ನೋಡಿರಿ
ಇನ್ನುಮುಂದೆ ಕಸ ಸಂಗ್ರಹಿಸಲು ಕಾರ್ಮಿಕರ ಅಗತ್ಯವಿಲ್ಲ! – ರೋಬೊಟಿಕ್ಸ್‌ ಟ್ರಾನ್ಸ್ ಫಾರ್ಮರ್ ಕಂಡುಹಿಡಿದ ಗೂಗಲ್
ಯಂತ್ರಗಳ ಬಳಕೆಗೆ ನಾವೆಲ್ಲ ಒಗ್ಗಿ ಹೋಗಿದ್ದೇವೆ. ಬೆಳಿಗ್ಗೆಯಿಂದ ಸಂಜೆಯ ತನಕ- ಪ್ರಯಾಣಕ್ಕೆ ಕಾರು, ಬಸ್ಸು, ರೈಲು, ಸ್ಕೂಟರ್‌, ಮನೆಯಲ್ಲಿ ಫ್ಯಾನು, ಮಿಕ್ಸಿ, ಟಿ.ವಿ, ಇತರರನ್ನು ಸಂಪರ್ಕಿಸಲು ಮೊಬೈಲು- ಹೀಗೆ ಯಂತ್ರಗಳು ಇಲ್ಲದೆ ಜೀವನ ಊಹಿಸಲು ಅಸಾಧ್ಯ. ಇವುಗಳಿಗೆ ನಿಧಾನವಾಗಿ ಸೇರ್ಪಡೆಯಾಗುತ್ತಿರುವುದು ರೋಬೋಟ್‌ಗಳು. ಹಲವಾರು ವಾಡಿಕೆಯ ಕೆಲಸಗಳನ್ನು ಮಾಡಲು ಕಾರ್ಖಾನೆಗಳಲ್ಲಿ ಕೈಗಾರಿಕಾ ರೋಬೊಗಳು ಬಂದು ಬಹು ದಿನಗಳೇ ಕಳೆದಿವೆ. ಇದರ ಮುಂದಿನ ಹಂತವೇ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ನೆರವಿನ ಮಾನವರೂಪಿ ರೋಬೊಗಳು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬಹುವೇಗವಾಗಿ ವಿಸ್ತಾರಗೊಳ್ಳುತ್ತಿರುವ ತಂತ್ರಜ್ಞಾನ. ಇದರ ನೆರವಿನಿಂದ ನಾವು ಯೋಚಿಸುವ ರೀತಿಯಲ್ಲೇ ರೋಬೋಗಳು ಯೋಚಿಸಿ ತಮಗೆ ಸೂಚಿಸಿದ ಕೆಲಸಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತವೆ. ಇದೀಗ ಗೂಗಲ್, ರೋಬೊಟಿಕ್ಸ್‌ ಟ್ರಾನ್ಸ್ ಫಾರ್ಮರ್ 2 ಅಥವಾ RT – 2 ಅನ್ನು ಪರಿಚಯಿಸಿದೆ.
ಆಧುನಿಕ ಯುಗದಲ್ಲಿ ಎಲ್ಲಾ ಕೆಲಸಗಳು ಕುಳಿತ ಜಾಗದಿಂದಲೇ ಆಗಬೇಕು. ನಾವು ಬಯಸಿದ್ದು ಕೈಗೆ ಎಟಕುವಂತಿರಬೇಕು. ಹೀಗಾಗಿ ಯುವ ಪೀಳಿಗೆ ತಂತ್ರಜ್ಞಾನಕ್ಕೆ ಮಾರುಹೋಗುತ್ತಿವೆ. ತಿನ್ನುವ ಧರಿಸುವ ಬಟ್ಟೆಯಿಂದ ತಿನ್ನುವ ಆಹಾರವನ್ನು ತರಿಸಿಕೊಳ್ಳಲು ಯಾಂತ್ರಿಕತೆಗೆ ಮಾರುಹೋಗಿದೆ. ಇದೀಗ ಗೂಗಲ್ ರೊಬೊಟಿಕ್ಸ್ ಟ್ರಾನ್ಸ್ ಫಾರ್ಮರ್2, ಅಥವಾ RT -2ಅನ್ನು ಪರಿಚಯಿಸಿದ್ದು ಜನರ ಕನಸಿನ ಭವಿಷ್ಯ ಎಂದಿಗಿಂತಲೂ ಹತ್ತಿರದಲ್ಲಿದೆ. ಕಸವನ್ನು ಎಸೆಯುವಂತಹ ನಿಜ ಜಗತ್ತಿನ ಕೆಲಸಗಳನ್ನು ನಿರ್ವಹಿಸಲು ರೋಬೋಟ್ಗಳಿಗೆ ತರಬೇತಿ ನೀಡಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಮಾದರಿಯೊಂದನ್ನು ಗೂಗಲ್ ಅಭಿವೃದ್ಧಿ ಪಡಿಸಿದೆ. ಈ ನವೀನ ಮಾದರಿಯು ಸಹಾಯಕ ಮತ್ತು ಹೊಂದಿಕೊಳ್ಳಬಲ್ಲ ರೋಬೋಟ್ಗಳ ಅಭಿವೃದ್ಧಿಯಲ್ಲಿ ಮಹತ್ವದ ಪಾತ್ರವನ್ನು ನಿರ್ವಹಿಸಲಿವೆ ಎನ್ನಲಾಗುತ್ತಿದೆ.
