Generalist, ਜੋ ਕਿ 2024 ਵਿੱਚ ਸਥਾਪਿਤ ਇੱਕ ਰੋਬੋਟਿਕਸ ਸਟਾਰਟਅੱਪ ਹੈ, ਨੇ ਫੰਡਿੰਗ ਦੇ ਇੱਕ ਨਵੇਂ ਰਾਊਂਡ ਦਾ ਐਲਾਨ ਕੀਤਾ ਹੈ ਜਿਸ ਨਾਲ ਲਗਭਗ $200 ਮਿਲੀਅਨ ਇਕੱਠੇ ਕਰਨ ਤੋਂ ਬਾਅਦ ਇਸਦੀ ਵੈਲੂਏਸ਼ਨ $3 ਬਿਲੀਅਨ ਤੱਕ ਪਹੁੰਚ ਗਈ ਹੈ। 8VC ਦੀ ਅਗਵਾਈ ਵਿੱਚ ਮਿਲੀ ਇਹ ਪੂੰਜੀ, Series B ਦੀ ਕੁੱਲ ਰਕਮ ਨੂੰ $600 ਮਿਲੀਅਨ ਤੱਕ ਲੈ ਆਈ ਹੈ ਅਤੇ ਇਹ ਸੰਕੇਤ ਦਿੰਦੀ ਹੈ ਕਿ ਨਿਵੇਸ਼ਕ ਅਜਿਹੇ ਰੋਬੋਟਾਂ ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਨੇੜੇ ਆਉਣ ਵਾਲੇ ਮਾਰਗ ਨੂੰ ਦੇਖ ਰਹੇ ਹਨ ਜੋ ਕੁਝ ਸਕਿੰਟਾਂ ਦੇ ਵੀਡੀਓ ਤੋਂ ਨਵੇਂ ਕੰਮ ਸਿੱਖ ਸਕਦੇ ਹਨ।

ਫੰਡਿੰਗ ਵਿੱਚ ਤੇਜ਼ੀ ਅਤੇ ਸਮਰਥਕਾਂ ਦੀ ਲਾਈਨਅੱਪ

ਰੈਗੂਲੇਟਰੀ ਫਾਈਲਾਂ ਤੋਂ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ $200 ਮਿਲੀਅਨ ਦਾ ਇਹ ਨਿਵੇਸ਼ ਉਸ Series B ਦਾ ਵਿਸਤਾਰ ਹੈ ਜੋ ਜੂਨ ਵਿੱਚ Radical Ventures ਦੀ ਅਗਵਾਈ ਵਿੱਚ $400 ਮਿਲੀਅਨ ਦੇ ਰਾਊਂਡ ਨਾਲ ਸ਼ੁਰੂ ਹੋਇਆ ਸੀ। ਇਹ ਰਾਊਂਡ Generalist ਦੇ ਨਿਵੇਸ਼ਕਾਂ ਦੀ ਸੂਚੀ ਵਿੱਚ Nvidia, Union Square Ventures, Bezos Expeditions ਅਤੇ AI ਮੋਹਰੀ Fei-Fei Li ਵਰਗੇ ਭਾਰੀ ਨਾਮ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ। ਉਹਨਾਂ ਦੀ ਸ਼ਮੂਲੀਅਤ ਇਸ ਵਿਸ਼ਵਾਸ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦੀ ਹੈ ਕਿ ਕਈ ਰੋਬੋਟ ਪਲੇਟਫਾਰਮਾਂ ਲਈ ਇੱਕ ਸਿੰਗਲ AI “brain” ਫੈਕਟਰੀਆਂ, ਗੋਦਾਮਾਂ ਅਤੇ ਸੇਵਾ ਸੈਟਿੰਗਾਂ ਵਿੱਚ ਆਟੋਮੇਸ਼ਨ ਦੀ ਇੱਕ ਨਵੀਂ ਲਹਿਰ ਲਿਆ ਸਕਦਾ ਹੈ।

