạo 3D dựa trên thị giác máy tính, đây lại là thế mạnh của World Labs, cũng là công nghệ mà SceniX cần.
Sau khi hai bên kết hợp, bản đồ năng lực sẽ hoàn chỉnh hơn.
Người dẫn chương trình: Quân Chúc, khi quyết định tiếp tục phát triển độc lập hay gia nhập World Labs, anh đánh giá sự phù hợp của hai bên như thế nào? Tại sao cuối cùng lại đưa ra quyết định này?
Lý Quân Chúc: Ban đầu, chúng tôi từng cân nhắc tiếp tục phát triển độc lập. Nhưng sau khi trao đổi với cô Phi Phi và thấy được hiệu ứng cộng hưởng của hai bên, chúng tôi cho rằng việc cùng nhau thúc đẩy là rất hợp lý.
Công việc real-to-sim-to-real của SceniX liên quan đến tái tạo môi trường dày đặc, bao gồm việc nắm bắt diện mạo, cấu trúc hình học và động lực học của môi trường, tức là môi trường sẽ thay đổi như thế nào sau khi tác động. Hiện tại, nhiệm vụ tái tạo dày đặc vẫn tương đối nặng nề.
World Labs có năng lực sâu sắc về tái tạo thưa thớt và sinh thành. Chúng tôi thấy nhiều cơ hội có thể sử dụng Marble và các khả năng liên quan khác để hoàn thành việc tái tạo và mô hình hóa môi trường một cách hiệu quả hơn.
Người dẫn chương trình: Chúng ta có thể mong đợi World Labs ra mắt mô hình cơ bản cho robot không?
Lý Phi Phi: World Labs đang xây dựng mô hình cơ bản, chúng tôi tất nhiên không loại trừ hướng này.
Lý Quân Chúc: Vâng. Về bản chất, mô hình cơ bản cho robot cần một mô hình đa phương thức.
Nó phải xử lý khung hình, văn bản, hình ảnh, độ sâu và các phương thức khác, trong đó hành động là một phương thức rất then chốt. Nếu lấy khung hình và hành động làm đầu vào, mô hình có thể đóng vai trò là trình mô phỏng, dự đoán môi trường sẽ thay đổi như thế nào sau khi thực hiện hành động cụ thể.
Nếu coi hành động là đầu ra, về bản chất nó là một mô hình chính sách, dự đoán robot nên thực hiện hành động nào trong môi trường thực để tiến gần đến một mục tiêu cụ thể.
Loại Mô hình Toàn diện này không chỉ có thể giúp các nhà nghiên cứu và nhà phát triển trí tuệ thể hiện hiểu rõ hơn về mô hình hóa môi trường và lập kế hoạch quyết định, mà còn có thể đóng vai trò là mô hình xương sống cơ bản, được tinh chỉnh cho các ứng dụng robot cụ thể, từ đó đạt được độ tin cậy và hiệu quả như khách hàng mong đợi.
Tại sao nhấn mạnh vào 3D và mô phỏng?
Người dẫn chương trình: Hiện nay nhiều công ty robot đi theo hướng mô hình video thuần túy, còn các bạn nhấn mạnh vào 3D và mô phỏng. Hai hướng này khác nhau như thế nào?
Lý Quân Chúc: Để tạo ra một thế giới mà robot có thể hoạt động trong đó, thế giới này phải nắm bắt được cấu trúc bản chất của vấn đề, một trong những điều kiện cần thiết là tính nhất quán, bao gồm tính nhất quán về không gian, thời gian, các góc nhìn khác nhau và các cách tương tác khác nhau.
Chúng tôi chính thấy được sự cộng hưởng mạnh mẽ với Marble ở đây. Thế giới được Marble tạo ra có thể cung cấp một phần cơ sở hạ tầng mà robot cần.
