रोबोट और वर्ल्ड मॉडलमध्यमपाठ 2586 मिनट का पाठ

रोबोट चैटबॉट्स से पीछे क्यों हैं

चैटबॉट्स ने भारी मात्रा में टेक्स्ट से सीखा है। रोबोट्स के पास डेटा बहुत कम है, एक अस्त-व्यस्त दुनिया है, असली सुरक्षा जोखिम हैं और महँगा हार्डवेयर है। यहाँ बताया गया है कि यह अंतर क्यों है।

✦ ट्यूटर से पूछें🧪 लैब · 20 min📝 पाठ का टेस्ट
पाठ वीडियो में

60 सेकंड में

रोबोट चैटबॉट्स से पीछे क्यों हैं

चैटबॉट्स ने भारी मात्रा में टेक्स्ट से सीखा है। रोबोट्स के पास डेटा बहुत कम है, एक अस्त-व्यस्त दुनिया है, असली सुरक्षा जोखिम हैं और महँगा हार्डवेयर है। यहाँ बताया गया है कि यह…

1/4
आसान शब्दों में
एक चैटबॉट चाय बनाने पर एक सेकंड में कविता लिख सकता है। लेकिन किसी रोबोट से सच में चाय बनाने को कहिए: पतीला ढूँढना, गैस जलाना, बिना गिराए दूध डालना, और उबलने से पहले रोकना। किसी मशीन के लिए यह बहुत, बहुत ज़्यादा मुश्किल है।
हाल के वर्षों में, लैंग्वेज मॉडल लिखने, सारांश बनाने और सवालों के जवाब देने में बहुत अच्छे हो गए हैं। घरों और खेतों में काम करने वाले रोबोट्स भी बेहतर हुए हैं, लेकिन बहुत धीमी गति से। यह पाठ बताता है कि ऐसा क्यों है। इसके कारण सिर्फ़ चतुर एल्गोरिदम तक सीमित नहीं हैं। वे डेटा, भौतिक दुनिया, सुरक्षा और पैसों से जुड़े हैं।

मोरावेक का विरोधाभास (Moravec's paradox): आसान काम मुश्किल हैं

1980 के दशक में, रोबोटिक्स शोधकर्ताओं ने एक अजीब बात देखी। जो काम इंसानों को मुश्किल लगते हैं, जैसे शतरंज या बीजगणित, वे कंप्यूटरों के लिए काफ़ी आसान निकले। और जो काम इंसानों को आसान लगते हैं, जैसे भीड़भाड़ वाली सड़क पर चलना या कोई नरम फल उठाना, वे बहुत मुश्किल निकले। इस विचार को रोबोटिक्स शोधकर्ता हैंस मोरावेक के नाम पर मोरावेक का विरोधाभास (Moravec's paradox) कहा जाता है।
एक आम व्याख्या यह है: जानवरों और इंसानों को देखने, संतुलन बनाने और पकड़ने में माहिर होने के लिए विकास (evolution) का बहुत लंबा समय मिला है। हम ये काम बिना सोचे-समझे कर लेते हैं, इसलिए हमें अहसास ही नहीं होता कि ये कितने जटिल हैं। अमूर्त सोच हमारे लिए नई है, इसलिए यह हमें कठिन लगती है, भले ही इसके नियम कम और साफ़-सुथरे हों।
इंसान को मुश्किल लगता हैइंसान को आसान लगता है
शतरंज जीतनाअंडे को बिना तोड़े उठाना
गणित का लंबा सवाल हल करनागीले, ऊबड़-खाबड़ मैदान पर चलना
किसी रिपोर्ट का सारांश लिखनासिकुड़ी हुई कमीज़ की तह बनाना
एक पैराग्राफ़ का अनुवाद करनाधागे में गाँठ बाँधना
नोट
दाएँ कॉलम वाले कामों में ही रोबोट्स को आज भी सबसे ज़्यादा जूझना पड़ता है। कई "आसान" कामों के लिए सिर्फ़ देखने की नहीं, बल्कि छूने, संतुलन बनाने और तुरंत सुधार करने की ज़रूरत होती है।

