General Intuition: Robot học theo kiểu chơi game, startup này tin robot học sẽ có ‘khoảnh khắc ChatGPT’

Trước khi GPT-3 của OpenAI mở ra kỷ nguyên mô hình nền tảng (foundation model), các công ty AI thường phải xây dựng riêng từng mô hình xử lý ngôn ngữ tự nhiên (NLP) từ đầu, huấn luyện trên lượng lớn dữ liệu chuyên biệt cho từng tác vụ. Ngày nay, phần lớn tổ chức chọn cách bắt đầu từ một mô hình tổng quát như dòng GPT của OpenAI, Claude hay Llama, rồi tinh chỉnh (fine-tune) hoặc prompt để giải quyết nhu cầu riêng.

Pim de Witte, CEO của startup General Intuition, cho rằng lĩnh vực AI hiện thân (embodied AI) — tức các hệ thống AI điều khiển robot tương tác với thế giới vật lý — sẽ đi theo mô hình tương tự. Thay vì thu thập những bộ dữ liệu thực tế khổng lồ để xây robot chuyên biệt cho từng nhiệm vụ, ông cho rằng cả ngành nên tập trung vào các bộ dữ liệu chất lượng cao hơn, đủ để tạo ra những mô hình nền tảng có khả năng truyền tải trực giác về chuyển động và tương tác sang nhiều môi trường khác nhau.

Từ dữ liệu video game đến trực giác không gian – thời gian

“Rất nhiều công ty hiện nay đang làm những công việc chuyên biệt tập trung vào từng loại thân robot, từng môi trường, từng con robot riêng lẻ,” de Witte nói với TechCrunch trong một tập podcast Equity gần đây. Theo ông, phần lớn công việc đó sẽ sớm trở nên thừa thãi khi các mô hình tổng quát như mô hình mà General Intuition đang phát triển và triển khai xuất hiện.

“Bản thân khả năng tổng quát hóa của mô hình chính là sản phẩm,” de Witte nói. “Việc mô hình có một mức độ suy luận cơ bản về không gian và thời gian sẽ là lý do khiến người ta ngừng thu thập hàng trăm nghìn, thậm chí hàng triệu giờ dữ liệu thực tế. Bởi thực tế là bạn chỉ cần vài phút thôi.”

Điểm đặc biệt trong cách tiếp cận của General Intuition là công ty đã xây dựng mô hình nền tảng của mình bằng cách huấn luyện trên hàng triệu giờ dữ liệu video game — bao gồm cả thông tin về việc người chơi bấm nút nào trên tay cầm và bấm vào thời điểm nào. Cả de Witte lẫn nhà đầu tư dẫn dắt vòng gọi vốn của công ty, Vinod Khosla, đều cho rằng chính loại dữ liệu “hành động” này mới là chìa khóa để phát triển trực giác giống con người về suy luận không gian – thời gian, chứ không nhất thiết phải là dữ liệu robot thực tế.

Vòng gọi vốn 320 triệu USD và cú “zero-shot” bất ngờ

Dựa trên luận điểm này, tháng trước General Intuition đã huy động được 320 triệu USD với mức định giá 2,3 tỷ USD. Công ty đã chứng minh rằng mô hình hiện tại của họ vừa có thể chơi video game liên tục nhiều giờ, vừa có thể điều khiển một robot bốn chân — sau khi chỉ tinh chỉnh thêm với 8 phút dữ liệu robot thực tế.

“Việc con robot đó thực sự có thể hoạt động kiểu ‘zero-shot’ (không cần huấn luyện thêm) chỉ với camera phía trước, không có cảm biến nào khác, trong văn phòng có các vật thể di chuyển và người đi lại, là một bất ngờ rất lớn đối với chúng tôi,” de Witte chia sẻ. “Tôi nghĩ đó là dấu hiệu cho những gì sắp tới.”

Đích đến cuối cùng của General Intuition không phải là tự mình sản xuất robot, mà là trở thành mô hình nền tảng cho AI vật lý — một mô hình gốc để các công ty robot khác xây dựng máy móc của riêng họ dựa trên đó. Như de Witte diễn giải: “Chúng tôi sẽ không xây một công ty xe tự lái. Chúng tôi sẽ khiến việc xây một công ty xe tự lái dễ hơn gấp 10 lần cho người tiếp theo muốn làm điều đó.”

Đáng chú ý, đây là quan điểm và luận điểm kinh doanh riêng của CEO General Intuition, phản ánh hướng đi mà công ty này đặt cược hàng trăm triệu USD, chứ chưa phải là điều đã được kiểm chứng rộng rãi trong toàn ngành robot học.

Nguồn tham khảo: AI News & Artificial Intelligence | TechCrunch — Biên tập bởi Cà Phê AI.