گوگل برای اطمینان از اینکه ربات‌های هوش مصنوعی جدیدش ما را نمی‌کشند، «قانون اساسی ربات‌ها» را تدوین کرد.

تیم دیپ‌‌مایند (DeepMind) گوگل از سه سیستم پیشرفته‌ی جدید پرده‌برداری کرده است که به ربات‌های هوش مصنوعی کمک می‌کنند تا تصمیم‌های سریع‌تر، بهتر و ایمن‌تری بگیرند. یکی از آن‌ها شامل سیستمی برای جمع‌آوری داده‌های آموزشی با «قانون اساسی ربات‌ها» است.

AutoRT، سیستم جمع‌آوری داده‌‌ی گوگل، می‌تواند از یک مدل زبانی بصری (VLM) و مدل زبانی بزرگ (LLM) برای درک محیط، انطباق با تنظیمات ناآشنا و تصمیم‌گیری در مورد وظایف مناسب استفاده کند.

قانون اساسی ربات که از «سه قانون رباتیک» آیزاک آسیموف الهام گرفته شده است، به عنوان مجموعه‌ای از «دستورهای متمرکز بر ایمنی» توصیف می‌شود. این چارچوب به مدل زبانی بزرگ دستور می‌دهد تا از انتخاب وظایفی که شامل انسان، حیوانات، اشیاء تیز و حتی وسایل الکتریکی می‌شود خودداری کند.

دیپ‌‌مایند برای ایمنی بیشتر، ربات‌ها را طوری برنامه‌ریزی کرده است تا اگر نیروی وارد بر مفاصل آن از آستانه‌ی خاصی گذشت، به‌طور خودکار متوقف شوند و شامل یک کلید قطع اضطراری فیزیکی باشند تا اپراتورهای انسانی بتوانند از آن‌ برای غیرفعال کردن ربات استفاده کنند.

طی یک دوره‌ی هفت‌ماهه، گوگل ناوگانی متشکل از ۵۳ ربات AutoRT را در چهار ساختمان اداری مختلف مستقر کرد و بیش از ۷۷ هزار آزمایش انجام داد. برخی از ربات‌ها از راه دور توسط اپراتورهای انسانی کنترل می‌شدند، در حالی که برخی دیگر یا بر اساس یک اسکریپت یا کاملاً مستقل با استفاده از مدل یادگیری هوش مصنوعی Google’s Robotic Transformer (RT-2) کار می‌کردند.

ربات‌های مورد آزمایش، ساده و تنها مجهز به یک دوربین و بازوی رباتیک و پایه‌ی متحرک بودند. در هر ربات، سیستم از مدل زبانی بصری برای درک محیط و اشیاء در محدوده‌ی دید استفاده می‌کرد. در مرحله‌ی بعد، یک مدل زبانی بزرگ لیستی از کارهای خلاقانه‌ای را پیشنهاد می‌داد که ربات می‌توانست انجام دهد. مدل زبانی بزرگ در واقع نقش تصمیم‌گیرنده‌ی ربات را برای انتخاب کار مناسب ایفا می‌کرد.

فناوری جدید دیگر دیپ‌‌مایند شامل SARA-RT است؛ یک معماری شبکه‌ی عصبی که برای دقیق‌تر و سریع‌تر کردن Robotic Transformer RT-2 طراحی شده است.