Gen 1.5: ਅਲਟਰਾ-ਸ਼ਾਰਟ ਡੈਮੋਜ਼ ਤੋਂ ਸਿੱਖਣਾ

Generalist ਦੀ ਸਭ ਤੋਂ ਵੱਡੀ ਖ਼ਾਸੀਅਤ ਇਸਦਾ Gen 1.5 foundation model ਹੈ। ਹਰ ਹਰਕਤ ਨੂੰ ਹੱਥ ਨਾਲ ਤਿਆਰ ਕਰਨ ਦੀ ਬਜਾਏ, ਇਹ ਮਾਡਲ ਇੱਕ ਰੋਬੋਟ ਨੂੰ ਵੀਡੀਓ ਕਲਿੱਪ ਦੇਖਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ—ਜੋ ਅਕਸਰ ਸਿਰਫ਼ ਤਿੰਨ ਤੋਂ ਬਾਰਾਂ ਸਕਿੰਟ ਦੀ ਹੁੰਦੀ ਹੈ—ਅਤੇ ਫਿਰ ਦਿਖਾਏ ਗਏ ਕੰਮ ਨੂੰ ਦੁਹਰਾਉਂਦਾ ਹੈ। ਇਹ ਪਹੁੰਚ imitation learning 'ਤੇ ਅਧਾਰਤ ਹੈ: AI ਵਿਜ਼ੂਅਲ ਇਨਪੁਟ ਤੋਂ ਹਰਕਤ ਦੇ ਸੰਕੇਤ, ਵਸਤੂਆਂ ਦੀ ਆਪਸੀ ਕਿਰਿਆ ਅਤੇ ਸਮੇਂ (timing) ਨੂੰ ਕੱਢਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਰੋਬੋਟ ਦੇ actuators ਲਈ ਕੰਟਰੋਲ ਕਮਾਂਡਾਂ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ। ਸਿਧਾਂਤਕ ਤੌਰ 'ਤੇ, ਇੱਕ ਰੋਬੋਟ ਸਿਰਫ਼ ਛੋਟੀਆਂ ਰਿਕਾਰਡਿੰਗਾਂ ਦੇਖ ਕੇ ਹਰ ਹਫ਼ਤੇ ਦਰਜਨਾਂ ਨਵੇਂ ਹੁਨਰ ਸਿੱਖ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਬਦਲਦੇ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਆਟੋਮੇਸ਼ਨ ਲਾਗੂ ਕਰਨ ਲਈ ਲੋੜੀਂਦੇ ਸਮੇਂ ਅਤੇ ਮੁਹਾਰਤ ਵਿੱਚ ਭਾਰੀ ਕਮੀ ਆਵੇਗੀ।

ਉਹ “ChatGPT ਮੋਮੈਂਟ” ਜਿਸਦਾ ਨਿਵੇਸ਼ਕ ਪਿੱਛਾ ਕਰ ਰਹੇ ਹਨ

Generalist ਉਸ ਭੜਕਵੇਂ ਮੁਕਾਬਲੇ ਵਿੱਚ ਹਿੱਸਾ ਲੈ ਰਿਹਾ ਹੈ ਜਿੱਥੇ ਹਾਰਡਵੇਅਰ ਨੂੰ ਉਹ ਬ੍ਰੇਕਥਰੂ ਦੇਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ ਜੋ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲਾਂ ਨੇ ਸਾਫਟਵੇਅਰ ਨੂੰ ਦਿੱਤਾ ਸੀ। Physical Intelligence ਅਤੇ SoftBank ਦੁਆਰਾ ਸਮਰਥਿਤ Skild AI ਵਰਗੇ ਵਿਰੋਧੀਆਂ ਦੀ ਵੈਲੂਏਸ਼ਨ ਪਹਿਲਾਂ ਹੀ ਦਸ ਅਰਬ ਡਾਲਰ ਤੋਂ ਵੱਧ ਹੈ, ਜੋ ਰੋਬੋਟਿਕਸ ਲਈ ਇੱਕ ਵਿਆਪਕ “ChatGPT ਮੋਮੈਂਟ” ਦੀ ਕਥਨ ਨੂੰ ਹੁਲਾਰਾ ਦੇ ਰਹੀ ਹੈ। ਇਸ ਦਾ ਅਧਾਰ ਸਰਲ ਹੈ: ਇੱਕ ਬਹੁਮੁਖੀ, pre-trained ਮਾਡਲ ਜਿਸ ਨੂੰ ਘੱਟ ਤੋਂ ਘੱਟ ਡੇਟਾ ਨਾਲ fine-tune ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਕੰਪਨੀਆਂ ਨੂੰ ਕੰਟਰੋਲ ਸਟੈਕ ਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਬਣਾਏ ਬਿਨਾਂ ਰੋਬੋਟਿਕ ਸਮਰੱਥਾਵਾਂ ਜੋੜਨ ਦੀ ਇਜਾਜ਼ਤ ਦੇ ਸਕਦਾ ਹੈ।

