Düşünce Liderleri

Robot eğitiminin gerçek maliyeti

Michael Abramov
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Öne çıkan noktalarRobot sonrası eğitim için veri toplama, ham saatlerin önerdiğinden üç kat daha fazla…
Daha fazla göster
  • Robot sonrası eğitim için veri toplama, ham saatlerin önerdiğinden üç kat daha fazla emek gerektirir.
  • Şirketler, veri etiketleme ve gerçek dünya erişim maliyetlerini göz ardı ederek proje maliyetlerini rutin olarak eksik tahmin eder.
  • Robotik endüstrisi, erken otonom sürüş parçalanmasını yansıtarak, optimal veri kombinasyonları konusunda fikir birliğinden yoksundur.

İlk bölümde, robotların temel mekanikten çevrelerini anlamaya nasıl evrildiklerini tartışmıştık. “Son mil” aşamasında – robotlar belirli, özelleştirilmiş görevler için son eğitime tabi tutulduğunda – beklenmedik bir engel ortaya çıkıyor. Bu, veriyle ilgili: toplama, organizasyon ve gerçek dünya koşullarında ölçeklendirme.

Tam da bu aşamada, kavram ve uygulama arasındaki uçurum en belirgin hale geliyor. Ana darboğazlar nelerdir ve bunlar nasıl minimal sürtünme ile aşılabilir?

Binlerce saatlik verinin neden yıllarca çalışma haline geldiği

Şimdi zaten ön eğitimden geçmiş bir robota sahip olduğumuzu varsayalım. Çevresinde gezinebilir, hareket edebilir, engellerden kaçınabilir ve nesnelerle etkileşime girebilir. Bu, “on yaşındaki bir çocuk” gibi, genel olarak bağımsız olarak hareket edebilen bir robottur. Sonraki adım, onu belirli koşullar altında belirli eylemler gerçekleştirmeye öğretmektir, örneğin bir otomotiv üretim hattında cam panelleri ve contaları takmak.

İlk bakışta görev daha basit görünüyor. Tek bir senaryoda ustalaşmak gerekiyor ve gereken veri hacmi, ön eğitime göre çok daha küçüktür. Temel eğitim yüz binlerce saatlik veri gerektirebilirken, son eğitime yalnızca binlerce saatlik veri yeterli olabilir. Ancak bu rakamlar aldatıcı.

Bu sayıları gerçek çalışma süresine çevirdiğinizde, sürecin gerçek karmaşıklığı ortaya çıkıyor. Standart bir çalışma takvimi altında, bir kişi ayda yaklaşık 160 saat çalışır. Ancak bu, tüm bu sürenin kayıt için kullanılabileceği anlamına gelmez.

Pratikte sürekli kesintiler meydana gelir: piller biter, kameralar kayar, sensörler arızalanır. Ekipman kurulumunun karmaşıklığı ne kadar yüksekse, sorun olma olasılığı da o kadar yüksek. Basit bir arızalanma, eldivendeki sensörlerin çalışmaması, süreci durdurabilir ve zaman kaybına neden olabilir.

Sonuç olarak, gerçek veri toplama hızı 2-3 kat daha düşüktür. Bir saatlik yüksek kaliteli kayıt için üç saate kadar gerçek çalışma gerekebilir. Bu, hesaplamayı radikal olarak değiştirir: 5.000 saatlik veri yaklaşık 15.000 saatlik emeğe karşılık gelir.

Karmaşıklığın katmanları

Ön eğitime tabi tutulurken, bir kişiye bir kamera verip günlük aktiviteleri kaydetmesini istemek yeterli olabilir. Ancak bu aşamada, bir fabrika, inşaat alanı veya özel üretim tesisi gibi belirli bir ortama erişim gereklidir.

Bu, hemen pratik kısıtlamalar getirir. Örneğin, bir inşaat sitesinde, işçiler baret takmak zorundadır, bu nedenle özel ekipman geliştirilmelidir: toz, nem ve darbeye karşı dayanıklı kamera entegre edilmiş baretler.

