সিমেট-বিটা রোবোডোজোতে শীর্ষ পারফর্মিং ফিজিক্যাল এআই মডেল হিসাবে ডিবিউট করেছে

এআই এআই গবেষণা করছে, এবার ভৌত বিশ্বের উত্তর সহ।

তিন মাস আগে প্রতিষ্ঠিত একটি কোম্পানি তাদের প্রথম সার্বজনীন ফিজিক্যাল রোবট সিস্টেম, Simate-beta প্রকাশ করেছে: মেমোরি, দীর্ঘ-পরিসরের কাজ, সূক্ষ্ম অপারেশন এবং কাজের অভিযোজন ক্ষমতা প্রদর্শন করে, এবং কোম্পানির দাবি অনুযায়ী, RoboDojo-এ শীর্ষে পৌঁছেছে।

র‍্যাঙ্কিং অবশ্যই মডেলের সম্পূর্ণ ক্ষমতাকে প্রতিফলিত করে না, তবে এটি গবেষণা ও উন্নয়নের গতি এবং ক্ষমতা পর্যবেক্ষণের একটি দৃশ্য প্রদান করে।

দলটির বর্ণনা অনুযায়ী, এই মূল্যায়নের জন্য ব্যবহৃত বেস মডেলটি এই তালিকার জন্য কোনও বিশেষ অপ্টিমাইজেশন করা হয়নি।

তিন মাসের মধ্যে প্রথম সংস্করণের মডেল এই ফলাফল দিয়েছে, যা লক্ষণীয়।

টিমের নাম Simate (Silicon Mate)।

এটির পেছনেও বড় কিছু আছে। কোম্পানির বর্ণনা অনুযায়ী, মূল দলটি এক-পর্যায়ের এন্ড-টু-এন্ড স্মার্ট ড্রাইভিং মডেলের ক্ষমতা টেসলা FSD-এর সমতুল্য পর্যায়ে নিয়ে এসেছে এবং এটি বাস্তবায়নও করেছে।

বিশ্বব্যাপী দেখলে, এই প্রান্ত পার করা দলগুলি অত্যন্ত কম; এই সঞ্চিত জ্ঞান নিয়ে সাধারণ ভৌত AI-এর দিকে এগিয়ে যাওয়া আরও কম।

তবে, এই বার সবচেয়ে আকর্ষণীয় বিষয় হল তাদের প্রতিষ্ঠার প্রথম দিন থেকেই নির্ধারিত গবেষণা ও উন্নয়নের পদ্ধতি:

AI for Physical AI, যেখানে AI ফিজিক্যাল ইন্টেলিজেন্সের গবেষণা এবং পুনরায় বিকাশে অংশগ্রহণ করে।

কোম্পানিটি এই রুটের চারপাশে মডেল, ডেটা, কম্পিউটিং পাওয়ার এবং পরীক্ষার প্রক্রিয়াগুলি সংগঠিত করে। Simate-beta হল এই AI-নেটিভ গবেষণা ও উন্নয়ন ব্যবস্থার প্রথম বাস্তবায়ন।

এছাড়াও, গবেষণা টুলগুলি বাইরের গবেষকদের দ্বারা ব্যবহার শুরু হয়েছে।

কোম্পানির বর্ণনা অনুযায়ী, MIT, ক্যালিফোর্নিয়া ইনস্টিটিউট অফ টেকনোলজি, তসিংহুয়া এবং পেকিং বিশ্ববিদ্যালয়ের গবেষকরা AutoResearch প্ল্যাটফর্মের অন্তর্গত অন্তর্বর্তী পরীক্ষা পর্যায়ে অংশগ্রহণ করেছেন। এর সাথে Sinfra অবকাঠামোটি প্রশিক্ষণ, সিমুলেশন এবং উপসংহারের জন্য কভার করে, যা আবেদনের ভিত্তিতে নির্ধারিত হয়।

একই সময়ে, সিমেট কয়েকটি পর্যায়ে বহু কোটি চীনা ইয়ুয়ানের ফান্ডিং সম্পন্ন করেছে।