ਫਿਜ਼ੀਕਲ ਡੇਟਾ ਦੀ ਰੁਕਾਵਟ ਅਤੇ ਸ਼ੰਕਾਵਾਦੀ ਆਵਾਜ਼ਾਂ

ਇਹ ਉਤਸ਼ਾਹ ਇੱਕ ਵਿਵਹਾਰਕ ਰੁਕਾਵਟ ਦਾ ਸਾਹਮਣਾ ਕਰਦਾ ਹੈ। ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲ ਇੰਟਰਨੈੱਟ ਦੇ ਅਣਗਿਣਤ ਟੈਕਸਟ 'ਤੇ ਫਲਦੇ-ਫੁੱਲਦੇ ਹਨ, ਪਰ ਰੋਬੋਟਾਂ ਨੂੰ ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ ਤਿਆਰ ਕਰਨ ਲਈ ਭੌਤਿਕ (physical) ਆਪਸੀ ਕਿਰਿਆ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਸੈਂਸਰਾਂ ਨੂੰ ਬਲ (forces), ਸੰਪਰਕ ਅਤੇ 3-D ਜਿਓਮੈਟਰੀ ਨੂੰ ਕੈਪਚਰ ਕਰਨਾ ਪੈਂਦਾ ਹੈ, ਅਤੇ ਹਰੇਕ ਨਵੇਂ ਸਥਿਤੀ ਲਈ ਨਵੇਂ ਡੇਟਾ ਇਕੱਠੇ ਕਰਨ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ। ਕੁਝ ਮਾਹਰਾਂ ਨੇ ਚੇਤਾਵਨੀ ਦਿੱਤੀ ਹੈ ਕਿ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ, ਵਿਭਿੰਨ ਭੌਤਿਕ ਡੇਟਾਸੈਟਾਂ ਦੀ ਘਾਟ ਸੱਚਮੁੱਚ ਯੂਨੀਵਰਸਲ ਰੋਬੋਟ ਇੰਟੈਲੀਜੈਂਸ ਨੂੰ ਵਪਾਰਕ ਵਿਹਾਰਯੋਗਤਾ ਤੋਂ ਸਾਲਾਂ ਦੂਰ ਰੱਖ ਸਕਦੀ ਹੈ। ਅਸਲ ਦੁਨੀਆ ਦੇ ਡੈਮੋਜ਼ ਦੀ ਨਿਰੰਤਰ ਸਪਲਾਈ ਤੋਂ ਬਿਨਾਂ, Gen 1.5 ਵਰਗਾ ਲਚਕਦਾਰ ਮਾਡਲ ਵੀ ਉਹਨਾਂ ਵਾਤਾਵਰਣਾਂ ਤੋਂ ਬਾਹਰ ਜਾਣ ਵਿੱਚ ਸੰਘਰਸ਼ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਉਸਨੇ ਦੇਖੇ ਹਨ।

