Yapay zekânın tarihsel gelişimine baktığımızda, geçmişte belirli şartlar altında çalışan modellerin ne kadar yavaş geliştiği ve ne kadar masraflı olduğu ortaya çıkmıştı. Zaman içerisinde nöral ağlar yeterince geliştiklerinde bu nedenle eski usül geliştirilmiş sistemlerin yerini almış ve büyük dil modellerinin ortaya çıkmasını sağlamıştı. Benzer bir değişim robotlar için de gerçekleşebilir.
Massachusetts Teknoloji Enstitüsü (MIT) araştırmacıları, sadece belirli şartlar altında çalışabilen robot geliştirme yöntemleri yerine kullanabilecek ve büyük dil modellerinin çalışma mantığını andıran bir yöntem tanıttı. Bu yöntemde robotlar, farklı kaynaklardan gelen veriler ve kendi topladıkları veriler ile eğitiliyor. Böylece yeni bir iş öğrenmeleri ya da yeni şartlara uyum sağlamaları daha kolay oluyor.
Dil modellerinden ilham alındı
Araştırmacılar, bu yöntemi geliştirirken ChatGPT gibi büyük dil modellerinden ilham aldıklarını ifade etti. Büyük dil modellerin önceden büyük boyutlu dil verisi ile eğitilip sonrasında çok az eğitim ile kullanılabilmesinden yola çıkan araştırmacılar, "Heterojen Ön Eğitimli Dönüştürücüler" (HPT) adını verdikleri bir model geliştirdi. Bu model sayesinde farklı kamera ve sensörlerden gelen veriler bir arada işlenebiliyor ve robotların yeni görevleri daha kolay öğrenmesi sağlanıyor.
Yeni yöntem sayesinde robotlar hem daha becerikli şekilde hareket edebiliyor ve farklı işler gerçekleştirebiliyorlar. Araştırmacılar şimdi bu yöntemin gelişme potansiyelini inceleyecek. Hedeflerini ise uygulama indirir gibi indirilip kurulabilen robot beyinleri olarak açıklıyorlar.