তিন মাসে, মডেল, গবেষণা প্ল্যাটফর্ম, বাহ্যিক পরীক্ষা এবং ফান্ডিং একসাথে এগিয়ে যাচ্ছে। এই গতির সাথে, পরবর্তী পদক্ষেপটি দেখতে ইচ্ছে করে।

দলটি আগে থেকেই ঘোষণা করেছে: জটিল কাজের জন্য জিরো-শট জেনারালাইজেশনের জন্য একটি প্রযুক্তিগত ধারণা প্রস্তুত হয়েছে, এবং এই বছরের শেষের দিকে পর্যায়ভিত্তিক ফলাফল চালুর পরিকল্পনা করা হয়েছে।

তাদের মতে, GPT-6-এর ভৌত বিশ্বের কার্যক্রমে অংশগ্রহণ করা প্রত্যাশিত প্রগতি, এবং ফিজিক্যাল AI-এর বিপ্লব বাইরের কথা চেয়ে দ্রুত ঘটতে পারে। তারা কাজভিত্তিক অ্যাডাপ্টেশন এবং পোস্ট-ট্রেনিংয়ের উপর নির্ভরশীলতা কমাতে চায় এবং ফিজিক্যাল AI-কে তার নিজস্ব "GPT-3 মুহূর্ত" পাওয়ার জন্য এগিয়ে নিয়ে যেতে চায়।

মডেল এবং অটোমেশন গবেষণা সহ তিনটি গবেষণা কাজ পরবর্তীতে পেপার এবং টেকনিক্যাল রিপোর্টের মাধ্যমে প্রকাশিত হবে, এবং সংশ্লিষ্ট ফলাফলগুলি পর্যায়ক্রমে ওপেন-সোর্স করার পরিকল্পনা করা হয়েছে।

এই গবেষণা ও উন্নয়নের গতি এবং এটি কি টিকে থাকবে, সিমেটের পরবর্তী সবচেয়ে গুরুত্বপূর্ণ বিষয় হয়ে উঠবে।

তাহলে, প্রথম মডেলটি কী করেছে? এবং কীভাবে এআই গবেষণায় অংশগ্রহণ করেছে?

Simate-beta: শূন্য-নমুনা সাধারণীকরণের জন্য সাধারণ ভৌত সিস্টেম

সিমেট চূড়ান্তভাবে শূন্য-নমুনা (Zero-Shot) এবং কম-নমুনা (Few-Shot) সাধারণ ভৌত AI অপারেশনের দিকে এগিয়ে যাওয়ার লক্ষ্য রাখে।

একটি সম্পূর্ণ নতুন অপরিচিত পরিবেশে, প্রতিটি নতুন কাজ যোগ করার সময় সিস্টেমকে প্রতিবার নতুন ডেটা সংগ্রহ করতে, মডেল পুনরায় প্রশিক্ষিত করতে এবং ইঞ্জিনিয়ারিং পুনরায় টিউন করতে হবে না।

এটিই বর্তমানে ভৌত এআই-এর সবচেয়ে জনপ্রিয় এবং সবচেয়ে চ্যালেঞ্জিং ক্ষেত্র—সবাই নিজেদের প্রতিভা প্রকাশ করছে।

এবং সিমেট দ্বারা প্রস্তাবিত বর্তমান পর্যায়ের সমাধানটি হল: জেনেরিক ফিজিক্যাল স্পিড সিস্টেম।

অর্থাৎ সিস্টেম ওয়ান।

আসুন প্রথমে একটি মানুষের উদাহরণ দিই:

"আমার টেবিলটি পরিষ্কার করে দাও" এই ধরনের জটিল নির্দেশের জন্য, আমাদের ইচ্ছাটি বুঝতে এবং ধাপগুলি বিভক্ত করতে "সিস্টেম দুই" প্রয়োজন;

কিন্তু যখন হাতটি ইতিমধ্যে কাপের দিকে বাড়িয়ে দেওয়া হয়েছে, তখন কয়েক মিলিমিটার বামে সামান্য সামঞ্জস্য করা উচিত নাকি ডানে সামান্য বিচ্যুত করা উচিত—এই মিলিসেকেন্ডের প্রতিক্রিয়াগুলি প্রতিটি ধাপে গভীর চিন্তাভাবনার উপর নির্ভর করতে পারে না।

