मैं पहले सोचता था कि अधिक मानव सुधार स्वतः बेहतर रोबोट प्रशिक्षण का अर्थ है। लेकिन यह पता चला कि यह अंतर्ज्ञान गलत है। एक्सिस द्वारा किए गए इस प्रयोग के बारे में पढ़ने के बाद, मुझे सबसे अधिक आश्चर्य नहीं हुआ कि कितना डेटा एकत्रित किया गया, बल्कि यह कि उन्होंने इसे कैसे फ़िल्टर किया। एक बहुत सरल कार्य पर विचार करें: एक प्लेट पर टोफू का एक टुकड़ा रखना। जब रोबोट विफलता के कगार पर था, तो उपयोगकर्ता Axis Hub के माध्यम से सीधे हस्तक्षेप कर सकते थे। कुल 660 हस्तक्षेप दर्ज किए गए। हालाँकि, @axisrobotics ने सभी को प्रशिक्षण के लिए नहीं इस्तेमाल किया। कुल में से केवल 161 खंड, जो 24.4% हैं, फ़िल्टर से गुज़रे। यह तर्क पूरी तरह से समझ में आता है। यह सिर्फ इसलिए कि कोई पथ अंततः सफल होता है, इसका मतलब यह नहीं है कि उसमें हर मानव क्रिया सीखने के लायक है। संभवतः, कुछ पुनरावृत्ति, परिक्रमापूर्ण मार्ग, या प्रतीक्षाएँ हो सकती हैं, जो कोई उपयोगी संकेत प्रदान नहीं करतीं। इसलिए, प्रत्येक सुधार को तीन बाधाओं को पार करना पड़ा: → प्रतिकृति में सफलतापूर्वक पुनः चलाना → साबित करना कि मूल नीति वास्तव में विफल हुई → महत्वपूर्ण खंड को प्राप्त करना और एक संवृत-लूप जाँच करना कि क्या रोबोट स्वयं ही पुनर्प्राप्ति कर सकता है यही वह हिस्सा है जो मुझे सबसे अच्छा लगता है: मानव प्रतिक्रिया का मूल्य सिर्फ "एक मानव सफलतापूर्वक कार्य पूरा करता है" इस तथ्य में नहीं है। यह मूल्य सटीक रूप से पहचानने में है कि कौन-सी क्रिया एक विफलता स्थिति को पुनर्प्राप्ति में परिवर्तित करती है, जिसे रोबोट स्वयं पुनः प्रयोग कर सकता है। 660 सुधारों की संख्या बहुत बड़ी प्रतीत होती है। लेकिन 161 पुष्टि किए गए संकेत कहीं अधिक मूल्यवान हैं। शायद, यही है कि समुदाय-स्रोतित डेटा कैसे सचमुच स्केलेबल डेटा इंजन में परिणत होता है।