Robot Beyinleri GPT-2 Çağından Çıkış Arıyor

Fiziksel Yapay Zeka Yatırımları

Fiziksel yapay zeka (physical AI), girişim sermayesi yatırımlarının en gözde alanlarından biri. Şirketler, büyük dil modellerinde (LLM) kullanılan araçları robotlara uyarlamak için milyarlarca dolar topluyor. Bu heyecan, Çin'in önde gelen robot üreticisi Unitree'nin halka arzına da yansıdı; şirket, Çin'in Nasdaq eşdeğerinde işlem görmeye başladıktan sonra 66 milyar dolar değerlemeye ulaştı. Ancak bu hafta değer kaybı yaşandı ve şirket değerinin neredeyse yarısını yitirdi. Analistler, robotların fiziksel yetenekleri artsa da değer yaratan işleri yapacak bilgi birikiminden yoksun olduklarını vurguluyor.

Geçtiğimiz hafta düzenlenen Actuate konferansı, robotlar için yapay zeka beyinleri geliştiren geliştiricilerin buluşma noktasıydı. Etkinlik, 2023'teki ilk düzenlenişinden bu yana üç kat büyüyerek 1.500 katılımcıya ulaştı. Organizatör Foxglove, fiziksel yapay zeka modeli geliştiricilerinin verilerini yönetmelerine ve görselleştirmelerine yardımcı olan bir şirket. Konferansta riskler de göze çarpıyordu: Bir başka fiziksel yapay zeka altyapı oyuncusu olan Avala'nın standındaki tabela, "robotik veri krizini" çözme vaadi taşıyordu. Bu kriz, yapay zeka modelleri için yüksek kaliteli eğitim verisinin eksikliğini ifade ediyor.

Veri Krizinin Aşılması

Genel amaçlı robotlar inşa etme girişimleri hâlâ uzak görünüyor. Belirli görevler için uçtan uca öğrenme (end-to-end learning) yöntemleri, ticari anlamda güvenilir performans sunan ürünler ortaya koyamadı. Geliştiriciler için çözüm, öncü yapay zeka laboratuvarlarının ilerlemelerini taklit etmekten geçiyor: daha çeşitli veri setleri bulmak veya oluşturmak, farklı eğitim rejimleri denemek ve daha iyi pekiştirmeli öğrenme (reinforcement learning) senaryoları geliştirmek.

Antioch adlı simülasyon araçları geliştiren bir girişimin kurucusu Harry Mellsop, fiziksel yapay zekanın "GPT-2 döneminde" olduğunu söylüyor. GPT-2, ChatGPT'nin öncüsü olan OpenAI modeliydi. Bu aşamayı aşmak için daha fazla veri ve hesaplama gücü gerekiyor; özellikle yüksek kaliteli simülasyonlar oluşturmak için ışın izleme (ray tracing) odaklı GPU'lar önem taşıyor.

Otonom Araçlardan Öğrenilenler

En ilerlemiş alan otonom araçlar. Bunun nedeni, insanların kullandığı araçlardan ilgili verileri toplamanın mümkün olması ve ana görevin fiziksel ortamı manipüle etmek değil, çarpışmalardan kaçınmak olması. Model geliştirme araçlarının çoğu otonom araç şirketlerinden geliyor; örneğin Foxglove, General Motors'un eski otonom sürüş girişimi Cruise'un eski çalışanları tarafından kuruldu.

Şimdi bu otomobil şirketleri, makine öğrenimi araçlarına yaptıkları yatırımların, insansı robot üreticileriyle rekabet etmelerini sağlayacağına inanıyor. Tesla, Optimus robotuyla bunu deniyor. Otonom sürüş odaklı Wayve ve ulaşım devi Uber de insansı robot formlarına odaklanan robotik laboratuvarları kurdu. Wayve CEO'su Alex Kendall, "Bence araçlarla başlamanız gerekiyor... manipülasyon robotiği, beş yıl önceki otonom sürüş gibi" diyor. Veri altyapısı, simülasyon ve makine öğrenimi operasyonları altyapısının ortak olacağını, ancak simülatör için dünya modelinin farklı bir sonradan eğitim gerektireceğini belirtiyor.

Kendall, herhangi bir donanım platformuna bağlanmak için henüz erken olduğunu savunuyor; sensörler ve diğer bileşenlerdeki gelişmeler hızlı ilerliyor ve gerçekten genel bir modelin donanımdan bağımsız olması gerekiyor. Genesis AI'nin CEO'su Théophile Gervet ise bu görüşe katılmıyor. Bu yıl 105 milyon dolarlık tohum yatırımı alan dikey entegre bir insansı robot şirketinin başında olan Gervet, "Bu dalgada beyin stratejisinin işe yaraması için çok erken; bizim görüşümüz, donanım ve yapay zekayı birlikte tasarlamak için pek çok fırsat olduğu" diyor.