পদার্থবিদ্যা এআইও একই।

একটি সাধারণ "ধীর সিস্টেম" উচ্চস্তরের পরিকল্পনা এবং জটিল যুক্তিকে দায়িত্ব পালন করে, যখন একটি যথেষ্ট শক্তিশালী "দ্রুত সিস্টেম" বাস্তব বিশ্বের পরিবর্তনশীল পরিস্থিতির সাথে বাস্তবসময়ে সংবেদনশীলতা রাখে এবং দ্রুত কার্যক্রম প্রদান করে।

সিমেট শেষোক্তটিকেই বেছে নিয়েছে—

ফাস্ট সিস্টেমের প্যারামিটার সংখ্যা বাড়ান, জিরো-শট জেনারালিজেশনের উত্থান অন্বেষণ করুন, এবং এন্ড-সাইড ডিপ্লয়েবল মডেলের আকার এবং ক্ষমতার সীমানা চ্যালেঞ্জ করুন।

একটি সাধারণ ভৌত ফ্ল্যাশ সিস্টেম।

তবে, বড় এবং দ্রুত, এটি একটি কঠিন ট্রেডঅফ।

সিমেট দুটি বিষয় থেকে শুরু করেছেন:

1. 4D ভৌত সংবেদন

ভৌত বিশ্বকে বুঝতে, স্থানীয় কাঠামো এবং সময়ের মাত্রার গতিশীল পরিবর্তন একসাথে ধরে রাখতে হবে, যাতে ভৌত প্রতিনিধিত্ব প্রকৃতপক্ষে কার্যক্রমকে সহায়তা করে।

২। স্তরীয় সময়ক্রম স্মৃতি

দীর্ঘমেয়াদি টাস্কগুলির জন্য আগের ঘটনাগুলি মনে রাখতে হয়, ক্রমাগত অপারেশনগুলির জন্য অবস্থা ট্র্যাক করতে হয়, কিন্তু প্রতিক্রিয়া দ্রুত দিতে হয় এবং বিশাল ইতিহাসের তথ্যের কারণে ধীর হতে পারে না।

4D ভৌত প্রত্যয় এবং স্তরবদ্ধ সময়ক্রমিক স্মৃতি, মানুষের দ্রুত সিস্টেম দ্বারা অবিচ্ছিন্ন বিশ্ব প্রক্রিয়াকরণের সাথে সামঞ্জস্যপূর্ণ।

এই রুটটি বড় স্কেলের ভিজুয়াল মডেল, টাইম সিরিজ মডেলিং, রিয়েল-টাইম ইনফারেন্স এবং ম্যাস প্রোডাকশন ডিপ্লয়মেন্টের উপর টিমের সঞ্চিত অভিজ্ঞতাকে অনুসরণ করে। নির্দিষ্ট আর্কিটেকচার এবং মডেল সাইজ পরবর্তী প্রযুক্তিগত রিপোর্টে প্রকাশ করা হবে।

চূড়ান্ত লক্ষ্য হলো: মডেলটি বর্তমানে কী ঘটছে তা স্পষ্টভাবে বুঝতে পারবে, আগের ঘটনাগুলি মনে রাখবে এবং পরবর্তী পদক্ষেপ নেওয়ার জন্য সময়মতো সিদ্ধান্ত নিতে পারবে।

GPT-6 এবং অন্যান্য অগ্রগামী মডেলগুলির দ্বারা প্রতিনিধিত্ব করা সাধারণ যুক্তি ক্ষমতার সাথে সমন্বয় করে জটিল কাজের শূন্য-নমুনা বাস্তবায়নের দিকে এগিয়ে যান।

বর্তমানে কোম্পানি দ্বারা প্রদর্শিত Simate-beta রিয়েল-ডিভাইস ডেমো অনুযায়ী, পরীক্ষাগুলি মূলত প্রদর্শন-চালিত কাজের অভিয়োজন, স্মৃতি, জটিল দীর্ঘ-পরিসর বাস্তবায়ন এবং সূক্ষ্ম অপারেশনের উপর কেন্দ্রীভূত।