Hãy tưởng tượng, robot cố gắng đẩy một vật thể về phía trước, vật thể lại biến mất một cách kỳ lạ. Nhiều mô hình dự đoán video hiện có có thể gặp vấn đề này, kết quả như vậy không đủ để cung cấp tín hiệu hành động chính xác cho robot.
Mô hình video đang tiến bộ nhanh chóng, nhưng cơ sở hạ tầng chúng tôi xây dựng có thể cung cấp động lực ban đầu cho bánh xe dữ liệu, từ mô hình được thúc đẩy nhiều hơn bởi mô phỏng, dần dần tiến đến mô hình chính sách robot có thể thực thi trong môi trường thực, sau đó thu thập dữ liệu mới và phản hồi lại.
Mô hình không nhất thiết chỉ dựa vào vật lý, cũng không nhất thiết chỉ dựa vào học tập. Nó có thể nằm ở giữa, vừa nắm bắt cấu trúc bản chất của vấn đề, vừa có thể mở rộng và cải thiện không ngừng cùng với sự tích lũy dữ liệu.
Người dẫn chương trình: Phi Phi từ lâu đã có một "sao Bắc Đẩu" xoay quanh ý tưởng 3D và trí tuệ không gian. Anh có ý tưởng tương tự không? Hay sẽ thực tế hơn, trước tiên tạo ra hệ thống rồi mới cho nó chạy?
Lý Quân Chúc: Sao Bắc Đẩu của tôi là để robot hoạt động trong môi trường thực. Tôi là một người rất thực tế.
Trong thời gian làm nghiên cứu sinh sau tiến sĩ dưới sự hướng dẫn của cô Phi Phi, chúng tôi từng hợp tác xây dựng một chuẩn đánh giá và khảo sát công chúng về những việc họ muốn robot làm thay họ. Trong hơn một nghìn nhiệm vụ chúng tôi thu thập được, có một phần ba liên quan đến dọn dẹp. Mọi người không thích những công việc nặng nhọc, bẩn thỉu này, và đó chính là những kịch bản chúng tôi hy vọng giải quyết bằng robot.
Lý Phi Phi: Điều tôi thực sự đánh giá cao là phương pháp làm việc cực kỳ thực tế của các đồng sáng lập SceniX.
Mặc dù hầu hết họ đều đến từ giới học thuật, nhưng họ đã lựa chọn hợp tác với các nhà thiết kế và khách hàng thực tế trong ngành, bước vào các kịch bản thực tế như phòng thí nghiệm, kho bãi và lắp ráp điện tử.
Cách thức nghiên cứu và phát triển robot này thật mới mẻ và khiến tôi rất mong đợi được hợp tác với họ.
Người dẫn chương trình: Hệ thống robot phải khá chính xác, nhưng ứng dụng sáng tạo có thể chấp nhận và dung thứ lỗi, đôi khi lỗi thậm chí còn trở thành nàng thơ của sáng tạo. Từ góc độ kỹ thuật, Quân Chúc nghĩ nên phối hợp hai yêu cầu này như thế nào?
Lý Quân Chúc: Tôi nghĩ cả hai có thể phối hợp với nhau. Mô hình môi trường không cần phải hoàn hảo, mô hình robot cũng không cần phải hoàn hảo.
Người dẫn chương trình: Mô hình không cần hoàn hảo, cụ thể là ý gì? Nó ít nhất vẫn phải rất gần với thực tế chứ?
Lý Quân Chúc: Mô hình luôn là nền tảng quan trọng cho sự phát triển của nhiều ứng dụng robot. Máy bay không người lái, robot hút bụi, robot bốn chân và robot hai chân đều cần dựa vào mô hình để hoạt động và di chuyển từ môi trường mô phỏng sang môi trường thực.
Robot di chuyển có thể đi bộ trên tuyết hoặc bụi rậm, nhưng trình mô phỏng không cần phải tái tạo chính xác từng bụi cây và từng lớp tuyết.
Mô phỏng cần nắm bắt cấu trúc bản chất của vấn đề và hỗ trợ các hình thức ngẫu nhiên hóa khác nhau trong môi trường số.
