このスタートアップは、ロボット工学がまさに ChatGPT のような転換点を迎えると考える
あるスタートアップは、ロボット工学分野が ChatGPT の登場のような画期的な転換期に差し掛かっていると主張している。
キーポイント
ロボティクスの転換点の指摘
特定のスタートアップが、ロボット工学が生成 AI の爆発的普及と同様の「ChatGPT モーメント」を迎えようとしていると分析している。
技術的パラダイムシフト
従来のプログラミング中心の制御から、大規模言語モデル（LLM）や生成 AI を活用した自律的な意思決定への移行が加速していると示唆されている。
実用化への期待
この技術的転換により、ロボットが複雑な環境下でより柔軟にタスクを遂行できるようになり、産業や日常生活への適用範囲が拡大する可能性がある。
影響分析・編集コメントを表示
影響分析
この記事は、ロボット工学の未来像において生成 AI の役割が決定的になるという重要な示唆を含んでおり、業界全体のパラダイムシフトを予見しています。しかし、具体的な技術詳細や実証データに欠けるため、現時点では業界への即時的な影響よりも、長期的なトレンドとしての注目度が高いと言えます。
編集コメント
「ChatGPT モーメント」という比喩はインパクトがありますが、具体的な技術的根拠や実装事例が明記されていないため、現時点では業界の期待感を表すトレンド記事と位置づけられます。
26 分 18 秒の動画のうち、0 秒です。音量は 90% です。
シフトキーとクエスチョンマークを同時に押すと、キーボードショートカットの一覧が表示されます。
00:00
26:18
26:18
OpenAI の GPT-3 がファウンデーションモデルの時代を切り開く以前は、各企業はゼロから専門的な自然言語処理モデルを構築し、それぞれに大量のタスク固有データをトレーニングしていました。現在では、ほとんどの組織が OpenAI の GPT シリーズや Claude、Llama などの汎用モデルを出発点とし、それを微調整（fine-tune）するかプロンプト（prompt）を工夫することで、自社の特定のニーズに対応させています。
General Intuition の CEO である Pim de Witte は、エンボディド AI（embodied AI：身体性を持つ人工知能）も同様のパターンに従うと考えています。彼は、専門的なロボットモデルを構築するために膨大な実世界データセットを集めるのではなく、産業は、動きや相互作用に関する直感を多くの環境間で転移できるファウンデーションモデルを生み出すことのできる高品質なデータセットに焦点を当てるべきだと主張しています。
「現在、多くの企業が個々の身体性（embodiment）、個別の環境、そして特定のロボットに焦点を当てた専門的な作業を行っています」と de Witte は、Equity の最近のエピソード で TechCrunch に語りました。
彼によると、General Intuition が開発・展開しているような一般モデルの登場により、そうした作業の多くはまもなく不要になるでしょう。
「モデル自体の汎化性が製品そのものなのです」と彼は言います。「空間と時間に関する基礎的な推論能力を持っているという事実は、人々が数十万時間あるいは数百万時間の実世界データを収集することをやめる理由になるでしょう。なぜなら現実は、数分あれば十分だからです。」
General Intuition は、コントローラーのどのボタンを人間が押したか、いつ押したかなどを含む数百万時間のビデオゲームデータでトレーニングすることで、独自の基盤モデルを構築しました。デ・ウィット氏と General Intuition の主要投資家であるヴィノッド・コスラ氏は、この行動データこそが空間時間推論における人間のような直観を発達させる鍵であると主張しています。
このスタートアップは先月、その仮説に基づき 23 億ドルの企業価値で 3 億 2000 万ドルを調達しました。同社は、現在のモデルが数時間にわたってビデオゲームをプレイできるだけでなく、8 分間の実世界ロボットデータでのファインチューニングを経て四足歩行ロボットの駆動も可能であることを実証しています。
「このロボットが、他のセンサーを使わずにフロントカメラのみでゼロショット（事前学習なし）を実現し、動的なオブジェクトが導入され人々が行き交うオフィス環境でも動作できたことは、私たちにとって非常に大きな驚きでした」とデ・ウィット氏は語ります。「これはこれから来るべき未来の兆候だと私は考えています。」
General Intuition の最終目標は、ロボット自体を製造することではなく、物理的 AI のための基盤モデルとなることです。他のロボット企業が自社の機械を構築するための土台として利用する、ベースモデルです。あるいは、デ・ウィットが述べたように、「私たちは自動運転車会社を設立するつもりはありません。次世代の誰かが自動運転車会社を設立することを、10 倍容易にするのです」。
*当記事内のリンクを通じてご購入いただいた場合、小規模な手数料を受け取る可能性があります。これは当社の編集の独立性には影響しません。
Rebecca Bellan は TechCrunch のシニア記者であり、人工知能を形作るビジネス、政策、および新興動向について報道しています。彼女の作品はまた、Forbes、Bloomberg、The Atlantic、The Daily Beast、その他の出版物にも掲載されています。
Rebecca への連絡や、彼女からのアウトリーチの検証は、rebecca.bellan@techcrunch.com へメールを送るか、Signal の rebeccabellan.491 で暗号化メッセージを送信することで可能です。
原文を表示
0 seconds of 26 minutes, 18 secondsVolume 90%
Press shift question mark to access a list of keyboard shortcuts
00:00
26:18
26:18
Before OpenAI’s GPT-3 ushered in the era of foundation models, companies built specialized natural language processing models from scratch, training each on large amounts of task-specific data. Today, most organizations start with a general-purpose model like OpenAI’s GPT series, Claude, or Llama and then fine-tune or prompt it to solve their specific needs.