ಇದನ್ನೂ ಓದಿ: ಇನ್ಮುಂದೆ ಮಾತೃ ಭಾಷೆಯಲ್ಲೂ ಹಣ ವರ್ಗಾವಣೆ! – AI4Bharat ನಿಂದ ಶೀಘ್ರವೇ ಹೊಸ ಸೇವೆ
ನಮಗೆ ಪರಿಚಿತವಾಗಿರುವ ಚಾಟ್ಬಾಟ್ಗಳಂತಲ್ಲದೆ, ರೋಬೋಟ್ಗಳಿಗೆ ನೈಜ ಪ್ರಪಂಚದ ಬಗ್ಗೆ ಆಳವಾದ ತಿಳುವಳಿಕೆ ಮತ್ತು ಸಂಕೀರ್ಣ ಮತ್ತು ಪರಿಚಯವಿಲ್ಲದ ಸಂದರ್ಭಗಳನ್ನು ನಿಭಾಯಿಸುವ ಸಾಮರ್ಥ್ಯದ ಅಗತ್ಯವಿರುತ್ತದೆ. ಸಾಮಾನ್ಯ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲು ರೋಬೋಟ್ಗಳಿಗೆ ಕಲಿಸುವುದು ಹೆಚ್ಚಿನ ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತಿದ್ದು ಇದು ದುಬಾರಿ ಪ್ರಕ್ರಿಯೆಯಾಗಿದೆ ಎಂದು ಗೂಗಲ್ ಹೇಳಿದೆ. ಇದರಲ್ಲಿ ಅಸಂಖ್ಯಾತ ವಸ್ತುಗಳು, ಪರಿಸರಗಳು ಮತ್ತು ಸನ್ನಿವೇಶಗಳಲ್ಲಿನ ಅಪಾರ ಪ್ರಮಾಣದ ಡೇಟಾ ಪಾಯಿಂಟ್ಗಳ ಬಗ್ಗೆ ವ್ಯಾಪಕ ತರಬೇತಿ ನೀಡಲಾಗುತ್ತದೆ.
RT-2ಅನ್ನು ಪ್ರಾರಂಭಿಸುವುದರೊಂದಿಗೆ, ಈ ಸವಾಲುಗಳನ್ನು ಎದುರಿಸಲು ಗೂಗಲ್ ಹೊಸ ವಿಧಾನವನ್ನು ಕಂಡುಹಿಡಿದಿದೆ. RT-2 ಎನ್ನುವುದು ಟ್ರಾನ್ಸ್ ಫಾರ್ಮರ್ ಆರ್ಕಿಟೆಕ್ಚರ್ ಆಧಾರಿತ ದೃಷ್ಟಿ-ಭಾಷೆ-ಕ್ರಿಯೆ ವಿಎಲ್ಎ ಮಾದರಿಯಾಗಿದೆ. ಇದು ವೆಬ್ನಿಂದ ಪಠ್ಯ ಮತ್ತು ಚಿತ್ರಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಕೊಂಡು ನೈಜ ಜಗತ್ತಿನ ಬಗ್ಗೆ ಕಲಿಯಲಿದೆ. ಜಗತ್ತಿನಲ್ಲಿರುವ ವಿಚಾರ ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಭಾಷಾ ಮಾದರಿಗಳು ವೆಬ್ ಡೇಟಾದಿಂದ ಕಲಿಯುವಂತೆಯೇ, ನಿರ್ದಿಷ್ಟ ಕ್ರಿಯೆಗಳನ್ನು ಹೇಗೆ ನಿರ್ವಹಿಸಬೇಕು ಎಂಬುದರ ಕುರಿತು ರೋಬೋಟ್ಗಳಿಗೆ ಸೂಚಿಸಲು RT-2 ಈ ಜ್ಞಾನವನ್ನು ವರ್ಗಾಯಿಸಲಿದೆ.
