Bên trong trung tâm ở Hàng Châu tạo ra hàng triệu giờ dữ liệu huấn luyện robot
Huấn luyện robot gấp quần áo hay xếp hàng kệ đòi hỏi lượng video và dữ liệu chuyển động khổng lồ — loại cảnh quay tương tác đa phương thức dạy cho mô hình biết vật thể hành xử ra sao khi máy chạm vào. Giới đồng thuận rằng một mô hình AI hiện thân dùng được cần hàng chục triệu giờ dữ liệu như vậy. Thực tế hiện có, sau hai năm nỗ lực trên toàn ngành, chỉ khoảng một triệu giờ, và sau khi loại bỏ các đoạn chất lượng thấp, lượng thực sự dùng được còn ít hơn nhiều.
Khoảng cách đó chính là cơ sở kinh doanh của một cơ sở mới tại Hàng Châu, được mô tả là trung tâm thu thập dữ liệu mô phỏng hiện thân đầu tiên của nước này, do một công ty tên Yingsu vận hành. Lập luận của họ là nút thắt chưa bao giờ thực sự nằm ở bản thân dữ liệu, mà ở phương pháp: công thức cũ là số người nhân với số giờ, với người vận hành điều khiển cánh tay robot hoặc mặc bộ đồ ghi chuyển động để tạo ra từng phút dữ liệu hữu ích.
Công thức mới, theo cách công ty này trình bày, là số cấu hình môi trường nhân với năng lực tính toán song song. Thay vì quay một robot làm một nhiệm vụ trong một căn phòng, trung tâm xây dựng các môi trường mô phỏng và chạy nhiều môi trường cùng lúc, tạo ra đa dạng cảnh, ánh sáng, cách bố trí vật thể và tương tác vật lý song song. Một báo cáo trong ngành mô tả cách tiếp cận tương tự có thể tạo ra ba triệu môi trường thử nghiệm mỗi ngày. Đơn vị năng lực chuyển từ ca làm việc của người vận hành sang thông lượng của cụm GPU.
Sự chuyển dịch này quan trọng vì nó thay đổi ai có thể cạnh tranh. Thu thập thủ công rẻ khi khởi đầu nhưng mở rộng theo tuyến tính và khó giữ nhất quán; mô phỏng mở rộng theo phần cứng nhưng đòi hỏi vật lý chính xác, ngẫu nhiên hóa miền cẩn thận và cách thu hẹp khoảng cách giữa cảnh quay tổng hợp và thực tế. Mô phỏng quá nhiều khiến robot học được nền vật lý sạch sẽ, thuận hòa mà không căn bếp hay nhà kho nào có. Mục tiêu nêu ra của trung tâm là phá vỡ nút thắt cốt lõi đó chứ không chỉ chất thêm một đống giờ.
Thời điểm này phản ánh tâm thế rộng hơn của AI hiện thân Trung Quốc, nơi các nhà sản xuất robot hình người thu hút đầu tư lớn và sự chú ý dữ dội của công chúng. Phần cứng tiến nhanh hơn phần mềm khiến nó hữu dụng, và dữ liệu đã trở thành ràng buộc được thừa nhận. Một cơ sở coi sản xuất dữ liệu là quy trình công nghiệp — có thể cấu hình, song song, lặp lại — là cược rằng người thắng sẽ là những ai sản xuất được trải nghiệm chứ không chỉ ghi lại nó.
Câu hỏi còn ngỏ là chất lượng. Cảnh quay tổng hợp chỉ có giá trị nếu mô hình được huấn luyện phần lớn trong môi giả lập vẫn hoạt động khi robot thật lăn vào một căn phòng xa lạ. Đó chính là bài toán sim-to-real mà giới nghiên cứu robot theo đuổi nhiều năm, và quy mô đơn thuần chưa giải quyết được. Phép thử thực sự của trung tâm là liệu dữ liệu nó tạo ra có sinh ra những robot hành xử đáng tin cậy ngoài phòng thí nghiệm hay không.
Với độc giả toàn cầu, đây không hẳn là chuyện một cơ sở mà là hướng đi: các công ty AI hiện thân Trung Quốc đang cố nén một thập kỷ thu thập dữ liệu vào vài tháng bằng cách coi đó là bài toán tính toán. Nếu cách này thành công, chi phí huấn luyện một bộ não robot đủ năng lực giảm mạnh, và ràng buộc tiếp theo sẽ là phần cứng, triển khai và an toàn chứ không phải cảnh quay.