2026 সালের 23 সেপ্টেম্বর তারিখে প্রদানকৃত এবং আপডেট করা RoboDojo র‍্যাঙ্কিংয়ের ভিত্তিতে, simate-beta গড় Score 33.95 এর সাথে প্রথম স্থান অধিকার করেছে, যার সাথে সংশ্লিষ্ট SR হল 27.96%। এই ফলাফলটি র‍্যাঙ্কিং মূল্যায়নের অংশ, বাস্তব মেশিনের পারফরম্যান্স আলাদাভাবে প্রদর্শিত হবে।

এই মডেল উত্তরপত্রের পিছনে আরেকটি সিস্টেম রয়েছে যা একইভাবে বিস্তারিত করার মতো।

ওয়েল ঘুরিয়ে তুলুন

এই বছরগুলিতে, মানুষ এখন এআই দ্বারা কোড লেখার ব্যাপারে আরও বেশি পরিচিত হয়ে উঠেছে।

কিন্তু এআই গবেষণায় কোড লেখা শুধু খুব কম একটি অংশ।

প্রায়শই, পুনরাবৃত্তির দক্ষতাই নির্ণায়ক হয়ে দাঁড়ায়। যে ব্যক্তি একক সময়ে বেশি গবেষণা অনুমান যাচাই করতে পারে, সেই ব্যক্তি আগে এগিয়ে যায়।

সবচেয়ে সাধারণ উদাহরণটি দেখুন।

রোবট দীর্ঘ পথের কাজ সবসময় কোনও ধাপে আটকে যায়, কারণগুলি সাধারণত কয়েকটি: ডেটা বিন্যাস বিকৃতি, মডেল কাঠামোর বাধা, ট্রেজেক্টরি অনুপাতের অসমতা, বা প্রশিক্ষণ কৌশলের ব্যর্থতা।

প্রতিটি দিকের পিছনে দশটি বা তার বেশি পরীক্ষা রয়েছে।

যদি গবেষকদের হাতে করে কনফিগারেশন পরিবর্তন, টাস্ক শুরু, ট্রেনিং মনিটর করা, এভাবে মূল্যায়ন চালানো এবং ফলাফলগুলি পুনরায় সংগ্রহ করা হয়, তাহলে তো সবকিছুই শেষ হয়ে গেছে...

সুতরাং সিমেট এই প্রক্রিয়াটি ত্বরান্বিত করার জন্য অটোরিসার্চ তৈরি করেছে—

মানুষের গবেষক: অনুমান প্রস্তাব করুন, লক্ষ্য নির্ধারণ করুন, সীমাবদ্ধতা নির্ধারণ করুন।

অটোরিসার্চ ইঞ্জিন: অটোমেটিকভাবে বাকি পরীক্ষাগুলি বিভক্ত করুন, চালান এবং সম্পূর্ণ প্রক্রিয়াটি ফিডব্যাক দিন।

শেষ ফলাফলও ঘোষণা করা হয়েছে, তারা এই পদ্ধতি ব্যবহার করে RoboDojo-এ প্রথম স্থান অধিকার করেছে।

সবচেয়ে গুরুত্বপূর্ণ হলো গতি।

সিমেট প্রতিষ্ঠার পর মাত্র তিন মাসে রোবোডোজোতে পৌঁছেছে।

এটা খুব অস্বাভাবিক...

সুতরাং প্রশ্নটি হল:

এআই কীভাবে এআই গবেষণা করবে?

