हांगझोउ के उस केंद्र के अंदर जो लाखों घंटे का रोबोट प्रशिक्षण डेटा बनाता है
एक रोबोट को कपड़े मोड़ना या शेल्फ भरना सिखाने के लिए भारी मात्रा में वीडियो और गति डेटा चाहिए — वही बहुविध संवाद फुटेज जो मॉडल को सिखाता है कि जब कोई मशीन किसी वस्तु को छूती है तो वह कैसे व्यवहार करती है। उद्योग की आम सहमति है कि एक उपयोगी एम्बॉडीड एआई मॉडल के लिए ऐसे करोड़ों घंटे चाहिए। पूरे क्षेत्र में दो साल की कोशिश के बाद वास्तव में जो मौजूद है वह लगभग दस लाख घंटे है, और कम गुणवत्ता वाली क्लिप हटा दें तो वास्तव में उपयोगी बहुत कम बचता है।
यही अंतर हांगझोउ की एक नई सुविधा के व्यावसायिक तर्क का आधार है, जिसे देश का पहला एम्बॉडीड सिमुलेशन डेटा-संग्रह केंद्र बताया गया है और जिसे यिंगसु नामक कंपनी चलाती है। इसकी दलील है कि अड़चन कभी डेटा के बारे में नहीं थी। वह तरीके के बारे में थी: पुराना सूत्र था लोग गुणा घंटे, जिसमें मानव ऑपरेटर रोबोट भुजाओं को निर्देशित करते या हर उपयोगी मिनट पैदा करने के लिए मोशन-कैप्चर रिग पहनते थे।
कंपनी के अनुसार नया सूत्र है पर्यावरण कॉन्फ़िगरेशन गुणा समानांतर कंप्यूटिंग शक्ति। एक कमरे में एक काम करते एक रोबोट को फिल्माने के बजाय, केंद्र सिम्युलेटेड वातावरण बनाता है और उनमें से कई को एक साथ चलाता है, जिससे विविध दृश्य, प्रकाश, वस्तु स्थितियाँ और भौतिक अंतःक्रियाएँ समानांतर रूप से उत्पन्न होती हैं। क्षेत्र पर एक रिपोर्ट एक संबंधित दृष्टिकोण का वर्णन करती है जो प्रतिदिन तीस लाख सैंडबॉक्स बनाने में सक्षम है। क्षमता की इकाई ऑपरेटर की शिफ्ट से जीपीयू क्लस्टर की थ्रूपुट में बदल जाती है।
यह बदलाव मायने रखता है क्योंकि यह बदल देता है कि कौन प्रतिस्पर्धा कर सकता है। मानव-संचालित संग्रह शुरू करना सस्ता है लेकिन रैखिक रूप से बढ़ता है और इसे सुसंगत रखना कठिन है; सिमुलेशन हार्डवेयर के साथ बढ़ता है लेकिन सटीक भौतिकी, सावधान डोमेन रैंडमाइज़ेशन और सिंथेटिक व वास्तविक फुटेज के बीच के अंतर को पाटने का तरीका मांगता है। बहुत अधिक सिमुलेशन और रोबोट ऐसी साफ़, सहयोगी भौतिकी सीख लेता है जो कोई रसोई या गोदाम नहीं देता। केंद्र का घोषित लक्ष्य बस घंटों का एक और ढेर जोड़ना नहीं, बल्कि उस मूल अड़चन को तोड़ना है।
समय-चयन चीनी एम्बॉडीड एआई के व्यापक मूड को दर्शाता है, जहाँ ह्यूमनॉइड रोबोट निर्माताओं ने भारी निवेश और तीव्र सार्वजनिक ध्यान खींचा है। हार्डवेयर उस सॉफ़्टवेयर से तेज़ी से आगे बढ़ा है जो उसे उपयोगी बनाता है, और डेटा स्वीकृत बाधा बन गया है। एक ऐसी सुविधा जो डेटा उत्पादन को औद्योगिक प्रक्रिया मानती है — विन्यास-योग्य, समानांतर, दोहराने योग्य — यह दांव है कि विजेता वही होंगे जो अनुभव को केवल रिकॉर्ड नहीं, बल्कि निर्मित कर सकेंगे।
खुला प्रश्न गुणवत्ता का है। सिंथेटिक फुटेज तभी मूल्यवान है जब मुख्यतः सिम्युलेटर के भीतर प्रशिक्षित मॉडल तब भी काम करे जब कोई भौतिक रोबोट किसी अपरिचित कमरे में पहुँचे। यही वह सिम-टू-रियल समस्या है जिसका रोबोटिक्स शोधकर्ता वर्षों से पीछा कर रहे हैं, और अकेले पैमाने ने इसे हल नहीं किया। केंद्र की असली परीक्षा यह होगी कि जो डेटा वह उत्पन्न करता है, वह ऐसे रोबोट बनाता है या नहीं जो प्रयोगशाला के बाहर भरोसेमंद व्यवहार करें।
वैश्विक पाठकों के लिए यह किसी एक सुविधा से कम, एक दिशा से अधिक है: चीनी एम्बॉडीड एआई कंपनियाँ डेटा संग्रह के एक दशक को कंप्यूटिंग समस्या मानकर महीनों में सिकोड़ने की कोशिश कर रही हैं। अगर यह दृष्टिकोण काम करता है, तो एक सक्षम रोबोट मस्तिष्क को प्रशिक्षित करने की लागत तेज़ी से गिरती है, और अगली बाधा फुटेज के बजाय हार्डवेयर, तैनाती और सुरक्षा बन जाती है।