Ngành công nghiệp robot đang ở một điểm giao cắt đầy hấp dẫn. Chúng ta đã vượt qua các cánh tay công nghiệp thuần túy bị nhốt trong lồng và bắt đầu chứng kiến robot đi vào các môi trường con người năng động, từ hành lang bệnh viện đến các kho bãi. Nhưng ẩn sau những màn trình diễn phần cứng ấn tượng là một thách thức lớn, thường bị bỏ qua: sự phân mảnh dữ liệu. Robot rất giỏi trong việc học tập trong những “khu vực cát” (sandbox) cụ thể của mình, nhưng tri thức đó hiếm khi thoát ra ngoài, cản trở việc tạo ra AI thể hiện mục đích chung (general purpose embodied AI). @Fabric Foundation đang hướng tới việc giải quyết vấn đề này bằng một lớp hạ tầng mới, ưu tiên cho việc phối hợp minh bạch và tính toán có thể được xác minh.

Vấn đề “Đảo Dữ liệu”

Hãy tưởng tượng một robot dịch vụ học cách di chuyển trong một quán cà phê đông đúc. Robot học cách tránh và né các chiếc ghế, hạn chế chất lỏng bị đổ, và diễn giải các tín hiệu xã hội tinh tế của con người trong môi trường của nó. Mọi tương tác, dữ liệu cảm biến và hành động tiếp theo đều là dữ liệu phong phú. Thật không may, trong bối cảnh hiện tại, dữ liệu này thường bị khóa trong hệ thống độc quyền của nhà sản xuất. Một robot khác từ công ty khác, ở một quán cà phê khác, lại đang học những bài học tương tự từ đầu.

Sự phân mảnh này không chỉ kém hiệu quả; nó còn là “nút thắt” cho đổi mới. Tiến bộ trong AI thường tương quan trực tiếp với chất lượng và số lượng dữ liệu. Bằng cách giữ dữ liệu trong các “đảo dữ liệu” tách biệt, ngành robot về cơ bản đang ngăn cản chính mình đạt tới một “khối lượng tới hạn” thông tin đa dạng cần thiết để huấn luyện các mô hình robot tổng quát thực sự mạnh mẽ.

Tầm nhìn của Fabric Foundation: Một lớp tri thức dùng chung

Fabric Foundation không cố gắng chế tạo những robot tốt hơn; họ đang xây dựng hạ tầng tốt hơn cho dữ liệu robot. Cách tiếp cận của họ tập trung vào việc chuyển từ các thử nghiệm rời rạc sang hợp tác có cấu trúc.

Ý tưởng cốt lõi là tạo ra một mạng lưới minh bạch, nơi dữ liệu robot và tính toán có thể được phối hợp và, quan trọng nhất, được xác thực. Thay vì các hệ thống học tập nội bộ dạng “hộp đen”, các đóng góp từ nhiều người tham gia khác nhau có thể được xem xét và tổ chức theo nguyên tắc “tính toán có thể kiểm chứng”.

Tính toán có thể kiểm chứng là yếu tố then chốt ở đây. Nếu robot cần chia sẻ kiến thức, phải có sự tin cậy tuyệt đối vào dữ liệu được chia sẻ. Hệ thống phải có khả năng xác minh chính xác cách các quyết định được đưa ra, thông tin được xử lý như thế nào và nguồn gốc của dữ liệu liên quan. Nếu không có bước xác minh này, việc đưa thêm dữ liệu của bên thứ ba có thể làm suy giảm hiệu năng của robot, thay vì cải thiện. Cơ sở hạ tầng của Fabric hướng tới việc cung cấp lớp niềm tin này.

Vai trò của $ROBO

Một mạng lưới dữ liệu phi tập trung vững chắc cần có động lực để khuyến khích sự tham gia. Đây là lúc $ROBO xuất hiện. Trong hệ sinh thái Fabric, $ROBO đóng vai trò như một cơ chế để đồng bộ hóa những người đóng góp, những người giúp mở rộng khả năng của mạng lưới. Bằng cách tham gia đóng góp dữ liệu, xác thực hoặc các tác vụ tính toán, người dùng có thể nhận được phần thưởng, tạo nên một hệ sinh thái tự vận hành dựa trên dữ liệu đã được xác minh, dữ liệu mở.

Con đường hướng tới việc mở rộng robot toàn cầu

Khi robot chuyển dịch sang các năng lực đa dụng, khả năng để một robot duy nhất có thể học và thực thi nhiều loại tác vụ trong các môi trường đa dạng trở nên không thể thương lượng—phải có quyền truy cập dữ liệu đáng tin cậy.

Để robot có thể mở rộng trên phạm vi toàn cầu một cách đáng tin cậy, hạ tầng dữ liệu ở phía sau phải vượt ra khỏi các hệ thống đóng. Hệ thống đó phải cởi mở, có trách nhiệm giải trình và có thể được xác thực. Fabric Foundation đang xây dựng nền tảng cho mô hình mới này, chuyển trọng tâm từ các đột phá riêng lẻ của từng robot sang một hệ thống phi tập trung mang tính tập thể, thúc đẩy toàn bộ lĩnh vực. Tương lai của robot có thể không phải là ai chế tạo robot thông minh nhất, mà là ai xây dựng được nền tảng mở và bền vững nhất để mọi robot cùng học hỏi với nhau.#ROBO