Sonra siteye erişim geliyor. Site sahipleri ile anlaşmalar yapılmalı, izinler alınmalı ve koşullar müzakere edilmelidir. Bu genellikle ek maliyetler anlamına gelir: şirketler tazminat bekler ve işçiler katılım için ücretlendirilmeyi bekler.

Sigorta ve güvenlik uyumu da kritik endişeler haline gelir. Ekipman gerekli standartları karşılamazsa, sigorta geçersiz kılınabilir ve tüm sürecin yeniden yapılandırılması gerekir.

Günlük operasyon seviyesinde, zorluklar devam eder. Kameralar açılmalı, izlenmeli ve bakımı yapılmalıdır. İşçiler eldivenlerle ve zor koşullarda çalışırlar. Ekipman kirlenir, aşınır ve bozulur. Bir kamera birkaç dakika sonra kapanabilir ve kişi bunu fark etmez.

Bu, katılımcıların kendilerini eğitmelerine ihtiyaç duyulmasına yol açar – ekipmanı nasıl kullanacaklarını anlamaları gerekir. Ayrıca, sürekli denetim gereklidir – birisi kaydın devam ettiğinden ve cihazların düzgün çalıştığından emin olmalıdır.

Ham videoyu eğitim verilerine dönüştürme

Kayıt sonrasında, bir sonraki aşama başlar: veri toplama, yükleme, yapılandırma, kalitesini doğrulama ve etiketleme.

Her ham verinin video ve sensör sinyalleri vardır. Eğitim materyali haline getirmek için yapılandırılması gerekir: nesneleri tanımlamak, eylemleri yakalamak ve durumları, hareketleri ve çevreyle etkileşimleri tanımlamak gerekir. İşte burada etiketleme devreye girer. Mantıklı bir soru ortaya çıkar – böyle bir etiketleme iş akışının altın standardı nedir?

Bazı durumlarda, nesneleri bir karede tanımlamak için basit sınırlayıcı kutular yeterli olabilir. Diğerlerinde, eylemlerin zaman içindeki dizilerini tanımlamak için zamanlı etiketleme gerekir. Bazı senaryolarda, vücut hareketini yakalamak için anahtar noktalar ve iskelet modelleri kullanılır. Daha karmaşık durumlarda, 3B mesh veya el duruşu takibi, etkileşim mekaniklerini doğru bir şekilde temsil etmek için gereklidir. Hareket dinamiklerini ve uygulanan kuvveti yakalamak için sıklıkla ivmeölçerler gibi ek sensörler entegre edilir.

Bu tür projeler genellikle ekibin ölçeklendirilmesini gerektirir. Etiketleme, zaman, uzmanlık ve önemli insan kaynakları gerektiren büyük ve karmaşık bir görevdir. İşte burada, iç etiketleme ekiplerine sahip veri çözüm sağlayıcıları devreye girer. Örneğin, Keymakr, herhangi bir veri hacmine, tek bir uzmandan yüzlerce etiketleyiciye kadar, ekiplerini ölçeklendirme yeteneği sayesinde özellikle etkili olmuştur.

Hala doğru bir eğitim yaklaşımı yok

Endüstri hala keşif aşamasındadır, çünkü hangi veri kombinasyonunun en iyi sonuçları verdiğine dair bir uzlaşma yoktur. Çoğu yaklaşım, belirli deneylerde çalıştığı için ampirik olarak doğrulanır. Sonuç olarak, farklı ekipler, kendi deneyimlerine, görevlerine ve kısıtlamalarına göre şekillendirilen farklı teknolojilere güvenmeye devam eder.

Akademik ve uygulamalı seviyede, bu, parçalanmaya yol açar: laboratuvarlar ve şirketler farklı yönlerde ilerliyorlar. Durum, otonom sürüşün ilk günlerini anımsatıyor, Tesla (TSLA ) yalnızca görüntüye dayalı, LiDAR içermeyen bir yaklaşımı seçerken diğer oyuncuların çoğunun LiDAR’ı temel sensör olarak seçtiği zamanı.

