A holland TU Delft (Technische Universiteit Delft) és a svájci EFLP (École polytechnique fédérale de Lausanne) kutatói egyedi kísérletbe kezdtek: a ChatGPT programot kérték fel munkatársnak a legújabb robotjuk tervezése során. A munka eredményként születt gép hasznos és jól működő példányának bizonyult, de a szakértők az ehhez hasonló gép-ember együttműködés potenciális kockázataira is felhívták a figyelmet a beszámolójukban.

A projektet bemutató tanulmányban (How can LLMs transform the robotic design process? Hogyan tudják a nagy nyelvi modellek átalakítani a robottervezési folyamatokat?) arra keresték a választ a szakértők, hogy hogyan tud segíteni a manapság egyre népszerűbbé váló és egyre több területen alkalmazott ChatGPT egy olyan robot létrehozásában, ami hatékonyan szolgálja az előre meghatározott célt. Ezt a célt a kutatók jelölték ki és döntésük alapján egy élelmiszer termeléssel kapcsolatos munkát végző gép megépítése volt a feladat, a chatbot pedig jól alkalmazható tanácsokat adott a robotot alkotó anyagok megválasztása és a gép működését biztosító rendszerek típusát illetően.

A ChatGPT ajánlotta például, hogy a paradicsomok leszedését végző robot tervezése gazdaságos döntés lehet,

valamint azt is, hogy a puha anyagból készült fogók a robotkarok végén kevésbé károsítják az érzékeny terméseket és a gép a Dynamixel motorral működhet a legjobban.

A nyelvi modell hasznos javaslatait megfogadva a mérnökök szélesebb körből tudtak könnyen és gyorsan adatokat szerezni a tervezési folyamat precizitásának növeléséhez, de a közös munka potenciális hátrányokkal is járhat, ha az emberek túlságosan pontosan követik a program utasításait. A ChatGPT vagy más nagy nyelvi modellek betanításuk során használt hatalmas mennyiségű adatnak köszönhetően nagy "tudással" rendelkeznek, ami praktikus útmutatást jelenthet, de ezek utólagos (humán) ellenőrzés és felülbírálat nélküli követése esetében két veszély is fenyegeti a mérnökök munkáját. Egyrészt a tanácsok akár "lopottak" is lehetnek, esetleg téves adatokra is alapozhatnak és megfogadásuk a szellemi tulajdonjogok megsértését vonhatja maguk után, másrészt az ilyen módon kivitelezett projektek során a humán dolgozók elvesztik a kreativitásra való lehetőséget és tervezőkből menedzserekké válnak.

"Végső soron a terület jövőjének nyitott kérdése, hogy hogyan használhatóak a nagy nyelvi modellek a robotok fejlesztőinek segítésére anélkül, hogy korlátoznák a kreativitást és innovációt, aminek a robotikának szüksége van a 21. század kihívásaival való megbirkózáshoz."

- mondta el Francesco Stella, az EPFL kutatója.

Robert West, az EPFL professzora egy korábbi kutatással kapcsolatban egy ezeken túlmutató és a ChatGPT mellett más LLM-ekre érvényes problémára is felhívta a figyelmet, méghozzá a nyelvi modellek gazdaságtalan működési elvének következményeire, ami éppen a rengeteg adat miatt okoz gondot.

"A legújabb modelleknek, mint például a GPT-3, mind a 175 milliárd neurális hálózati paraméterére szüksége van csak ahhoz, hogy összeadjon két számot, például a 48-at és a 76-ot,

de 'csak' 6 milliárd paraméterrel igazán rossz munkát végez és az esetek 90%-ában nem találja el a helyes megoldást." - magyarázta West - "Ennek a nem éppen hatékony működésnek a gyökere, hogy a neurális hálók jelenleg, ahogy én hívom őket, őslevesek. Ha a modelleket nézzük, azok csak számok hosszú listái, nincsenek strukturálva, mint a húrok láncolata vagy a molekulák vagy a DNS. Úgy tekintek ezekre a hálózatokra, mint egy levesre, ami forrong a potenciáltól, hogy struktúrát kreáljon."

A nagyszámú paraméter a modellek betanítása és használata során is jelentős energiafogyasztassal jár, így a modellek átláthatóságának növelése, az "erejük megszelídítése" gazdaságosabb programokat eredményezhet, de ehhez előbb jobban meg kell érteni a működésüket a szakértőknek is.

(Fotó: Adrien Buttier / EPFL, PhonlamaiPhoto/Getty Images)