Chúng tôi đang nghiên cứu, nên mô hình hóa thế giới xung quanh robot với độ trung thực như thế nào để hệ thống robot được huấn luyện trong môi trường mô phỏng và thế giới số có thể chuyển đổi trở lại kịch bản thực.
Hướng đi lấy mô phỏng làm trụ cột có khả thi không?
Người dẫn chương trình: Một số nhà nghiên cứu cho rằng, mô phỏng cuối cùng luôn lệch khỏi thế giới vật lý, do đó việc thu thập dữ liệu thế giới thực là rất quan trọng. Hướng đi lấy mô phỏng làm trụ cột có khả thi không?
Lý Quân Chúc: Tôi cho rằng hai điều này không mâu thuẫn. Về bản chất, mô phỏng là dự đoán môi trường sẽ thay đổi như thế nào sau khi tác động hành động, tức là mô hình hóa thế giới.
Mô hình này không nhất thiết phải là mô hình vật lý thuần túy, mà có thể kết hợp vật lý và học tập. Chúng tôi đang thu thập dữ liệu thế giới thực và sẽ sử dụng những dữ liệu này ở các giai đoạn khác nhau của bánh xe dữ liệu.
Trong giai đoạn đầu, chúng tôi có thể nhấn mạnh hơn vào vật lý, chúng tôi sẽ để robot học thế giới trước, để đảm bảo nó có nhịp độ học tập và cấu trúc kiến thức phù hợp, từ đó có thể học một cách suôn sẻ.
Cùng với việc chúng tôi tích lũy thêm dữ liệu thông qua thu thập dữ liệu và hợp tác với khách hàng, việc mô hình hóa môi trường có thể dần chuyển hướng sang việc thúc đẩy bởi học tập mạnh hơn. Sự chuyển đổi và luồng dữ liệu này có thể kết hợp lợi thế của vật lý, hình học và tính nhất quán với sức mạnh của dữ liệu và khả năng tính toán.
Lý Phi Phi: Vâng, đây không phải là lựa chọn nhị phân "có mô phỏng" hay "không mô phỏng". Tất cả yếu tố phải được kết hợp lại thì robot mới có thể thực sự hoạt động.
Cũng giống như con người chúng ta trước khi hành động, sẽ tiến hành rất nhiều mô phỏng trong đầu. Mô phỏng đảm nhận một vai trò quan trọng mà dữ liệu thế giới thực không thể đảm nhận, đó chính là "lập luận phản thực tế".
Mọi người sẽ suy diễn về những sự kiện chưa xảy ra, không thể xảy ra hoặc thiếu dữ liệu thực đủ, và học cách nên hành động như thế nào trong quá trình suy diễn. Mọi người luôn làm như vậy, robot cũng có thể.
Tôi tin rằng, việc lập kế hoạch cho mỗi trận đấu bóng đá đều sẽ bao gồm một số loại mô phỏng, cho dù là mô phỏng số, suy diễn trên bảng trắng hay các hình thức khác. Tác dụng của mô phỏng là hỗ trợ lập luận phản thực tế. Điều này rất quan trọng đối với robot, vì chúng ta không thể thu thập đủ dữ liệu thế giới thực cho mọi tình huống.
Xe tự lái là một ví dụ thực tế. Waymo từng nói đã sử dụng hàng chục tỷ giờ dữ liệu mô phỏng, và lộ trình của họ phụ thuộc nhiều vào mô phỏng, chứ không chỉ dựa vào dữ liệu thế giới thực.
Ô tô vẫn thuộc về vấn đề robot tương đối đơn giản, do đó mô phỏng rõ ràng đóng vai trò quan trọng trong việc học của robot.
Lý Quân Chúc: Mô phỏng có thể mang lại lợi ích ở hai cấp độ: độ tin cậy và hiệu quả.