প্রকৃতপক্ষে, শুধু একটি এজেন্ট ফেলে দেওয়া পর্যাপ্ত নয়।

সত্যিকারের রোবোট গবেষণা ও উন্নয়ন মডেল কোড, ডেটা পাইপলাইন, ট্রেনিং ক্লাস্টার, মূল্যায়ন পরিবেশ, বাস্তব মেশিনের ফিডব্যাক এবং গত কয়েক মাস বা বছরের পরীক্ষার রেকর্ডকে নিচের স্তরে প্রবেশ করে।

শেষ পর্যন্ত, এটি এখনও একটি «কনটেক্সট» সমস্যা। এজেন্টের একটি সুপার ইন্টারফেস দরকার যা সবকিছুকে সমন্বয় করতে পারে।

এর জন্য, সিমেট একটি তিন-স্তরের আর্কিটেকচার তৈরি করেছে: সিপিএআই + অটোরিসার্চ + এআই-নেটিভ ইনফ্রা।

SiPAI: মডেল আর্কিটেকচারকে "AI-অনুসন্ধানযোগ্য" করুন

এটি একটি নেটিভ প্লাগিন-বেসড মডেল ফ্রেমওয়ার্ক, যা "অটোমেশন রিসার্চ" এর জন্য ডিজাইন করা হয়েছে।

সহজ ভাষায়, রোবট মডেলটিকে এমন একটি কাঠামোতে তৈরি করা হয়েছে যেন এআই সহজেই এটি বুঝতে পারে—মডিউল বোর্ডার, সিস্টেম ইন্টারফেস, কনফিগারেশন আইটেম এবং যাচাইকরণ প্রক্রিয়াগুলি অত্যন্ত স্পষ্টভাবে সংজ্ঞায়িত করা হয়েছে।

এইভাবেই এজেন্ট গবেষণা বিষয়টি পেয়ে সঠিকভাবে বুঝতে পারবে: কোন মডিউলটি পরিবর্তন করতে হবে? পরিবর্তনটি কী কী প্রভাবিত করবে? এবং শেষে কীভাবে যাচাই করতে হবে?

বর্তমানে, সিমেট এই অবকাঠামোটি স্থাপন করেছে এবং বিশ্ব মডেল, বিশ্ব অ্যাকশন মডেল, ভিএলএ, ভিএলএম সহ বিভিন্ন প্রধান আর্কিটেকচারের সাথে সফলভাবে যুক্ত হয়েছে।

মানুষের গবেষক বা এজেন্ট উভয়েই উপাদানগুলি মুক্তভাবে সংযোগ করতে, স্থানীয় বাস্তবায়ন সামঞ্জস্য করতে এবং একটি একক প্রশিক্ষণ এবং মূল্যায়ন প্রবাহ ব্যবহার করতে পারেন।

অটোরিসার্চ: রিয়েল-টাইম আপডেট করা 'গবেষণা প্রেক্ষাপট' প্রদান করে

যদি SiPAI একটি স্থির নির্দেশিকা প্রদান করে, তবে AutoResearch ডাইনামিক তথ্য ব্যবধান সমাধান করে:

গবেষণা কোথায় পৌঁছেছে? আগে কী কী ভুল করা হয়েছিল? সর্বশেষ প্রমাণ কী?

এটি বাহ্যিক অগ্রগামী গবেষণা পত্র, দলের অভ্যন্তরীণ আলোচনার উপকরণ, মডেল কোড, ডেটা অনুপাত, ইতিহাসের পরীক্ষার লগ এবং সর্বশেষ মূল্যায়নের ফিডব্যাককে একটি একক ডায়নামিক গবেষণা Context-এ একীভূত করে।

নতুন পেপার প্রকাশিত হলে, অন্তর্নিহিত কোডে নতুন ভার্সন জমা দেওয়া হলে, বা সর্বশেষ পরীক্ষার ডেটা পুরনো অনুমানকে বাতিল করলে, এই Context রিয়েল-টাইমে আপডেট হবে।

এইভাবে, এজেন্ট দ্বারা প্রস্তাবিত প্রতিটি গবেষণা পরামর্শকে সঠিক কোড ব্রাঞ্চ এবং পরীক্ষামূলক সংস্করণের সাথে সঠিকভাবে সংযুক্ত করা যায়:

সবচেয়ে আকর্ষণীয় বিষয় হলো "মানব অভিজ্ঞতা" এবং "এজেন্ট পরীক্ষা" এর গভীর সংযোগ:

