מרוץ הרובוטים עובר לדאטה: החברות מוציאות מיליארדים כדי ללמד מכונות איך לפעול בעולם האמיתי

חברות הרובוטיקה נכנסות למרוץ השקעות חדש, והפעם הבעיה אינה רק שבבים או כוח מחשוב. צוואר הבקבוק הוא המידע עצמו. בניגוד למפתחי מודלי שפה, שיכלו לאמן מערכות על כמויות עצומות של טקסט ותמונות מהאינטרנט, רובוטים זקוקים לנתונים מהעולם הפיזי - והנתונים האלה כמעט לא קיימים בקנה המידה הנדרש.

הפער הזה דוחף חברות כמו Generalist, Physical Intelligence, Neura ו-Skild להקים מתקני אימון ייעודיים, לשכור ספקי דאטה חיצוניים ולשלוח ציוד צילום למפעלים, משרדים ובתים ברחבי העולם. המטרה היא לתעד בני אדם מבצעים משימות פיזיות כדי ללמד רובוטים כיצד לחקות אותן.

אין אינטרנט שאפשר פשוט להוריד ממנו דאטה

הבעיה של בינה מלאכותית לרובוטיקה שונה מזו של ChatGPT, ג'מיני או Claude. מודלים לשוניים יכולים ללמוד מטקסטים קיימים, אבל רובוט צריך להבין עומק, תנועה, אחיזה, כוח והתמודדות עם סביבה שמשתנה כל הזמן. לכן חברות בונות "חדרי כושר לרובוטים" שבהם מפעילים זרועות רובוטיות ומבצעים שוב ושוב משימות יומיומיות. כל פעולה כזו הופכת לנתון אימון נוסף עבור המודל.

במקביל, חלק מהחברות אוספות וידאו בגוף ראשון של אנשים שמבצעים מטלות אמיתיות. מדובר במיליוני שעות של צילום מזווית הראייה של המשתמש, בניסיון לתת למערכות בסיס רחב יותר להתמודדות עם מצבים שלא פגשו קודם.

48 מיליארד דולר כבר נכנסו לתחום

ההתלהבות ממשקיעה גם את שוק ההון. לפי PitchBook, חברות רובוטיקה ו-Physical AI גייסו כמעט 48 מיליארד דולר מתחילת השנה, מה שהפך את התחום לאחד היעדים החמים ביותר של קרנות הון סיכון. חלק ניכר מהכסף הזה צפוי ללכת לא רק לפיתוח הרובוטים עצמם, אלא גם ליצירת הדאטה שעליו הם יתאמנו. חברת Mecka, למשל, הודיעה השבוע על גיוס של 60 מיליון דולר ממשקיעים בהם אנבידיה וסקויה.

Physical Intelligence, שגייסה בנובמבר האחרון 600 מיליון דולר לפי שווי של 5.6 מיליארד דולר, כבר בדקה רובוטים בדירות Airbnb בסן פרנסיסקו כדי לבחון כיצד המודלים שלה מתמודדים עם סביבות שונות.

Figure בחרה בגישה רחבה יותר. החברה הציגה באוגוסט תוכנית שבמסגרתה אנשים מצלמים את עצמם מבצעים משימות בבית ובעבודה ומקבלים תשלום עבור כל פעולה מתועדת. לפי הנתונים, לחברה כבר יש כ-44 אלף משתמשים פעילים בתוכנית, שמקבלים בממוצע כ-94 סנט למשימה. Figure מתכננת להוציא יותר ממיליארד דולר בתוך 12 חודשים על שירותים וכוח מחשוב לצורך יצירת דאטה לאימון.

גם חברות שסיפקו בעבר דאטה ל-OpenAI ולאנתרופיק נכנסות לתחום. Encord ו-Scale AI פותחות מתקני איסוף נתונים בארה"ב, מקסיקו ובאסיה, בעוד Xdof מפעילה מתקנים בשנזן ובג'קרטה.

העלות דוחפת את העבודה למדינות זולות יותר

כמו באימון מודלי AI קודמים, גם כאן עלות העבודה משפיעה על מיקום הפעילות. מפעילי רובוטים בארה"ב מקבלים כ-25 דולר לשעה, כמעט פי שניים מהתשלום במקסיקו, ולכן חלק מהחברות מעבירות את איסוף הנתונים לשווקים זולים יותר.

• ככה הרובוטים לומדים לחקות בני אדם - מצלמים עובדים ומלמדים מכונות לעבוד
• אמרו שהרובוטים יחליפו אותם: אז למה דווקא עכשיו חסרים אלפי עובדי תעשייה?

אלא שהמרוץ הזה מעלה גם שאלות על איכות הנתונים ועל תנאי העבודה. בחלק מהמקרים עובדים במפעלים במדינות מתפתחות נדרשים ללבוש ציוד צילום בזמן העבודה, לעיתים ללא תשלום נוסף.

האם יותר דאטה באמת יפתור את הבעיה?

חברות רובוטיקה מנסות להעתיק את חוקי הסקיילינג שהניעו את מודלי השפה הגדולים - ככל שהמודל מקבל יותר דאטה, כך הביצועים משתפרים. Dyna, למשל, דיווחה על שיפור בביצועים לאחר אימון על עד מיליון שעות של וידאו בגוף ראשון.

במקביל, התחום מנסה לצמצם את התלות בנתונים אמיתיים באמצעות סימולציות ומודלי עולם, שמאפשרים לרובוטים להתאמן על תרחישים וירטואליים לפני שהם פוגשים אותם במציאות.

אבל בניגוד ל-LLM, כאן עדיין לא ברור אם הגדלת כמות הדאטה תייצר בהכרח קפיצה דומה בביצועים. רובוט שפועל בעולם האמיתי צריך להתמודד עם אינסוף וריאציות של חפצים, סביבות ותנועות, והטעויות שלו אינן רק טקסט שגוי על המסך.

זה מסביר מדוע חברות ממשיכות להוציא סכומים גדולים למרות חוסר הוודאות. מבחינתן, השליטה בדאטה האיכותי ביותר עשויה להפוך ליתרון התחרותי המרכזי של התחום - בדיוק כפי שכוח מחשוב ומידע הפכו לנכסים הקריטיים של גל ה-AI הראשון.

• נאט"ו: רוסיה ספגה יותר מ-50 אלף נפגעים בחודש אחד
• סין מציפה את אירופה ביבוא - אבל התעשייה האירופית עדיין לא נשברת