Cerca
Close this search box.

L’evoluzione dei robot: l’integrazione dei LLM per compiti complessi

Immagino di braccio robotico in laboratorio. Luogo molto luminoso e molto bianco.

Sempre di più i LLM (modelli di linguaggio di grandi dimensioni) assumono un ruolo centrale nel migliorare le capacità dei robot. Attualmente i robot operano principalmente seguendo istruzioni rigide e ripetitive, la realizzazione di robot in grado di eseguire attività complesse e adattabili rimane ancora una sfida.

Infatti, ad oggi gli LLM come ChatGPT hanno dimostrato una vasta conoscenza su una varietà di argomenti, comprese ricette e cucine, ma ancora non hanno un corpo fisico per interagire con l’ambiente. Così è venuto in mente a vari ricercatori di unire LLM e robot, in tal modo da dare un corpo ai LLM così che possano interagire con l’ambiente a. Tuttavia, “i robot devono migliorare per tenere il passo”, afferma la robotica della Brown University, che lavora sulla comprensione del linguaggio da parte dei robot. Infatti, ad oggi la comprensione del linguaggio dei LLM è sorprendente.

Ad esempio, un’azienda ha sviluppato un cane robotico in grado di comprendere il linguaggio umano e rispondere alle istruzioni utilizzando le capacità linguistiche di un LLM. 

Anche Google ha sviluppato un sistema simile, SayCan, che serve per consentire a un robot di comprendere richieste umane complesse e svolgere azioni corrispondenti.

Tuttavia, ci sono preoccupazioni riguardo alla sicurezza e all’affidabilità degli LLM, il rischio è che  i LLM possano essere influenzati da pregiudizi nei dati di addestramento e produrre risposte non accurate. Infatti sono diversi gli studiosi che ritengono che gli LLM non siano adatti per l’uso nei robot senza ulteriori ricerche e salvaguardie.

Nonostante ciò, gli LLM offrono un potenziale significativo per migliorare le capacità dei robot e consentire loro di svolgere compiti più complessi e adattabili.

Leggi l’articolo completo: Scientist Are Putting ChatGPT Brains Inside Robot Bodies. What Could Possibly Go Wrong? su scientificamerican.com.

Foto di ZHENYU LUO su Unsplash.

Accedi per vedere questi contenuti

registrati se non lo ha ancora fatto