মানুষের গবেষকরা যেকোনো সময় সীমাবদ্ধতা এবং অপ্টিমাইজেশন দিশা প্রবেশ করাতে পারেন; যখন কোনো পরীক্ষা কার্যকর উপাদানকে যাচাই করে, তখন তা তাৎক্ষণিকভাবে পরবর্তী পরীক্ষার জন্য একটি নতুন শুরু হিসেবে সংগঠিত হয়; কোনো শাখা থেকে প্রাপ্ত পদ্ধতিগত জ্ঞানও পরবর্তী Agent-এর দ্বারা অক্ষতভাবে পুনঃব্যবহারযোগ্য।

গবেষণার ফলাফল প্রকৃতপক্ষে পরবর্তী গবেষণার উৎপাদনের উপকরণে পরিণত হয়েছে।

AI-নেটিভ ইনফ্রাস্ট্রাকচার: 7×24 ঘন্টা রিসার্চ এবং ডেভেলপমেন্ট ফ্লাইওয়ুইল চালু করুন

অবশ্যই, কেবলমাত্র কোড লেখা যথেষ্ট নয়, পরীক্ষাগুলি দ্রুত চালানো প্রয়োজন।

সিমেট নিজস্ব ইনফ্রাস্ট্রাকচারে প্রশিক্ষণ, উপসংহার এবং মূল্যায়নের সম্পূর্ণ প্রক্রিয়া একীভূত করেছে, যা চরম টাস্ক অর্ডারিং এবং সম্পদ সমন্বয়ের মাধ্যমে একসাথে দশটিরও বেশি স্বাধীন গবেষণা পথ এগিয়ে নিয়ে যায়।

ক্যালকুলেশন বর্জ্য রোধ করতে, সিমেট একটি হাই-ফ্রিকোয়েন্সি ফিল্টারিং মেকানিজম ব্যবহার করে: সমস্ত রুট প্রথম পর্যায়ে «ওয়ার্ল্ড মডেল + সিমুলেশন এনভায়রনমেন্ট» দ্বারা দ্রুত ফিল্টার করা হয়, যা বেশিরভাগ অকার্যকর দিককে বাদ দেয়;

কেবলমাত্র সত্যিকারের সম্ভাবনাসম্পন্ন পরিকল্পনাগুলিই বাস্তব মেশিন পরীক্ষায় প্রবেশ করে।

বাস্তব ডিভাইসে নতুন সমস্যা প্রকাশ পেল, আবার গবেষণা কনটেক্সটে ফিরে যাওয়া হল, এভাবেই বন্ধ চক্রটি গঠিত হল:

ফলাফল হলো: মানুষ শুধু একটি অনুসন্ধানের দিকনির্দেশ দিলে, নিম্নস্তরের সিস্টেম স্বয়ংক্রিয়ভাবে দশটিরও বেশি পরীক্ষা একসাথে চালাবে।

এটিই হল সিমেটের তিন মাসের মধ্যে শীর্ষে উঠার মূল কৌশল।

কিন্তু সবচেয়ে আশ্চর্যজনক বিষয় হলো, এই অত্যন্ত মৌলিক অভ্যন্তরীণ উৎপাদনশীলতা টুলসটি তারা সরাসরি ওপেন সোর্স করে ফেলেছে!

ওয়েবপেজটি এমন দেখাচ্ছে, যারা আগ্রহী তারা শেষে নিজেরা নিয়ে নিতে পারেন।

বর্তমানে, তসিংহু, এমআইটি, হংকং সায়েন্স অ্যান্ড টেকনোলজি বিশ্ববিদ্যালয় ইত্যাদি শীর্ষস্থানীয় বিশ্ববিদ্যালয়ের গবেষকরা প্রাথমিক পরীক্ষার জন্য প্রবেশ করেছেন।

দুর্বল RSI, শুধু শুরু

প্রতিষ্ঠাতা জাং ইং, পূর্বে একটি শীর্ষস্থানীয় স্বয়ংচালিত গাড়ি কোম্পানির মূল প্রযুক্তি পরিচালক।

খুব বেশি প্রকল্প বাস্তবায়নের অভিজ্ঞতা আছে, চিত্রযুক্ত, চিত্রবিহীন এবং এন্ড-টু-এন্ড তিনটি প্রজন্মের স্মার্ট ড্রাইভিং সমাধানের উন্নয়নে অংশগ্রহণ করেছেন এবং অনেক বছর ধরে প্রোডাকশনেও কাজ করেছেন।