Về độ tin cậy, để hệ thống robot hoạt động ổn định trong môi trường thực, dữ liệu phải bao phủ một cách hệ thống không gian trạng thái và sự thay đổi mà robot có thể gặp phải.
Trong mô phỏng, chúng ta có thể ngẫu nhiên hóa và kiểm soát một cách hệ thống ánh sáng, loại hình học và tham số vật lý, để đảm bảo nó bao phủ đầy đủ không gian trạng thái của robot, từ đó nâng cao độ tin cậy của hệ thống robot.
Lợi ích thứ hai là hiệu quả. Nhiều đội thu thập dữ liệu thông qua thao tác từ xa. Khi sử dụng thiết bị thao tác từ xa hiện có và bộ xương ngoài, tốc độ thu thập dữ liệu thậm chí có thể chậm hơn con người trực tiếp thực hiện nhiệm vụ.
Đối với nhiều khách hàng, tốc độ thu thập của con người vẫn chưa đủ, họ hy vọng robot nhanh hơn con người. Nhưng việc tăng tốc robot không đồng nghĩa với việc đơn giản tăng tốc độ truyền động, vì trọng lực là không đổi, việc chỉ tăng tốc độ không thể giải quyết vấn đề mất cân bằng động lực học do đó gây ra.
Trong khi đó trong mô phỏng, chúng ta có thể tăng tốc hành vi của robot một cách hệ thống, đồng thời huấn luyện robot xem xét sự thay đổi động lực học của môi trường.
Vì vậy, mô phỏng có thể cung cấp giá trị độc đáo ở cả hai mặt độ tin cậy và hiệu quả.
SceniX sử dụng nền tảng của mình để huấn luyện và đánh giá robot như thế nào?
Người dẫn chương trình: SceniX sử dụng nền tảng của mình để huấn luyện và đánh giá robot như thế nào?
Lý Quân Chúc: Có hai mục đích cốt lõi: huấn luyện và đánh giá.
Nói về đánh giá trước, nó thường bị bỏ qua trong lĩnh vực robot; khi huấn luyện mô hình robot, chúng ta phải biết mô hình hoạt động như thế nào, và đánh giá chính là nguồn thông tin thúc đẩy lặp lại.
Người dẫn chương trình: Những người làm AI đều hiểu đánh giá, nhưng mỗi người có thể hiểu từ này khác nhau. Đánh giá mà anh nói ở đây cụ thể là gì?
Lý Quân Chúc: Tôi cho rằng, đánh giá là việc hiểu biểu hiện của một checkpoint cụ thể, chẳng hạn như tỷ lệ thành công là 95% hay 99,9%.
Một tiêu chuẩn quan trọng để đánh giá một phương pháp đánh giá trong ngành, là xem cần bao lâu để phân biệt một checkpoint có biểu hiện 90% với một checkpoint có biểu hiện 92% bằng tiêu chuẩn này. Nếu mỗi lần đều phải triển khai mô hình vào thế giới vật lý thực để chạy thử nghiệm, mới có thể xác minh sự cải thiện 2% này, thì chu kỳ xác minh sẽ kéo dài đến mức không thể chịu được.
Hiện tại, việc đánh giá robot trong thế giới thực, tốc độ lặp lại của nó chậm hơn nhiều bậc độ lớn so với đánh giá mô hình ngôn ngữ. Bản thân nhiệm vụ của robot cũng rất đa dạng. Robot phải thực sự thực hiện hành động, di chuyển trong không gian và tuân theo các định luật vật lý.
Video trình diễn robot thường được phát với tốc độ gấp 8 hoặc 10 lần, chính vì hành động của robot rất chậm.
Đánh giá môi trường thực không chỉ chậm mà còn nguy hiểm và tốn kém. Vì vậy, một số khách hàng cần môi trường số có thể sử dụng để đánh giá hệ thống robot.
