Robotik verilerini daha derinlemesine düşündükçe, daha fazla veri birikiminin mutlaka çözüm olmadığını daha da ikna oluyorum. Asıl soru, doğru veriyi mi topladığımız. Bu, @axisrobotics'ın yönüne dair dikkatimi çeken şey. Bir robot modeli ilerlemeye ve iyileşmeye devam ederken, onun etrafındaki bilgiler değişmeden kalabilir. Bu bir sorun yaratır. Bazı davranışlar model için zaten kolay olabilir, bu nedenle bunlardan daha fazlasını toplamak çok az katkı sağlar. Aynı zamanda, modelin hâlâ zorlandığı nadir durumlar aslında çok daha önemli olabilir. Axis, geleneksel veri toplama ve ardından eğitim yapma modelinden uzaklaşarak farklı bir döngüye geçiyor: Topla Eğit Değerlendir Veriyi uyarla Tekrar eğit Model, veri motorunun bir parçası haline geliyor Başarısızlıkları, eksik olan şeyleri bize gösterebilir Performansı, mevcut verilerden hangilerinin hâlâ faydalı olduğunu belirlemeye yardımcı olabilir. Ve insan düzeltmeleri, modelin zorlandığı yerlerde tam olarak yeni eğitim sinyalleri sağlayabilir. Bu kavramdan gerçekten heyecanlıyım çünkü odak, veri seti boyutunu genişletmekten, verilerin nasıl organize edildiğine ve dağıtıldığına dair daha akıllı bir yaklaşım yaratmaya kayıyor. Daha fazla veri otomatik olarak daha iyi öğrenme anlamına gelmez. Bazen en değerli bilgi, modelin henüz tam olarak ustalaşamadığı bir şeyi öğrenmesine yardımcı olan küçük veri kesiminden gelir. İşte burada Fiziksel Yapay Zeka benim için gerçekten ilginçleşiyor. Model artık sadece veriden öğrenmiyor. Bize sonraki bilginin ne olacağını tahmin etmeyi sağlıyor.