Pim de Witte, CEO of General Intuition, thinks embodied AI will follow a similar pattern. Rather than collecting huge real-world datasets to build specialized robot models, he argues the industry should focus on better quality datasets that can produce foundation models capable of transferring intuition about movement and interaction across many environments.
“A lot of companies right now are doing lots of specialized work focused on individual embodiments, individual environments, and individual robots,” de Witte told TechCrunch on a recent episode of Equity.
Much of that work will become redundant soon, he argues, with the emergence of general models like the one General Intuition has been developing and deploying.
“The generalization of the model itself is the product,” he said. “The fact that it has a base level of reasoning about space and time is going to be the reason why people stop collecting hundreds of thousands or millions of hours of real-world data. Because the reality is, you only need a few minutes.”
General Intuition built its own such foundation model after training on millions of hours of video game data, including information like what buttons on a controller a human pushed and when. Both de Witte and General Intuition’s lead investor, Vinod Khosla, argue the action data is the key to developing a human-like intuition for spatial-temporal reasoning.
The startup last month raised $320 million at a $2.3 billion valuation on the back of that thesis. The company has demonstrated that its current model is capable of both playing a video game for hours and powering a quadrupedal robot — the latter after fine-tuning it on just eight minutes of real-world robotics data.
“The fact that [the robot] was actually able to zero-shot on just the front camera, with no other sensors, in the office with dynamic objects being introduced and people walking by was a very big surprise to us,” de Witte says. “I think it’s a sign of what’s to come.”
The end game for General Intuition isn’t to build robots itself, but to become the foundation model of physical AI, a base model for other robotics companies to build upon for their own machines. Or, as de Witte put it: “We’re not gonna build a self-driving car company. We’re gonna make it 10 times easier for the next person to build a self-driving car company.”
*When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.*
Rebecca Bellan is a senior reporter at TechCrunch where she covers the business, policy, and emerging trends shaping artificial intelligence. Her work has also appeared in Forbes, Bloomberg, The Atlantic, The Daily Beast, and other publications.
You can contact or verify outreach from Rebecca by emailing rebecca.bellan@techcrunch.com or via encrypted message at rebeccabellan.491 on Signal.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み