Cơn khát dữ liệu thực tế đang kìm hãm cuộc đua robot hình người

Robot hình người đứng trước nút thắt dữ liệu huấn luyện

Làn sóng trí tuệ nhân tạo tạo sinh trong những năm gần đây đã tiếp sức mạnh mẽ cho ngành chế tạo robot toàn cầu, thúc đẩy hàng loạt dự án thử nghiệm và thương mại hóa robot hình người. Tuy nhiên, đà tiến này đang vấp phải một bức tường lớn: sự thiếu hụt nghiêm trọng dữ liệu huấn luyện cho thế giới vật lý.

Chia sẻ trên podcast Targeting AI của chuyên trang công nghệ AI Business, bà Sce Pike, Phó chủ tịch phụ trách tăng trưởng và giải pháp AI tại công ty công nghệ Telus Digital (Canada), chỉ ra rằng ngành robot hiện rơi vào tình thế tiến thoái lưỡng nan khi các phương pháp huấn luyện AI truyền thống không còn đủ đáp ứng cho môi trường thực tế.

Khoảng cách giữa văn bản Internet và nhận thức vật lý

Theo bà Sce Pike, các mô hình ngôn ngữ lớn (LLM) phát triển thần tốc là nhờ khả năng "nuốt trọn" kho dữ liệu khổng lồ từ Internet. Thế nhưng, robot lại không thể vận hành chỉ bằng chữ viết. Dẫn lại quan điểm của Giám đốc Khoa học AI tại Meta, Yann LeCun, bà Pike nhấn mạnh trí tuệ của các mô hình AI hiện nay vẫn thua xa một đứa trẻ mẫu giáo về khả năng nắm bắt thế giới vật lý.

Một đứa trẻ 4 tuổi có khả năng nhận thức cao gấp khoảng 5 lần một mô hình ngôn ngữ lớn, bởi đứa trẻ học hỏi thông qua đôi mắt và các giác quan liên tục tiếp nhận thông tin. Nhờ đó, chúng tự nhiên hiểu được các quy luật vật lý cơ bản như trọng lực, sự va chạm hay mối quan hệ nhân - quả. Những hiểu biết mang tính trực giác này là điều AI không thể có được nếu chỉ đọc văn bản.

Để xây dựng các "mô hình thế giới" (world models) dẫn đường cho robot, các kỹ sư cần một khối lượng dữ liệu video khổng lồ từ đời thực. Điều này kéo theo chi phí tính toán và lưu trữ dữ liệu tăng vọt, tạo nên gánh nặng tài chính rất lớn cho các đơn vị phát triển.

Bên cạnh đó, việc thu thập dữ liệu vật lý hiện nay đang gặp phải vấn đề phân mảnh phần cứng. Sự kết hợp thiếu đồng bộ giữa các loại camera, cảm biến LiDAR và cảm biến hồng ngoại khác nhau đang tạo ra quá nhiều "nhiễu" (noise) trong tập dữ liệu huấn luyện, khiến mô hình khó học được những chuyển động chuẩn xác.

Rủi ro an toàn khi AI bước ra đời thực

Vấn đề dữ liệu kém chất lượng trong robotics kéo theo hệ quả nghiêm trọng hơn rất nhiều so với AI thuần phần mềm. Đối với một chatbot văn bản, dữ liệu huấn luyện sai sót có thể dẫn đến hiện tượng "ảo giác" (hallucination) hoặc cung cấp thông tin không chính xác. Nhưng với robot hình người hoạt động bằng cơ cấu cơ khí, sai lệch dữ liệu có thể dẫn tới những tai nạn vật lý nguy hiểm.

Bà Pike, người đang trực tiếp dẫn dắt các dự án robot và mô hình thế giới tại Telus Digital, đặc biệt lưu ý đến rủi ro an toàn nơi công cộng: nếu một cỗ máy nặng hàng chục kilôgam mất kiểm soát, ngã đổ hoặc vung tay loạn xạ giữa một trung tâm thương mại đông đúc, hậu quả sẽ khôn lường. Chính vì vậy, giải quyết bài toán dữ liệu đa giác quan và đảm bảo an toàn vật lý đang trở thành điều kiện tiên quyết trước khi robot hình người có thể thực sự rời phòng thí nghiệm để hòa nhập vào đời sống.