Dikey Odaklanma Stratejileri

Gervet ayrıca sektördeki bir diğer önemli konuya değiniyor: Fiziksel yapay zeka işinizi nasıl odaklayacağınız. Belirli görevlere odaklanan robot şirketleri, robotlarını sahada kullanmaya başladı bile. Gritt güneş enerjisi çiftlikleri kuruyor, Agility robotları endüstriyel ortamlarda kullanıyor ve Bedrock otonom ekskavatörler işletiyor. Bu arada genel amaçlı insansı robotlar laboratuvarlardan çıkamıyor. Gervet, "Hiçbir müşteri %80 başarı oranıyla çalışan genel amaçlı robotu umursamıyor" diyor ve ekliyor: "Birçok oyuncunun genel amaçlıya gittiğini görüyoruz, ancak dikey odak olmadığı için değer yok... ama GPT-2 üzerine dar bir dikey inşa ederseniz, GPT-4 üzerine inşa eden şirket tarafından ezilirsiniz."

Belirli bir dikeye yatırım yapmak cazip çünkü yalnızca gelir sağlamakla kalmıyor, aynı zamanda gerçek dünya verisi de topluyor. Göreve özgü veriler, genel amaçlı modelleri ilerletmek için yeterli çeşitliliğe sahip olmasa da değer katan bir robot yapmak için önemli. Bedrock CTO'su Kevin Peterson, şirketlerinin "doğal ortamda manipülasyonun" zorluklarını anlamak için kazı işleriyle başladığını, ancak bir dizi inşaat makinesini kapsayan bir zeka katmanı geliştirmeyi planladığını belirtiyor.

Veri Yönetimi ve Yeni Araçlar

Tüm bu verileri yönetmek, özellikle görsel ve lidar verilerinin yoğunluğu nedeniyle zorlu. Foxglove bu hafta Nvidia'nın Cosmos açık ağırlıklı dünya modeli üzerine inşa edilmiş yeni bir ürün duyurdu. Bu ürün, mühendislerin doğal dil sorgularıyla verilerde arama yapmasına ve değerlendirme ile simülasyonlar oluşturmasına olanak tanıyor. Amaç, model geliştiricilerin daha hızlı yineleme yapabilmesi için hızlı triyaj ve hata ayıklama sağlamak.

Neden Önemli?

Sam Altman'ın birkaç yıl içinde geleceğini söylediği fiziksel yapay zekanın "ChatGPT anı" ne olacak? Kendall, dünyadaki en büyük robot dağıtımının hâlâ tüketici vakum robotları olduğuna dikkat çekiyor. Ona göre ChatGPT anı, yatırımcıları değil tüketicileri heyecanlandıran bir şey olmalı. "Bir örnek, arabada 1.000 doların altında donanımla gözler kapalı otonomi elde etmek" diyor. Şirketi, tam da bunu üretmek için otomobil üreticilerine model lisanslıyor. Gervet için fiziksel yapay zekanın gerçek olduğu an, "kutudan çıktığı gibi çalışan manipülasyon" - doğal dille bir robotla konuşup itme, çekme, dizüstü bilgisayarı kapatma, masayı temizleme gibi temel görevleri %80'in üzerinde güvenilirlikle yapabilmesi. Foxglove CEO'su Adrian Macneil ise farklı düşünüyor: "Robotik için bir ChatGPT anı olmayacak. ChatGPT'yi an yapan dağıtımdı - bir haftada sıfırdan bir milyon aktif kullanıcıya ulaştılar. Gerçek dünyada dağıtım çok daha zor. Robotikte Apple II anını veya IBM PC anını görmek isterim. Ne zaman evde faydalı ve eğlenceli işler yapmaya başlayacak bir ev robotu satın alabilirim?"

Türk okuyucular ve sektör için bu gelişmeler, robotik yatırımlarının henüz olgunlaşmadığını ve veri odaklı zorlukların aşılması gerektiğini gösteriyor. Türkiye'de de robotik ve yapay zeka girişimlerinin artmasıyla birlikte, bu alandaki ilerlemeleri takip etmek ve yerel oyuncuların hangi stratejiyi seçeceği kritik önem taşıyor. Genel amaçlı robotların vaadi cazip olsa da, dikey odaklı çözümlerin daha hızlı değer yaratması, Türk girişimlerinin de benzer bir yol izlemesi gerektiğine işaret ediyor.