Vì môi trường số của chúng tôi đã được chứng minh là có mối quan hệ căn chỉnh với thế giới thực, nếu một checkpoint nào đó hoạt động tốt hơn trong mô phỏng, thì khả năng cao nó cũng sẽ hoạt động tốt hơn trong môi trường thực. Chúng ta có thể sử dụng tín hiệu trong môi trường số để đánh giá hệ thống robot an toàn hơn, có thể mở rộng và nhanh hơn nhiều.
Ngoài ra, về mặt huấn luyện, khả năng kiểm soát là rất quan trọng.
Chúng tôi muốn kiểm soát các biến đổi về trạng thái, tham số, ánh sáng, ma sát và các tham số vật lý khác, thậm chí là các loại hình học của vật thể; việc huấn luyện phải bao phủ đầy đủ các kịch bản đa dạng đủ, mới có thể tạo ra dữ liệu đủ thông tin, giúp robot có được Robustness (tính mạnh mẽ). Và điều này cực kỳ khó đạt được trong môi trường thực.
Thu thập dữ liệu thông qua thao tác từ xa không chỉ chậm mà còn bị kìm hãm bởi số lượng robot, số lượng thiết bị điều khiển từ xa và một loạt vấn đề vận hành dữ liệu.
Ngược lại, môi trường mô phỏng có khả năng kiểm soát hoàn toàn và khả năng phân tích.
Trong thế giới số, bạn có thể xác định rõ phạm vi bao phủ của phân phối dữ liệu và tin chắc vào độ tin cậy của robot trong phân phối đó. Tính xác định, hiệu quả và khả năng mở rộng này chính là động cơ cốt lõi khi khách hàng lựa chọn đào tạo hệ thống robot trong thế giới số.
Lý Phi Phi: Vâng. Ngay cả trước khi SceniX tiếp xúc với World Labs, đã có khách hàng chủ động tìm đến Marble, chứng tỏ nhu cầu loại này thực sự tồn tại. Mặc dù lúc đó chúng tôi chưa có khả năng phục vụ, nhưng đã nhận được rất nhiều tư vấn từ các công ty robot, bao gồm cả nhóm nghiên cứu và phát triển mô hình giai đoạn đầu, lẫn doanh nghiệp tập trung vào triển khai các kịch bản ứng dụng thực tế. Chúng tôi đang quan tâm đến những nhu cầu này.
Người dẫn chương trình: Khi mọi người nghe nói World Labs bước vào lĩnh vực robot, có thể nghĩ rằng các bạn sẽ chế tạo phần cứng, phát triển bộ não robot. Nhưng dường như các bạn không làm điều đó. Các bạn nằm ở khâu nào trong vòng đời phát triển robot? Ranh giới với các đối tác sinh thái ở đâu?
Lý Quân Chúc: Chúng tôi xây dựng là một cơ sở hạ tầng và phần mềm đi kèm, cho phép nhà phát triển tạo ra thế giới mà robot có thể học tập và được đánh giá trong đó. Bản thân cơ sở hạ tầng này không ràng buộc với mô hình cụ thể, cũng không ràng buộc với hình thái robot cụ thể.
Người dẫn chương trình: Tức là các bạn không sản xuất robot, mà đang xây dựng môi trường để các công ty khác đưa bộ não robot của họ vào điều hướng và học tập?
Lý Quân Chúc: Nền tảng của chúng tôi không kén chọn robot, cũng không kén chọn mô hình. Dù là robot một cánh tay hay hai cánh tay, có bệ di động cố định hoặc di động, thậm chí là các loại kẹp và thiết bị thực thi đầu cuối phức tạp, đều có thể đưa trực tiếp vào thế giới số của chúng tôi để chạy.
Mục đích chỉ có một: giúp chúng hoạt động trong môi trường thực một cách ổn định và nhanh chóng.
Mô hình cũng vậy. Dữ liệu chúng tôi tạo ra, vừa có thể huấn luyện mô hình mới từ đầu, cũng có thể dùng để tinh chỉnh mô hình VLA (Thị giác - Ngôn ngữ - Hành động) đang phổ biến hiện nay hoặc Mô hình Hành động Thế giới.