कारण 1: रोबोट का डेटा बहुत कम होना

लैंग्वेज मॉडल्स ने उस भारी मात्रा में मौजूद टेक्स्ट से सीखा जिसे इंसानों ने पहले ही लिखकर ऑनलाइन डाल दिया था। रोबोट की हरकतों का कोई इंटरनेट नहीं है। किसी ने दशकों तक चुपचाप यह रिकॉर्ड नहीं किया कि घर के काम करते समय रोबोट के जोड़ों के कोण और पकड़ने की ताक़त क्या थी।
  • रोबोट का डेटा आम तौर पर खास तौर पर इकट्ठा करना पड़ता है, अक्सर कोई इंसान एक-एक करके हर काम में रोबोट का मार्गदर्शन करता है।
  • हो सकता है कि एक रोबोट का डेटा किसी दूसरे रोबोट के काम न आए, जिसका हाथ, ग्रिपर या कैमरा अलग हो।
  • काम करते हुए इंसानों के वीडियो थोड़ी मदद करते हैं, लेकिन वीडियो से ताक़त का अंदाज़ा नहीं मिलता, और इंसान का हाथ कोई रोबोट ग्रिपर नहीं होता।

कारण 2: भौतिक दुनिया अस्त-व्यस्त है

टेक्स्ट साफ़-सुथरा होता है: एक शब्द मतलब एक शब्द। भौतिक दुनिया ऐसी नहीं है। रोशनी बदलती रहती है। चीज़ें फिसलती हैं, मुड़ती हैं, फटती हैं और छलकती हैं। कैमरों पर धूल जम जाती है। कोई कप भरा हो सकता है या खाली, और ऊपर से देखने पर एक जैसा ही लग सकता है। हर घर और हर खेत की बनावट अलग होती है।
चैटबॉट की ग़लती अक्सर एक ग़लत वाक्य होती है जिसे आप नज़रअंदाज़ कर सकते हैं। रोबोट की ग़लती दुनिया में, उसी पल होती है, और वह "undo" नहीं दबा सकता। यह ग्राउंडिंग: यह पता चलना कि आप ग़लत थे से सीखा गया सबक है: दुनिया रोबोट को बताती है कि वह कब ग़लत था, लेकिन कभी-कभी कुछ टूटने के बाद ही।

कारण 3: सुरक्षा

रोबोट का हाथ भारी, मज़बूत और तेज़ होता है। एक ग़लत हरकत किसी इंसान, पालतू जानवर या ख़ुद उसे चोट पहुँचा सकती है। इसलिए रोबोट्स की जाँच चैट ऐप की तुलना में कहीं ज़्यादा सावधानी से करनी पड़ती है, और वे अक्सर जानबूझकर धीरे चलते हैं। किसी असली घर में रोबोट को "चीज़ें आज़माने और ग़लतियों से सीखने" की छूट देना भी मुश्किल है।

कारण 4: हार्डवेयर महँगा होता है और टूटता-फूटता है

  • मोटर, सेंसर, बैटरी और हाथों में अच्छा-ख़ासा पैसा लगता है, और वे घिसते भी हैं।
  • डेटा इकट्ठा करने के लिए असली रोबोट्स को इंसानों की निगरानी में कई घंटों तक चलाना पड़ता है।
  • एक सॉफ़्टवेयर चैटबॉट की कॉपी दस लाख यूज़र्स तक पहुँचाना बहुत सस्ता है। दस लाख रोबोट बनाना सस्ता नहीं है।
चैटबॉट
  • इंसानों द्वारा पहले से लिखे गए टेक्स्ट से सीखता है
  • ग़लती का मतलब स्क्रीन पर एक ग़लत जवाब है
  • लाखों यूज़र्स तक लगभग मुफ़्त में पहुँचाया जा सकता है
  • तुरंत दोबारा कोशिश कर सकता है
रोबोट
  • इसके लिए जानबूझकर नया डेटा इकट्ठा करना पड़ता है
  • ग़लती से चीज़ें टूट सकती हैं या किसी को चोट लग सकती है
  • हर कॉपी एक असली मशीन होती है जिसमें पैसे लगते हैं
  • हर कोशिश में असली दुनिया का असली समय लगता है

