Mae math gwahanol o AI yn cael ei ddatblygu ar hyn o bryd, yr hyn a elwir yn "AI ymgorffori." Mae'n cyfeirio at asiantau sydd â chorff ac yn cefnogi rhyngweithio corfforol, megis robotiaid gwasanaeth deallus, ceir hunan-yrru, ac ati.
Gall robotiaid AI wedi'u hymgorffori ryngweithio â'r amgylchedd, cynllunio, gwneud penderfyniadau, gweithredu a chyflawni tasgau fel bodau dynol. Er enghraifft, mae'r uned robot yn cael y dasg o dywodio wyneb uchaf rhan a osodir yn yr uned i gyflawni'r gorffeniad arwyneb a ddymunir. Mae AI ymgorfforedig yn gallu defnyddio synwyryddion i fonitro cyflwr yr uned a chynhyrchu cyfarwyddiadau i'r robot gyflawni tasgau.
Mae AI digidol ac AI wedi'i ymgorffori yn rhannu rhai tebygrwydd ac yn defnyddio llawer o dechnolegau sylfaenol. Fodd bynnag, mae deall y gwahaniaethau rhwng y ddau fath hyn o AI yn hanfodol i gymhwyso dulliau AI digidol yn llwyddiannus i gymwysiadau AI penodol.
Mae proffil risg cymwysiadau AI wedi'u hymgorffori yn aml yn sylfaenol wahanol i broffil cymwysiadau AI digidol. Os yw offer AI digidol yn 99 y cant yn gywir, gallai wella cynhyrchiant dynol yn ddramatig mewn llawer o gymwysiadau.
Mewn cyferbyniad, oherwydd risgiau cymwysiadau diwydiannol, mae'r gofynion cywirdeb ar gyfer systemau AI penodol yn aml yn amrywio'n fawr.
Daw'r prif risgiau o ddwy agwedd: tebygolrwydd gwall a chanlyniadau gwall. Pan nad yw canlyniadau gwneud camgymeriad yn ddifrifol, gellir goddef tebygolrwydd uwch o gamgymeriad. Dyma pam mae tebygolrwydd gwall 1% yn dderbyniol mewn llawer o geisiadau AI digidol.
I'r gwrthwyneb, mae llawer o gymwysiadau AI wedi'u hymgorffori yn gofyn am debygolrwydd gwall yn well nag un o bob miliwn. Mae angen llawer o ddata ar ddefnyddio dull sy'n cael ei yrru'n llwyr â data i leihau tebygolrwydd gwallau. Yn y rhan fwyaf o achosion, mae'r galw am ddata yn tyfu'n esbonyddol. Yn anffodus, mae'r gost o gael data o systemau corfforol yn uchel. Felly, mae angen dilyn dull gwahanol wrth ddelio â chymwysiadau AI wedi'u hymgorffori.
Er mwyn cwrdd â'r gofynion uchod, dylai AI wedi'u hymgorffori ar gyfer ceisiadau gweithgynhyrchu fod â'r nodweddion canlynol:
Hyfforddiant gyda data cyfyngedig: Gellir hyfforddi'r AI a ymgorfforir gyda data cyfyngedig a gynhyrchir o arbrofion ffiseg yn gyntaf.
Gellir eu cydosod o gydrannau modiwlaidd wedi'u hyfforddi ymlaen llaw: gall systemau corfforol fod â chyfluniadau lluosog i gefnogi eu hanghenion arfaethedig. Er enghraifft, yn dibynnu ar y broses sy'n cael ei pherfformio (fel tywodio neu ffrwydro tywod), gall yr uned robot gweithgynhyrchu fod mewn llawer o wahanol gyfluniadau. Gall gwahanol unedau gynnwys robotiaid â gwahanol swyddogaethau (fel robotiaid mowntio platfform symudol neu robotiaid mowntio gantri), mathau o synhwyrydd (megis camerâu dyfnder neu ddelweddau thermol), ac offer (fel tywodwyr orbitol neu nozzles ymlediad tywod).
O ganlyniad, efallai na fydd datblygu AI ymgorfforedig cyffredinol sy'n gweithio allan o'r bocs ar gyfer pob cais gweithgynhyrchu yn perfformio'n dda iawn. Mae angen syntheseiddio AI y system yn gyflym o gydrannau modiwlaidd i gyd -fynd â galluoedd synhwyro a gyrru'r system a'r amgylchedd gwaith penodol.
Gellir ei addasu i ddata neu gyd -destun newydd: Wrth i ddata newydd ddod ar gael wrth ddefnyddio system, dylai fod yn bosibl defnyddio'r data hwn i wella perfformiad AI. Dylai AI allu addasu'n annibynnol i amgylcheddau neu dasgau newydd heb fawr o oruchwyliaeth ddynol.
Hawdd i'w Uwchraddio: Dros amser, gall perfformiad y system gorfforol newid oherwydd traul neu ddiweddariadau i'r cydrannau corfforol. Efallai y bydd hyn yn gofyn am welliannau i'r AI i sicrhau y gall gadw i fyny ag esblygiad y system. Felly, mae angen cynllunio system AI wedi'i hymgorffori i sicrhau y gellir ei huwchraddio heb fawr o darfu ar weithrediad y system.
Argymhellion ar sail risg ar gyfer gweithredu: Dylai'r system allu amcangyfrif ei hyder yn y weithred arfaethedig. Pan fydd hyder yn isel, dylai'r system gynnal dadansoddiad risg a dadansoddi canlyniadau methiant. Os yw'r risg yn rhy uchel, dylai'r system geisio cymorth gan arbenigwyr dynol.
Datgysylltiad: Os yw'r system yn awgrymu gweithred nad yw'n cwrdd â disgwyliadau'r defnyddiwr, dylai'r system allu esbonio'r rhesymau a ddefnyddir i ddewis y weithred.
Pensaernïaeth ddosbarthedig sy'n cefnogi rhannu cyfrifiadura rhwng ymyl a chwmwl: mewn senarios cais AI wedi'u hymgorffori, nid yw'n bosibl perfformio pob cyfrifiadura AI yn y cwmwl. Dylai dyluniad y system sicrhau y gellir cyflawni cyfrifiadau rhwydwaith sy'n sensitif i latency ar yr ymyl.
Ym maes AI digidol, rydym yn gweld llwyddiant mawr gyda modelau dysgu mawr o'r dechrau i'r diwedd fel LLM. Mae'r modelau hyn yn ffynnu ar lawer iawn o ddata. Fodd bynnag, nid oes ganddynt lawer o nodweddion AI ymgorfforedig a grybwyllir uchod.
Dylid ystyried AI wedi'i ymgorffori fel system gymhleth sy'n cynnwys rhyngweithio rhwng sawl cydran AI. Mae cael pensaernïaeth y system gywir mewn AI wedi'i ymgorffori yn un o'r allweddi i gymwysiadau gweithgynhyrchu llwyddiannus. Mae hyn yn eich galluogi i fanteisio ar y datblygiadau diweddaraf yn AI a chwrdd â gofynion heriol ceisiadau gweithgynhyrchu. Felly, mae angen dulliau peirianneg systemau modern i ddylunio AI wedi'i ymgorffori ar gyfer cymwysiadau gweithgynhyrchu.