RT-2 ರ ಪ್ರಮುಖ ಶಕ್ತಿ “ರೋಬೋಟ್ಗೆ ಅರ್ಥವಾಗುವಂತೆ ಮಾತನಾಡುವ ಸಾಮರ್ಥ್ಯ”. ಇದು ರೋಬೋಟ್ಗಳಿಗೆ ತರ್ಕ ಮಾಡುವುದನ್ನು ಕಲಿಸಿ ಟ್ರೇನಿಂಗ್ ನೀಡಿದ ದತ್ತಾಂಶದ ಆಧಾರದ ಮೇಲೆ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಈ ಮೂಲಕ ವಸ್ತುಗಳನ್ನು ಗುರುತಿಸಲು ಮತ್ತು ಅವರೊಂದಿಗೆ ಹೇಗೆ ಸಂವಹನ ನಡೆಸಬೇಕು ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, RT-2 ಆ ನಿರ್ದಿಷ್ಟ ಕಾರ್ಯದ ಬಗ್ಗೆ ವ್ಯಾಪಕವಾದ ತರಬೇತಿಯಿಲ್ಲದೆ ಕಸವನ್ನು ಗುರುತಿಸಿ ಎತ್ತಿಕೊಳ್ಳಲಿದೆ. ಇದು ಕಸದ ಅಮೂರ್ತ ಸ್ವರೂಪವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತದೆ. ಒಂದು ಕಾಲದಲ್ಲಿ ಚಿಪ್ಸ್ ಪ್ಯಾಕ್ ಅಥವಾ ಬಾಳೆಹಣ್ಣಿನ ಸಿಪ್ಪೆ, ಬಳಕೆಯ ನಂತರ ಕಸವಾಗುತ್ತದೆ ಎಂದು ಗುರುತಿಸುತ್ತದೆ.
ಹಿಂದಿನ ರೊಬೊಟಿಕ್ ವ್ಯವಸ್ಥೆಗಳಿಗೆ ಸಂಕೀರ್ಣ ಸ್ಟಾಕ್ ವ್ಯವಸ್ಥೆಗಳು ಬೇಕಾಗುತ್ತಿದ್ದವು. ಅಲ್ಲಿ ಉನ್ನತ ಮಟ್ಟದ ತಾರ್ಕಿಕತೆ ಮತ್ತು ಕೆಳಮಟ್ಟದ ಕುಶಲತೆಯು ರೋಬೋಟ್ನ ಕ್ರಿಯೆಗಳನ್ನು ನಿಯಂತ್ರಿಸಲು ಸಂವಹನ ಮಾಡಬೇಕಾಗಿತ್ತು. RT-2ನ ಕಾರ್ಯಗಳನ್ನು ಒಂದೇ ಮಾದರಿಯಲ್ಲಿ ಕ್ರೋಢೀಕರಿಸುವ ಮೂಲಕ ಈ ಸಂಕೀರ್ಣತೆಯನ್ನು ಗೂಗಲ್ ತೆಗೆದುಹಾಕುತ್ತದೆ. ಇದರ ಪರಿಣಾಮವಾಗಿ, RT2 ಮಾದರಿಯು ಸಂಕೀರ್ಣ ತರ್ಕಗಳನ್ನು ಮಾಡಬಹುದಾಗಿದ್ದು ರೋಬೋಟ್ ಕ್ರಿಯೆಗಳನ್ನು ನೇರವಾಗಿ ಔಟ್ಪುಟ್ ಮಾಡಬಹುದಾಗಿದೆ. ಈ ಮೂಲಕ ರೋಬೋಟ್ನ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸುಗಮಗೊಳಿಸುತ್ತದೆ. ಈ ಟೆಕ್ನಾಲಜಿ ಸಂಪೂರ್ಣವಾಗಿ ಅಸ್ತಿತ್ವಕ್ಕೆ ಬಂದಲ್ಲಿ, ಕಸ ಹೆಕ್ಕುವವರ ಕೆಲಸವೂ ನಿಲ್ಲಲಿದೆ ಎಂದೇ ಹೇಳಬಹುದಾಗಿದೆ.