हकीकत क्या है

रोबोट्स उन जगहों पर पहले से ही उपयोगी काम कर रहे हैं जो नियंत्रित और दोहराव वाली हैं, जैसे कि कुछ फ़ैक्ट्री लाइनें और गोदाम, जहाँ एक ही पुर्ज़ा बार-बार उसी जगह पर आता है। असली मुश्किल चुनौती आम मकसदों वाले (general-purpose) रोबोट हैं जो नई चीज़ों, नए कमरों और नए कामों को सँभाल सकें। शोधकर्ता प्रगति कर रहे हैं, लेकिन कोई नहीं जानता कि यह अंतर कितनी जल्दी ख़त्म होगा।
सावधान रहें
रोबोट के डेमो वीडियो गुमराह कर सकते हैं। हो सकता है कि कोई वीडियो तेज़ रफ़्तार में किया गया हो, किसी इंसान द्वारा रिमोट से चलाया जा रहा हो, या कई कोशिशों में से सबसे बेहतरीन कोशिश हो। जब आप ऐसा कोई वीडियो देखें, तो पूछें: क्या यह स्वायत्त (autonomous) था? सामान्य गति पर था? यह कितनी बार नाकाम हुआ?
यह आज़माकर देखें। घर का कोई एक काम चुनें जो आप करते हैं। हर छोटे कदम और हर उस चीज़ की सूची बनाएँ जो हर बार अलग हो सकती है (चीज़ें कहाँ रखी हैं, रोशनी, छलकना)। किसी रोबोट को कितनी अप्रत्याशित बातों को सँभालना पड़ेगा?

और देखें और पढ़ें

लैब

घर के किसी एक काम का कागज़ पर विश्लेषण, जो दिखाता है कि रोबोट को कहाँ मुश्किल होगी।

~20 min

समस्या

घर का कोई एक काम चुनें: चाय बनाना, कपड़े तह करना, स्टील की थाली धोना, या गमलों में पौधों को पानी देना।

  1. हर कदम को एक सूची के रूप में लिखें, जैसे किसी ऐसे व्यक्ति को निर्देश दे रहे हों जिसने कभी रसोई या बगीचा न देखा हो।
  2. हर कदम के लिए लिखें कि हर बार क्या अलग हो सकता है (स्थिति, आकार, गीलापन, रोशनी, पास में कोई व्यक्ति)।
  3. हर कदम पर निशान लगाएँ: S अगर इसमें मुख्य रूप से देखने की ज़रूरत है, T अगर इसमें स्पर्श या ताक़त की ज़रूरत है, P अगर इसमें योजना बनाने की ज़रूरत है।
  4. उन दो कदमों पर घेरा लगाएँ जो आपको लगता है कि रोबोट के लिए सबसे कठिन हैं और एक-एक वाक्य में समझाएँ कि क्यों।
  5. माहौल में बदलाव करके रोबोट के लिए काम को आसान बनाने का एक तरीक़ा लिखें (उदाहरण के लिए, कप को हमेशा एक ही होल्डर में रखना)।

आपका काम तब पूरा होगा जब

कठिन सवाल

उत्तर देखने से पहले ख़ुद जवाब देने की कोशिश करें। अगर आप इनके जवाब दे सकते हैं, तो आप पाठ समझ गए हैं।

Q1एक रोबोट लैब में 100 में से 95 बार किसी काम को बिल्कुल सही तरीके से करता है। फिर भी यह घर के लिए काफ़ी क्यों नहीं हो सकता?दिखाएं

