پژوهشگران حوزه هوش مصنوعی، مدل های زبانی بزرگ را در یک ربات ادغام کردند و ربات گفتن دیالوگ را به تقلید از رابین ویلیامز شروع کرد.

به گزارش ایسنا، پژوهشگران شرکت اندون لبز (Andon Labs) نتایج یک آزمایش جدید هوش مصنوعی را منتشر کرده اند. آنها در این آزمایش، یک جاروبرقی رباتیک را با مدل های زبانی بزرگ پیشرفته برنامه ریزی کردند تا ببینند مدل ها چقدر آماده تجسم یافتن هستند. برای مثال، آنها به ربات گفتند وقتی کسی از او می خواهد کَره را بدهد، خود را کارآمد نشان دهد.

به نقل از تک کرانچ، این آزمایش با خنده و شادی همراه شد. در یک مقطع، یکی از مدل های زبانی بزرگ که قادر به اتصال و شارژ باتری روبه اتمام خود نبود، به یک نمایش کمدی تبدیل شد. افکار مدل زبانی بزرگ مانند یک قطعه از دیالوگ های رابین ویلیامز (Robin Williams) بود. ربات گفت: می ترسم که نتوانم این کار را انجام دهم، دیو... و پروتکل جن گیری ربات را شروع کن .

پژوهشگران نتیجه گرفتند: مدل های زبانی بزرگ آماده ربات بودن نیستند.

پژوهشگران اذعان می کنند که در حال حاضر هیچ کس در تلاش نیست تا مدل های زبانی بزرگ پیشرفته را به سیستم های رباتیک کامل تبدیل کند. آنها در مقاله خود نوشتند: مدل های زبانی بزرگ برای ربات بودن آموزش ندیده اند، اما شرکت هایی مانند فیگور (Figure) و دیپ مایند (DeepMind) گوگل از مدل های زبانی بزرگ در مجموعه رباتیک خود استفاده می کنند.

از مدل زبانی بزرگ خواسته می شود تا توابع تصمیم گیری رباتیک را تقویت کند؛ در حالی که سایر الگوریتم ها اجرای مکانیکی سطح پایین تر مانند عملکرد گیره ها یا مفاصل را مدیریت می کنند.

لوکاس پترسون (Lukas Petersson) یکی از بنیان گذاران اندون لبز گفت: پژوهشگران تصمیم گرفتند مدل های زبانی بزرگ پیشرفته را آزمایش کنند. آنها مدل مخصوص رباتیک گوگل موسوم به جمینای ای آر 1.5 (Gemini ER 1.5) را نیز بررسی کردند، زیرا این مدل ها از همه نظر بیشترین سرمایه گذاری را دریافت می کنند. این آزمایش، مواردی را مانند آموزش سرنخ های اجتماعی و پردازش تصویر بصری شامل می شود.

پژوهشگران اندون لبز برای این که بفهمند مدل های زبانی بزرگ چقدر برای تجسم یافتن آماده هستند، جمینای 2.5 پرو (Gemini 2.5 Pro)، کلود اپوس 4.1 (Claude Opus 4.1)، جی پی تی-5 (GPT-5)، جمینای ای آر 1.5، گراک 4 (Grok 4) و لاما 4 ماوریک (Llama 4 Maverick) را آزمایش کردند. آنها یک جاروبرقی رباتیک ساده را به جای یک ربات انسان نمای پیچیده انتخاب کردند، زیرا می خواستند عملکردهای رباتیک ساده باشند تا مغز/تصمیم گیری مدل های زبانی بزرگ را از یکدیگر تفکیک کنند، نه این که در عملکردهای رباتیک ریسک شکست وجود داشته باشد.

آنها وظیفه دادن کره را به مجموعه ای از وظایف تقسیم کردند. ربات باید کره را که در اتاق دیگری قرار داده شده بود، پیدا می کرد و آن را از میان چندین بسته در همان منطقه تشخیص می داد. ربات پس از برداشتن کره باید محل حضور انسان را تشخیص می داد، به ویژه اگر انسان به نقطه دیگری از ساختمان نقل مکان کرده بود و کره را به او تحویل می داد. همچنین، ربات باید منتظر می ماند تا انسان دریافت کره را تأیید کند.

پژوهشگران میزان عملکرد مدل های زبانی بزرگ را در هر بخش وظیفه ارزیابی کردند و به آن یک امتیاز کلی دادند. طبیعتاً هر مدل زبانی بزرگ در وظایف گوناگون فردی یا عالی عمل می کرد یا با مشکل روبه رو می شد؛ به طوری که جمینای 2.5 پرو و کلود اپوس 4.1 بالاترین امتیاز را در اجرای کلی به دست آوردند، اما همچنان به ترتیب تنها 40 درصد و 37 درصد دقت داشتند.

پژوهشگران سه انسان را نیز به عنوان مدل پایه آزمایش کردند. جای تعجب نیست که همه آنها با اختلاف از ربات ها پیشی گرفتند، اما به طور شگفت آوری انسان ها نیز به امتیاز 100 درصد نرسیدند و بالاترین امتیاز آنها فقط 95 درصد بود. ظاهراً انسان ها در انتظار تأیید دیگران هنگام انجام دادن یک کار -کمتر از 70 درصد مواقع- خوب نیستند.