Cụ thể sử dụng mô hình nào thực sự không quan trọng, vì mô hình luôn thay đổi, nhưng cơ sở hạ tầng thì không.
Nói một cách đơn giản, chúng tôi không đứng về phe phần cứng, cũng không đặt cược vào thuật toán. Chúng tôi chỉ làm một việc: xây dựng một thế giới số phổ quát, để bất kỳ robot nào cũng có thể luyện ra bản lĩnh thực sự trong đó, và khi ra thế giới thực vẫn đáng tin cậy.
Robot nên triển khai theo lộ trình nào?
Người dẫn chương trình: Anh từng đề cập, kỳ vọng của bên ngoài đối với robot hình người có lẽ quá tích cực, điểm triển khai thực tế hơn trong ngắn hạn là các kịch bản hạn chế như kho bãi. Đánh giá này sẽ ảnh hưởng như thế nào đến trọng tâm công việc của World Labs?
Lý Quân Chúc: Đây là một câu hỏi rất hay. Việc triển khai robot trong thế giới thực, thường tuân theo một con đường tiến hóa: từ môi trường hoàn toàn có cấu trúc, đến môi trường bán cấu trúc, cuối cùng mới là môi trường không có cấu trúc.
Môi trường hoàn toàn có cấu trúc giống như nhà máy hoặc dây chuyền sản xuất ô tô, tất cả các biến số đều đã biết và có thể kiểm soát, loại kịch bản này chúng ta đã tự động hóa vài chục năm rồi.
Môi trường bán cấu trúc thì giống như kho bãi Amazon, nhà hàng hoặc khách sạn - môi trường về cơ bản có thể kiểm soát, nhiệm vụ cũng được điều chỉnh cho phù hợp với robot, nhưng luôn xuất hiện các vật thể gây nhiễu không thể đoán trước như quần áo.
Còn môi trường không có cấu trúc, chẳng hạn như nhà của bạn và tôi, đó mới là chén thánh cuối cùng của lĩnh vực robot.
Robustness (tính mạnh mẽ) bắt nguồn từ việc bao phủ đầy đủ kịch bản. Ít nhất ở giai đoạn hiện tại, việc trước tiên tấn công môi trường bán cấu trúc, sẽ khả thi hơn là xông thẳng vào môi trường hoàn toàn không có cấu trúc. Cuối cùng chúng ta sẽ hướng đến môi trường sau, nhưng hy vọng đi một con đường bền vững và thực tế hơn.
Lý Phi Phi: Robot hình người thích nghi với môi trường không có cấu trúc thông qua việc bắt chước cơ thể con người, mà con người đã thích nghi với môi trường không có cấu trúc thông qua tiến hóa.
Ngón tay và đôi chân của chúng ta không phải là công cụ tốt nhất để thực hiện bất kỳ nhiệm vụ đơn lẻ nào. Nếu mục tiêu duy nhất của con người như một loài là leo cây, rất có thể chúng ta sẽ có hình thái ngón tay khác.
Cuối cùng, con người tiến hóa thành một hình thái cơ thể có tính phổ dụng rất mạnh, nhưng chưa chắc đã tối ưu trên từng nhiệm vụ đơn lẻ. Bởi vì hình thái này có lợi cho sự sống sót trong môi trường không có cấu trúc.
Nhưng từ góc độ thương mại và kỹ thuật thực tế, môi trường không có cấu trúc cộng với cơ thể phổ dụng, là vấn đề khó giải quyết nhất.
Đối với một vấn đề cụ thể, đây thậm chí chưa chắc đã là lộ trình đúng đắn. Hình thái cơ thể chuyên dụng hơn, có thể phù hợp hơn để giải quyết nhiệm vụ hẹp hơn.