क्योंकि वह हर दिन कई बार यह काम करेगा, इसलिए गलतियाँ अक्सर होंगी। यह भी मायने रखता है कि वह कैसे फेल होता है: तौलिया गिर जाए तो कोई बात नहीं, पर गर्म पैन गिरना ठीक नहीं है। घर लैब जितना कंट्रोल्ड भी नहीं होता, इसलिए असली सक्सेस रेट और कम हो सकता है। मायने यह रखता है कि असली परिस्थितियों में गंभीर गलतियों की दर क्या है।

Q2एक फ़ैक्टरी में किसी एक काम में बेहतरीन रोबोट, जनरल-पर्पस रोबोट्स के लिए ज़्यादा मददगार क्यों नहीं हो सकता?दिखाएं

क्योंकि हो सकता है कि वह इसलिए सफल हो रहा हो क्योंकि माहौल हमेशा तय रहता है: वही पुर्ज़ा, वही जगह, वही रोशनी। इससे ठीक वही बदलाव खत्म हो जाते हैं जिन्हें एक जनरल रोबोट को संभालना होता है। हो सकता है कि उसका डेटा और स्किल्स नई चीज़ों, कमरों या ढांचों में काम न आएं। किसी एक खास काम में सफलता और आम काबिलियत, दोनों अलग-अलग समस्याएँ हैं।

जारी रखने के लिए कृपया साइन इन करें।

अक्सर पूछे जाने वाले सवाल

अगर लैंग्वेज मॉडल इतने होशियार हैं, तो किसी रोबोट के अंदर एक लैंग्वेज मॉडल ही क्यों न डाल दिया जाए?

एक लैंग्वेज मॉडल रोबोट को निर्देश समझने और कदमों की योजना बनाने में मदद कर सकता है। लेकिन यह जानना कि आपको कप उठाना चाहिए, इससे अलग है कि कैसे उठाना है: उँगलियों को बिल्कुल कहाँ रखना है, कितना ज़ोर से दबाना है, और फिसलने पर कैसे प्रतिक्रिया देनी है। उस निचले स्तर के नियंत्रण (low-level control) के लिए अलग तरह के डेटा और सेंसर से तुरंत मिलने वाले फ़ीडबैक की ज़रूरत होती है।

क्या मोरावेक का विरोधाभास प्रकृति का कोई नियम है?

नहीं। यह एक ऐसा निरीक्षण है जो शोधकर्ताओं ने किया, और अब तक यह काफ़ी हद तक सही साबित हुआ है। यह यह नहीं कहता कि ये काम मशीनों के लिए असंभव हैं, बस इतना कि वे इंसानों की शुरुआती उम्मीद से कहीं ज़्यादा मुश्किल निकले।

क्या रोबोट इंसानों के YouTube वीडियो से नहीं सीख सकते?

शोधकर्ता इसकी कोशिश कर रहे हैं, और वीडियो से यह सीखने में कुछ मदद मिल सकती है कि चीज़ें क्या हैं और काम कैसे होते हैं। लेकिन वीडियो से ताक़त या स्पर्श का पता नहीं चलता, कैमरे का कोण रोबोट के नज़रिए से अलग होता है, और इंसानी हाथ रोबोट के ग्रिपर जैसे नहीं होते। इसलिए वीडियो का इस्तेमाल आमतौर पर असली रोबोट डेटा के साथ किया जाता है, उसकी जगह नहीं।

तो क्या रोबोट बेकार हैं?

बिल्कुल नहीं। रोबोट कई फ़ैक्ट्रियों और गोदामों में कीमती, दोहराव वाले काम करते हैं। जो चीज़ अभी भी मुश्किल है, वह है ऐसा रोबोट जो किसी भी घर या खेत में जा सके और कई अलग-अलग काम अच्छी तरह कर सके।

पाठ का टेस्ट

5 सवाल। पास होने और इस पाठ को पूरा करने के लिए 3 सही होने चाहिए (60%)।

टेस्ट देने और अपनी प्रोग्रेस सेव करने के लिए साइन इन करें