استارتاپ ۱۱ نفره Machenta با جذب سرمایه ۴۰ میلیون دلاری، غول‌های رباتیک را به چالش می‌کشد

استارتاپ ۱۱ نفره Machenta با جذب سرمایه ۴۰ میلیون دلاری، غول‌های رباتیک را به چالش می‌کشد

یک استارتاپ رباتیک مستقر در لندن شرط بسته است که می‌تواند مهارت‌های تازه‌ای را بدون نیاز به جمع‌آوری کوهی از داده‌های دنیای واقعی، که رقبای بسیار بزرگ‌تر آن به دنبالش هستند، به ربات‌ها آموزش دهد.

استارتاپ Machenta که توسط پژوهشگران امپریال کالج لندن تأسیس شده، در یک دور تأمین مالی اولیه (Seed) موفق به جذب ۴۰ میلیون دلار سرمایه شده است تا یک مدل هوش مصنوعی بسازد؛ مدلی که می‌تواند وظایف فیزیکی جدید را تنها پس از یک‌بار مشاهده نحوه انجام کار، به ربات‌ها یاد دهد. شرکت‌های سرمایه‌گذاری خطرپذیر Creandum و Union Square Ventures به‌طور مشترک رهبری این دور سرمایه‌گذاری را بر عهده داشتند. با این حال، Machenta از افشای ارزش‌گذاری خود خودداری کرده است.

در حالی که رقبای سازنده مدل‌های هوش مصنوعی چندمنظوره برای ربات‌ها به سختی در تلاشند تا داده‌های مربوط به دنیای واقعی را گردآوری کنند، Machenta رویکردی کاملاً معکوس در پیش گرفته است. ادوارد جانز (Edward Johns)، مدیرعامل، هم‌بنیان‌گذار این استارتاپ و استاد امپریال کالج، می‌گوید که این شرکت مدل خود را در محیط‌های شبیه‌سازی‌شده رایانه‌ای آموزش می‌دهد؛ فضاهایی که نحوه حرکت و تعامل اشیا را تقلید می‌کنند، آن هم بدون استفاده از «حتی یک پیکسل داده از دنیای واقعی».

جانز توضیح داد که این مدل پس از اتمام آموزش می‌تواند تنها پس از یک‌بار مشاهده یک کار تازه، مانند مرتب کردن میز یا قرار دادن اشیا درون جعبه، ربات را برای انجام آن هدایت کند؛ روندی که به هیچ آموزش تکمیلی دیگری نیاز ندارد. در ویدئویی که این شرکت منتشر کرده است، سه ربات در یک خط مونتاژ، جعبه‌ای را بسته‌بندی کرده و می‌بندند؛ وظیفه‌ای که به گفته جانز، با همین روش آموخته شده است.

این استارتاپ ۱۱ کارمند دارد و همچنان روی پژوهش متمرکز است و هیچ برنامه کوتاه‌مدتی برای تجاری‌سازی فناوری خود ندارد. اگرچه مدل آن‌ها می‌تواند برخی وظایف را فوراً یاد بگیرد، اما انجام کارهای بسیار دقیق‌تر و حرکات پیچیده همچنان یک چالش به شمار می‌آید.

استارتاپ Machenta در یکی از رقابتی‌ترین و پرپول‌ترین حوزه‌های رباتیک، با رقبایی روبه‌رو است که ارزش‌گذاری‌های چند میلیارد دلاری دارند. از جمله رقبای کالیفرنیایی این مجموعه می‌توان به Physical Intelligence با ارزش تقریبی ۱۱ میلیارد دلار و FieldAI اشاره کرد که در حال جمع‌آوری سرمایه بر مبنای ارزش‌گذاری ۱۰ میلیارد دلاری است.

رقیب دیگر یعنی Skild AI که بیش از ۱۴ میلیارد دلار ارزش دارد، در حال حاضر فروش فناوری با قابلیت‌های مشابه را آغاز کرده است. این شرکت در ماه اوت مدلی را رونمایی کرد که به ادعای آن می‌تواند پس از یک‌بار نمایش ویدئویی، کارهای تازه‌ای را به مدت حداکثر ۱۰ دقیقه اجرا کند. این استارتاپ ماه گذشته اعلام کرد که از بیش از ۶۰ مشتری خود به درآمد سالانه تکرارشونده (ARR) ۱۰۰ میلیون دلاری دست یافته است.

از آزمایشگاه دانشگاهی تا راه‌اندازی استارتاپ

شش سال پیش، جانز در آزمایشگاه خود در امپریال کالج بررسی این موضوع را آغاز کرد که آیا ربات‌ها می‌توانند وظایف فیزیکی جدید را با سرعتی مشابه انسان بیاموزند یا خیر.

در آزمایش‌های اولیه این آزمایشگاه، پژوهشگران یک ربات را به‌طور فیزیکی برای انجام یک کار، مثل برداشتن کاردک و جا‌به‌جا کردن اشیا هدایت می‌کردند. سپس ربات حدود ۳۰ دقیقه زمان صرف جمع‌آوری داده‌های بیشتر درباره شیء و محیط اطراف آن می‌کرد تا در نهایت بتواند کار را به‌تنهایی انجام دهد.

جانز و دانشجوی سابق دوره دکتری او، ویتالیس ووسیلیوس (Vitalis Vosylius)، چند سال بعد را صرف حذف این مرحله اضافی کردند. آن‌ها در اواخر سال گذشته و پس از مشاهده نشانه‌های اولیه مبنی بر اینکه مدل هوش مصنوعی‌شان می‌تواند بلافاصله پس از یک‌بار نمایش، کارهای جدید را انجام دهد، استارتاپ Machenta را تأسیس کردند.

شرکت‌ها به‌طور فزاینده‌ای در حال خرید و گردآوری داده هستند تا نحوه تعامل با دنیای واقعی را به ربات‌ها آموزش دهند؛ اما جانز معتقد است صرفاً انباشت داده‌های بیشتر راه‌حل نهایی نیست. علاوه بر این، هنوز مشخص نیست که برای ساخت ربات‌های همه‌منظوره دقیقاً به چه حجمی از داده‌های آموزشی نیاز خواهد بود. به گفته جانز، Machenta چالش دشوارتر طراحی الگوریتم‌هایی را پذیرفته است که بتوانند داده‌های مصنوعی (Synthetic Data) و کارآمد برای یادگیری وظایف فیزیکی تولید کنند.

استارتاپ Machenta قصد دارد از سرمایه جذب‌شده برای توسعه تیم خود و آموزش مدل با توان پردازشی بالاتر و داده‌های شبیه‌سازی‌شده بیشتر استفاده کند، به این امید که بتواند کارهای بسیار دقیق‌تر و پیچیده‌تری را به ربات‌ها آموزش دهد.