এটি বিকাশ করা স্মার্ট ড্রাইভিং সিস্টেমটি টেসলা FSD-এর চেয়ে দেশের সবচেয়ে বেশি কাছাকাছি।

এছাড়াও, দলের মধ্যে দুজন আত্মা রয়েছেন।

1. শুধুমাত্র পক্ষ পারে।

হংকং বিজ্ঞান ও প্রযুক্তি বিশ্ববিদ্যালয়ের সহকারী অধ্যাপক এবং World Mind Lab-এর পরিচালক, যিনি দীর্ঘদিন ধরে বিশ্ব মডেল এবং পদার্থবিদ্যা AI-এর উপর গবেষণা করেছেন।

2. জি মা জে যু।

00-এর দশকের যুব বিজ্ঞানী, যিনি 3D পরিপ্রেক্ষিত, দক্ষ অপারেশন এবং মানবাকৃতি রোবটের সম্পূর্ণ শরীর নিয়ন্ত্রণের উপর গবেষণা করেন।

সিমেটের আগে, তিনি সিলিকন ভ্যালির অ্যাসুর্ড রোবট ইন্টেলিজেন্সের প্রতিষ্ঠাতা সদস্য ছিলেন।

ARI পরে মেটা দ্বারা অধিগ্রহণ করা হয়।

বাজার অর্থনীতি ইতিমধ্যে বাস্তব অর্থ দিয়ে ভোট দিয়েছে।

তিন মাসের বেশি হয়নি, সিমেট কয়েকটি রাউন্ডে প্রতিটি রাউন্ডে কয়েক বিলিয়ন চীনা ইয়ুয়ান ফান্ডিং সম্পন্ন করেছে।

এবং এই সবকিছুই একই জিনিসের উপর বেট বানিয়েছে—

ফিজিক্যাল আরএসআই।

সিমেট প্রতিষ্ঠার প্রথম দিন থেকেই এই দিকটিকে লক্ষ্য করেছিল এবং তিনটি ভিন্ন ধরনের RSI সংজ্ঞায়িত করেছিল।

1. দুর্বল SI: স্পষ্ট সীমানা, দ্রুত ক্লোজড লুপ

মানুষ এবং মেশিনের সহযোগিতামূলক মোড, গবেষক লক্ষ্য এবং সীমাবদ্ধতা নির্ধারণ করেন, সাধারণ কার্যক্রমের সময় গবেষককে ধাপে ধাপে অংশগ্রহণ করতে হয় না, অস্বাভাবিক পরিস্থিতিতে এটি উন্নত পর্যায়ে প্রেরণ করা যেতে পারে।

এই রোবোডোজোতে শীর্ষে পৌঁছানো হল প্রথম পর্যায়ের প্রকল্প যাচাই।

2. মধ্য SI: দিকটি স্পষ্ট, কিন্তু উত্তর অজানা

মডেলের মেমোরি কীভাবে উন্নত করবেন? কোন ধরনের টাস্কের ডেটার অনুপাত কীভাবে নির্ধারণ করবেন?

দিকটি ইতিমধ্যে নির্ধারিত হয়েছে, কিন্তু কোন পদ্ধতি কার্যকরী তা বহু পরীক্ষার মাধ্যমেই খুঁজে বার করতে হবে।

এই সময়, এজেন্ট কনটেক্সট সংগঠিত করে, বাস্তবায়ন পদ্ধতি চালায়, পরীক্ষা চালায় এবং ফলাফল তুলনা করে; গবেষক তখন অনুমান ছাঁটাই করে, বিপরীত প্রমাণের ব্যাখ্যা দেয় এবং গুরুত্বপূর্ণ সিদ্ধান্ত নেয়।

এটি বর্তমান পর্যায়ে সবচেয়ে বেশি বাস্তবিক মূল্য বহন করে এমন একটি ধরন।

3. শক্তিশালী SI: গবেষণাটি নিজেই আবিষ্কৃত হতে হবে

সবচেয়ে কঠিন, এবং বুদ্ধিমত্তার সারমর্মকে সবচেয়ে বেশি স্পর্শ করে এমন—

নতুন কাজে মডেলের জেনারালাইজেশন ক্ষমতা কীভাবে উন্নত করবেন?

