AI tạo sinh đang làm thay đổi các ngành công nghiệp trị giá nghìn tỷ USD, và NVIDIA, người tiên phong trong lĩnh vực robot thông minh, đang nắm bắt cơ hội này.

Trong một bài phát biểu đặc biệt trước thềm sự kiện CES 2024, Phó Chủ tịch NVIDIA về Robot và Edge Computing Deepu Talla đã trình bày chi tiết cách NVIDIA và các đối tác của mình đang kết hợp AI tạo sinh và robot lại với nhau. Đây là một sự kết hợp tự nhiên, với một danh sách đối tác ngày càng tăng — bao gồm Boston Dynamics, Collaborative Robotics, Covariant, Sanctuary AI, Unitree.

Phó Chủ tịch NVIDIA về Robot và Edge Computing Deepu Talla.

Robotics và các đối tác khác — đang đưa Mô hình Ngôn ngữ Lớn (LLM) được tăng tốc bằng GPU để mang lại mức độ trí tuệ và khả năng thích ứng chưa từng có cho các loại máy móc.

"Robot tự động được hỗ trợ bởi trí tuệ nhân tạo đang ngày càng được sử dụng để cải thiện hiệu quả, giảm chi phí và giải quyết tình trạng thiếu hụt lao động. Nhu cầu về robot tự động hỗ trợ bởi trí tuệ nhân tạo đã rõ ràng trong vài năm qua để cải thiện hiệu quả, giảm chi phí và giải quyết tình trạng thiếu hụt lao động", ông Talla chia sẻ.

Một thập kỷ trước, nhà sáng lập và CEO của NVIDIA, Jensen Huang, đã trao tận tay siêu máy tính AI NVIDIA DGX đầu tiên cho OpenAI. Bây giờ, nhờ ChatGPT của OpenAI, AI tạo sinh đã trở thành một trong những công nghệ phát triển nhanh nhất của thời đại chúng ta.  

Ảnh hưởng của AI tạo sinh sẽ vượt qua việc tạo ra văn bản và hình ảnh — và lan rộng vào các ngôi nhà và văn phòng, trang trại và nhà máy, bệnh viện và phòng thí nghiệm, Talla dự đoán.

Chìa khóa: LLM, tương tự như trung tâm ngôn ngữ của não, sẽ cho phép robot hiểu và phản hồi lệnh của con người một cách tự nhiên hơn. Những máy móc như vậy sẽ có thể học hỏi liên tục từ con người, từ nhau và từ thế giới xung quanh chúng.

"Với những đặc điểm này, AI sinh học rất phù hợp với robot", ông Talla cho biết.

 

Cách Robot sử dụng AI tạo sinh 

Agility Robotics và các công ty khác đang kết hợp AI sinh học vào robot của họ để giúp chúng hiểu lệnh bằng văn bản hoặc giọng nói. Máy hút bụi robot của Dreame Technology đang được đào tạo trong không gian sống giả lập được tạo ra bởi mô hình AI sinh học. Và Electric Sheep đang phát triển một mô hình thế giới cho việc cắt cỏ tự động.

NVIDIA với các công nghệ như nền tảng NVIDIA Isaac và Jetson, hỗ trợ phát triển và triển khai robot được hỗ trợ bởi AI, đã được hơn 1,2 triệu nhà phát triển và 10.000 khách hàng và đối tác tin tưởng.

Nhiều khách hàng trong số họ đang có mặt tại CES tuần này, bao gồm Analog Devices, Aurora Labs, Canonical, Dreame Innovation Technology, DriveU, e-con Systems, Ecotron, Enchanted Tools, GlüxKind, Hesai Technology, Leopard Imaging, Segway-Ninebot (Willand (Beijing) Technology Co., Ltd.), Nodar, Orbbec, QT Group, Robosense, Spartan Radar, TDK Corporation, Telit, Unitree Robotics, Voyant Photonics và ZVISION Technologies Co., Ltd.

 

Hai bộ não tốt hơn một

Trong bài thuyết trình của mình tại CES 2024, Talla cũng đã trình bày mô hình máy tính kép cần thiết để triển khai AI trong robot, thể hiện cách tiếp cận toàn diện của NVIDIA đối với việc phát triển và ứng dụng AI.

Máy tính đầu tiên, được gọi là "nhà máy AI," đóng vai trò trung tâm trong việc tạo ra và cải thiện liên tục các mô hình AI. Nhà máy AI sử dụng cơ sở hạ tầng tính toán trung tâm dữ liệu của NVIDIA cùng với nền tảng AI và NVIDIA Omniverse của mình cho việc mô phỏng và đào tạo các mô hình AI.

Chiếc máy tính thứ hai đại diện cho môi trường thực thi của robot. Điều này thay đổi tùy thuộc vào ứng dụng: Có thể là trong đám mây hoặc một trung tâm dữ liệu; trong máy chủ tại chỗ cho các nhiệm vụ như kiểm tra lỗi trong sản xuất bán dẫn; hoặc trong một máy tự động được trang bị nhiều cảm biến và camera.

Tạo ra tài sản và cảnh quan chất lượng

Ông Talla cũng nhấn mạnh vai trò của Mô hình Ngôn ngữ Lớn (LLM) trong việc phá vỡ các rào cản kỹ thuật, biến người dùng thông thường thành nghệ sĩ kỹ thuật có khả năng tạo ra các trạm làm việc robot phức tạp hoặc toàn bộ mô phỏng kho hàng.

Với các công cụ AI sinh học như NVIDIA Picasso, người dùng có thể tạo ra tài sản 3D chân thực từ những lời nhắc văn bản đơn giản và thêm chúng vào cảnh số để tạo môi trường đào tạo robot động và toàn diện.

Khả năng tương tự cũng mở rộng để tạo ra các kịch bản đa dạng và chính xác về mặt vật lý trong Omniverse, nâng cao việc kiểm tra và đào tạo robot để đảm bảo khả năng áp dụng thực tế. Điều này kết hợp với tiềm năng biến đổi của AI tạo sinh trong việc tái cấu trúc việc triển khai robot. 

Truyền thống, robot được xây dựng cụ thể cho các nhiệm vụ nhất định, và việc sửa đổi chúng cho các nhiệm vụ khác là quá trình tốn thời gian. Nhưng những tiến bộ trong Mô hình Ngôn ngữ Lớn và mô hình ngôn ngữ hình ảnh đang loại bỏ điểm nghẽn này, cho phép tương tác trực quan hơn với robot thông qua ngôn ngữ tự nhiên, Talla giải thích.

Những máy móc như vậy — có khả năng thích nghi và nhận thức về môi trường xung quanh chúng — sẽ sớm lan rộng khắp thế giới.

Tùng Nguyễn