Fysisk AI behöver ett nervsystem, inte en större hjärna

Fysiska AI-system som robotar, drönare och autonoma fordon måste reagera på händelser i den verkliga världen, där det kan gå för långsamt att vänta på en avlägsen server. En drönare kan behöva parera en vindby, medan en robot kan behöva fånga en del som faller. Sådana handlingar måste ske där händelsen inträffar, ofta inom millisekunder.

I en opinionsartikel i TechRadar argumenterar Rafael Sotomayor, som i artikeln presenteras som vd och koncernchef för NXP Semiconductors, för att maskiners intelligens behöver fördelas mellan olika lager. Han jämför det med människans nervsystem: storhjärnan står för resonemang, lillhjärnan hjälper till med rörelsesamordning och balans, och ryggmärgen hanterar reflexer.

Sotomayor beskriver en arkitektur med ett långsammare resonemangslager, ett mellanliggande samordningslager och ett snabbt reflexlager vid kanten. I hans lagerexempel använder en humanoid robot resonemang för att bestämma vart den ska och samordning för att hålla balansen när den går. Om ett föremål träffar robotens arm måste reflexlagret snabbt återställa balansen och säkra paketet.

Han lyfter också fram Vision-Language-Action-modeller (VLA) som ett sätt att koppla samman perception och rörelse. Att köra dem inom kantenheters begränsningar för strömförbrukning och minne är fortfarande en teknisk utmaning. Sotomayor säger att utvecklingen kräver energieffektiva processorer för robotintelligensens olika lager samt verktyg och ramverk för att utveckla autonom intelligens vid kanten. Han menar att tillit är avgörande eftersom fysiska handlingar inte enkelt kan göras ogjorda.