Vì vậy, thách thức đối với SceniX là giữ tính trung lập đối với hình thái robot, để cơ sở hạ tầng có thể phục vụ các hình thái cơ thể khác nhau và các môi trường bán cấu trúc khác nhau.
Người dẫn chương trình: Mô hình ngôn ngữ sinh có thể tạo ra văn bản hoặc mã nhanh hơn và rẻ hơn con người rất nhiều. Nhưng bộ não và cơ thể con người lại rất hiệu quả trong việc điều hướng 3D và thao tác vật thể. Trong tương lai có thể dự đoán được, robot có thể đạt được hiệu suất năng lượng như con người trong các nhiệm vụ thể chất hàng ngày không? Điều này cần năm năm, hay gần như không thể?
Lý Quân Chúc: Tôi nghĩ điều này cần một thời gian rất dài. Việc robot hoạt động trong môi trường thực, xét cho cùng là một vấn đề hệ thống.
Chúng ta phải xem xét nghiêm túc cách phần cứng, phần mềm và "bộ não" phối hợp với nhau, thậm chí bao gồm cả các chi tiết như hệ số ma sát của ngón tay. Để hệ thống thực sự được triển khai, cần nhiều yếu tố cùng lúc và cũng cần sự lặp lại liên tục.
Nhưng điều khiến tôi hào hứng là, tiên phong kỹ thuật của học máy robot luôn tiến bộ với tốc độ vượt quá kỳ vọng của tôi. Vấn đề tôi nghiên cứu hiện nay, đã hoàn toàn khác so với lúc mới bắt đầu học tiến sĩ. Điều này cho thấy toàn bộ hệ sinh thái đang tiến hóa nhanh chóng, các thành phần cần thiết để xây dựng hệ thống robot cũng bắt đầu hội tụ.
Nhưng chúng ta phải hiệu chỉnh dự đoán của mình. Sẽ có nhiều tiến bộ trong tương lai, nhưng để đạt được hiệu suất năng lượng và khả năng tổng thể ở cấp độ con người, vẫn cần một thời gian dài hơn.
Lý Phi Phi: Điều khó làm nhất của AI hiện tại, là giữ được sự lạc quan vừa phải và đã được hiệu chỉnh.
Ngay cả mô hình ngôn ngữ lớn, cũng không có hiệu suất năng lượng như não người. Não người chỉ tiêu thụ công suất khoảng 30W, vì vậy hiện tại khoảng cách còn rất lớn.
Người dẫn chương trình: Tuy nhiên tôi cảm thấy, trong các nhiệm vụ hẹp như sinh hình ảnh hoặc kỹ thuật phần mềm, hiệu suất năng lượng có thể đang tiến gần đến mức độ con người. Chỉ là trong lĩnh vực robot có lẽ còn kém xa.
Mục tiêu sau hai năm hợp nhất là gì?
Người dẫn chương trình: Việc gia nhập World Labs có thay đổi quỹ đạo chiến lược của đội ngũ không, hay nói cách khác, đã nâng cao giới hạn mục tiêu mà các bạn có thể theo đuổi?
Lý Quân Chúc: Nó đã thay đổi quỹ đạo của chúng tôi một cách rất sâu sắc. Chúng tôi thấy nhiều khả năng được giải phóng, đặc biệt là sau khi hợp tác với World Labs, chúng tôi có thể hoàn thành toàn bộ quy trình mô hình hóa môi trường theo cách hiệu quả và có thể mở rộng hơn.
Năng lực của mô hình ngôn ngữ hiện tại thật đáng kinh ngạc, nhưng bạn có thể vẫn sẽ không hoàn toàn không kiểm tra mà để nó tự động đặt vé máy bay hoặc khách sạn thay bạn, thông thường vẫn cần có người kiểm tra kết quả đầu ra của mô hình.
Trong khi đó robot lại khác, một mô hình robot mở hộp là dùng ngay, phải có khả năng hoạt động đáng tin cậy trong môi trường thực.