এই ধরনের সমস্যার জন্য এখন কোনও স্পষ্ট সমাধানের পথ নেই। সিস্টেমকে নিজে লক্ষ্যটি বুঝতে হবে, সত্যিকারের গবেষণার মূল্যবান প্রশ্নগুলি খুঁজে বার করতে হবে, এবং দীর্ঘ সময় ধরে দিকনির্দেশ বজায় রেখে পথ নিয়মিত সংশোধন করতে হবে।

এটি এখন যা বলা হয় তার মধ্যে পড়ে—「গবেষণার স্বাদ」।

এখনও এই ধরনের কাজের নেতৃত্ব দিচ্ছেন অভিজ্ঞ গবেষকরা। এজেন্টগুলি বেশি করে গবেষণা, প্রমাণ, পরীক্ষা এবং পথ অন্বেষণে সহায়তা করছে।

মনে রাখবেন যে, সিমেট যে দুর্বল, মাঝারি এবং শক্তিশালী SI উল্লেখ করেছেন, তাদের মধ্যে কোনো র‍্যাঙ্কিং নেই, এবং এগুলি একই রিসার্চ অ্যান্ড ডেভেলপমেন্ট সিস্টেমে একসাথে বিদ্যমান থাকতে পারে।

আরও গুরুত্বপূর্ণ হল প্রথম নীতি হিসাবে «প্রগতি»।

একটি আরও জিনিস

প্রতিটি সিস্টেম আপগ্রেড পরবর্তী আপগ্রেডটি আরও সহজে ঘটতে সাহায্য করে।

যখন ডেটা, মডেল এবং বাস্তব ডিপ্লয়মেন্ট একটি নিজে থেকে ঘুরে বেড়ানো সম্পূর্ণ চক্র গঠন করে, তখন রোবটের সীমাবদ্ধতা আর কেবলমাত্র মানুষের সীমাবদ্ধতার উপর নির্ভর করে না।

এটিই ফিজিক্যাল RSI, বর্তমানে ফিজিক্যাল AGI-এর সবচেয়ে জনপ্রিয় প্রার্থী রুট।

অবশ্যই, এখন সিমেট যা দেখাচ্ছে, তা শুধুমাত্র প্রাথমিক রূপ।

মানুষের হস্তক্ষেপ এখনও বিদ্যমান, এবং গবেষকরা এই চক্রের সবচেয়ে গুরুত্বপূর্ণ দিকনির্দেশনা নিয়ন্ত্রণ করছেন।

কিন্তু এটি ঠিক এটাই নির্দেশ করে যে, স্বয়ংক্রিয় গবেষণা শুধুমাত্র «সম্পূর্ণ মানব অংশগ্রহণ বিহীন» দিনটি আসা পর্যন্ত অপেক্ষা করতে হবে না, যখন এটি মূল্য উৎপন্ন করতে শুরু করে।

যতক্ষণ পর্যন্ত আরও শক্তিশালী স্বাধীন গবেষণা ক্ষমতা প্রকৃতপক্ষে উদ্ভূত না হয়, পরীক্ষার ডিজাইন, প্রশিক্ষণ, মূল্যায়ন এবং প্রতিক্রিয়া এই উচ্চ খরচযুক্ত এবং প্রক্রিয়াকরণযোগ্য ধাপগুলি ধাপে ধাপে Agent-এর হাতে স্থানান্তরিত করা নিজেই গবেষণার থ্রুপুট উল্লেখযোগ্যভাবে বাড়িয়ে তুলতে পারে।

রোবোডোজোর রিপোর্টকার্ডটি প্রমাণ করে যে "মানুষ এবং মেশিনের সহযোগিতা" পথটি ফিজিক্যাল এআই ক্ষেত্রে সম্ভব।

RSI, সত্যিই শুরু হয়েছে।