ਅੱਗੇ ਕੀ ਦੇਖਣਾ ਹੈ

  • ਡਿਪਲਾਈਮੈਂਟ ਟਰਾਇਲਜ਼ (Deployment trials): Generalist ਦੇ ਅਗਲੇ ਜਨਤਕ ਟੈਸਟ ਬੈੱਡ—ਚਾਹੇ ਉਹ ਲੌਜਿਸਟਿਕਸ ਸੈਂਟਰਾਂ ਵਿੱਚ ਹੋਣ ਜਾਂ ਮੈਨੂਫੈਕਚਰਿੰਗ ਲਾਈਨਾਂ ਵਿੱਚ—ਇਹ ਪ੍ਰਗਟ ਕਰਨਗੇ ਕਿ Gen 1.5 ਲੈਬ ਡੈਮੋਜ਼ ਤੋਂ ਸ਼ੋਰ-ਸ਼ਰਾਬੇ ਵਾਲੀਆਂ ਅਤੇ ਅਨਿਸ਼ਚਿਤ ਥਾਵਾਂ ਤੱਕ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਪਹੁੰਚ ਸਕਦਾ ਹੈ।
  • ਡੇਟਾ ਪਾਈਪਲਾਈਨ ਵਿਕਾਸ: ਆਟੋਮੇਟਡ ਡੇਟਾ ਕੈਪਚਰ (ਜਿਵੇਂ ਕਿ ਮਾਡਲ ਨੂੰ ਫੀਡ ਕਰਨ ਵਾਲੇ ਕੈਮਰਿਆਂ ਦੇ ਸਮੂਹ) ਵਿੱਚ ਤਰੱਕੀ ਭੌਤਿਕ-ਡੇਟਾ ਦੀ ਰੁਕਾਵਟ ਨੂੰ ਘਟਾ ਸਕਦੀ ਹੈ।
  • ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਦੀਆਂ ਹਰਕਤਾਂ: ਵਿਰੋਧੀਆਂ ਦੇ ਫੰਡਿੰਗ ਰਾਊਂਡ ਅਤੇ ਭਾਈਵਾਲੀ ਦੇ ਐਲਾਨਾਂ 'ਤੇ ਨਜ਼ਰ ਰੱਖੋ, ਕਿਉਂਕਿ ਪਹਿਲੇ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਅਪਣਾਉਣਯੋਗ ਰੋਬੋਟ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ ਦੀ ਦੌੜ ਅਜੇ ਵੀ ਆਪਣੇ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ ਵਿੱਚ ਹੈ।

ਸਿੱਟਾ: Generalist ਦੀ $3 ਬਿਲੀਅਨ ਦੀ ਵੈਲੂਏਸ਼ਨ ਇਸ ਮਜ਼ਬੂਤ ਵਿਸ਼ਵਾਸ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਇੱਕ ਸਿੰਗਲ AI ਮਾਡਲ ਰੋਬੋਟਾਂ ਨੂੰ ਅੱਜ ਦੇ ਚੈਟਬੋਟਾਂ ਵਾਂਗ ਅਨੁਕੂਲ ਬਣਾ ਸਕਦਾ ਹੈ, ਪਰ ਇਹ ਮਾਰਗ ਛੋਟੀਆਂ ਵੀਡੀਓ ਕਲਿੱਪਾਂ ਨੂੰ ਭਰੋਸੇਯੋਗ, ਅਸਲ ਦੁਨੀਆ ਦੀ ਹਰਕਤ ਵਿੱਚ ਬਦਲਣ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ—ਇੱਕ ਅਜਿਹੀ ਇੰਜੀਨੀਅਰਿੰਗ ਚੁਣੌਤੀ ਜੋ ਇਹ ਫੈਸਲਾ ਕਰੇਗੀ ਕਿ ਕੀ ਇਹ ਵਾਅਦਾ ਰੋਜ਼ਾਨਾ ਦੇ ਆਟੋਮੇਸ਼ਨ ਵਿੱਚ ਬਦਲਦਾ ਹੈ ਜਾਂ ਨਹੀਂ।