Hiện tại, chúng ta vừa không có đủ dữ liệu, vừa không có đầy đủ tất cả cơ sở hạ tầng để robot mở hộp là dùng ngay và hoạt động đáng tin cậy.
Vì vậy, việc tạo ra thế giới số có thể mở rộng mà robot có thể học tập và được đánh giá trong đó, sẽ giải phóng tiềm năng to lớn.
Chúng ta có thể sử dụng dữ liệu được tạo ra trong thế giới số, thay thế việc thu thập dữ liệu đắt đỏ hoặc không an toàn trong môi trường thực, giúp robot đạt được khả năng học tập và đánh giá có thể mở rộng.
Người dẫn chương trình: Vậy hai bên sẽ tích hợp ngay lập tức, hay để SceniX duy trì tương đối độc lập trước, thúc đẩy theo nhịp độ dài hạn hơn?
Lý Phi Phi: Chúng tôi sẽ tiến hành thận trọng, không vội vàng tích hợp toàn bộ kho mã và đội ngũ ngay lập tức. SceniX đã có một ngăn xếp công nghệ tương đối hoàn chỉnh được suy nghĩ sâu sắc, cũng có khách hàng và sản phẩm riêng. Chúng tôi sẽ dành thời gian.
Tuy nhiên, việc tích hợp chắc chắn sẽ xảy ra. Chúng tôi đã bắt đầu thảo luận về mô phỏng, cũng như mô hình cơ bản tiềm năng và mô hình điều kiện hành động, SceniX cũng đang sử dụng Marble với tư cách là khách hàng nội bộ.
Chúng tôi sẽ dần dần thúc đẩy tích hợp, nhưng sẽ không vội vàng trộn đội ngũ thành một "tô salad" ngay lập tức. (cười)
Người dẫn chương trình: Vậy đội ngũ sẽ ở lại nguyên chỗ chứ?
Lý Phi Phi: Quân Chúc sẽ dẫn một số thành viên trong đội chuyển đến San Francisco. Sau khi chuyển đến, World Labs sẽ chính thức trở thành một công ty trải dài trên cả bờ Đông và bờ Tây nước Mỹ. Trụ sở công ty của chúng tôi ở San Francisco, tôi sống ở Palo Alto. Chúng tôi sẽ thành lập văn phòng tại New York, điều này khiến tôi rất hào hứng, vì nó có thể giúp chúng tôi thu hút nhân tài từ bờ Đông.
Chúng tôi cũng thảo luận về việc triển khai robot tại cả hai văn phòng, để kiểm tra và hoàn thiện ngăn xếp kỹ thuật cho robot thao tác từ xa. Dù sao đi nữa, cuối cùng chúng tôi cũng cần cung cấp khả năng như vậy cho khách hàng.
Người dẫn chương trình: Nếu phải nói cụ thể về mục tiêu, trường hợp thành công lý tưởng nhất sau hai năm là gì? Đến lúc đó các bạn sẽ đưa ra sản phẩm như thế nào, những sản phẩm này ai đang sử dụng và sử dụng như thế nào?
Lý Phi Phi: Sau hai năm, nếu đội ngũ SceniX và World Labs có thể có được khách hàng đã được xác minh trong một vài trường hợp sử dụng dọc quan trọng, và chứng minh rằng hệ thống và cơ sở hạ tầng của chúng tôi thực sự giúp đáp ứng nhu cầu tự động hóa của họ, tôi sẽ rất hài lòng.
Những khách hàng này sẽ trở thành các trường hợp ánh đèn dẫn đường, giúp chúng tôi mở rộng hơn nữa hoạt động kinh doanh.
Buổi phỏng vấn hoàn chỉnh:
https://www.youtube.com/watch?v=-tabaM5l3s0
Liên kết tham khảo:
[1]https://marble.worldlabs.ai/
[2]https://www.worldlabs.ai/blog/scenix
Bài viết đến từ tài khoản WeChat công cộng "Quantum Bit", tác giả: Văn Đình