LiDAR tabanlı sistemler bugün daha istikrarlı bir performans gösterme eğilimindedir, ancak Tesla’nın yaklaşımı hala gelişmeye devam ediyor. Fark, otonom sürüşte pazarın büyük ölçüde olgunlaşmış olmasıdır: istikrarlı mimariler ortaya çıkmış, sınırlar iyi anlaşılmış ve önemli bir uzmanlık birikmiştir.

Karşılaştırıldığında, Fiziksel AI ve benzeri model eğitimi için bu düzeyde olgunluk henüz ulaşılmamıştır. Pazar hala oluşum aşamasındadır, standartlar eksik ve ilerleme büyük ölçüde deneyselliktir. Model eğitimi, verimliliği artırma ve gerçek dünya senaryolarına uyum sağlama yöntemleri devam etmektedir, bu da bu alanın en önemli atılımlarının hala önünde olduğu anlamına gelir.

İnsan bir pekiştirme sistemi olarak

Etiketleme, izole bir şekilde veya yalnızca model için değil, aynı zamanda onu inşa eden mühendis için de bir araç olarak var. Onun aracılığıyla, gerçekliği formalize eder, ana parametreleri tanımlar ve sistemin davranış kurallarını belirler.

Mühendisin görevi, sisteme gerçek dünya koşullarında eylemleri doğru bir şekilde gerçekleştirmeyi öğretmektir. Örneğin, temel bir senaryo dört eylemden oluşabilir: bir bardağı almak, musluğu açmak, doldurmak ve musluğu kapatmak. Ancak gerçek dünyada bir sapma meydana gelir – bardak taşar.

O anda, modelin senaryoyu tamamlaması ve ek eylemler gerçekleştirmesi beklenir: su akışını durdurmak, su seviyesini ayarlamak ve taşmayı önlemek. Bu, bağlamsal anlama temelinde davranışsal mantıktır.

Mühendis, bir döngü izler: verileri etiketler, modeli eğitir, test eder. Sistem çalışırsa, hipotez onaylanır. Değilse, analiz başlar.

Bir noktada, modelde önemli bir parametrenin eksik olduğu anlaşılabilir, örneğin bardağın doluluk seviyesi. Önceden, veriler nesneler (bardak, musluk, sap) ve eylemler (açma, doldurma, kapatma) için etiketlemeler içerebilir, ancak durum (doldurulma derecesi) için etiketlemeler içermeyebilir.

İşlemeye yeni bir katman eklenir: doldurulma seviyesini etiketleme, ardından formalizasyon, örneğin %85’in üzerinde her şeyi kritik bir durum olarak tanımlama.

Bu, eğitimin bir sonraki iterasyonuna yol açar. Yüzlerce böyle iterasyon olabilir.

Hiç kimse sistemin hemen doğru çalışacağını varsaymaz. Tersine, süreç, ardışık yaklaşımlar etrafında inşa edilmiştir: ilk olarak bir temel versiyon oluşturulur; sonra gerçek veya gerçeğe yakın koşullarda test edilir; boşluklar tanımlanır ve sistem rafine edilir. Bu, Introspector ile müşterilerimle sıkça tartıştığım bir konudur, birlikte Fiziksel AI yolculuğunu tamamlarız.

Belirli bir noktada, istenen sonuç elde edilir. Ancak değeri, yalnızca sistemin çalışmaya başlaması değil, aynı zamanda bu sonucu daha öngörülebilir bir şekilde yeniden üretmeyi sağlayan biriken deneyimdir.

Herkesin unuttuğu ekonomi

Son bir yıl içinde, egosantrik veri ile çalışan şirketlerin yaptığı en büyük hatanın teknolojiyle pek ilgili olmadığını fark ettim.

Temel problem aslında proje ekonomisinin küçümsenmesidir.

Fikir aşamasında, teknoloji ön plana çıkıyor – hangi modelleri kullanmak, nasıl eğitmek ve hangi yaklaşımları uygulamak gerekiyor. Araştırma yapıyor, tartışıyor, hipotezleri test ediyorsunuz. Bu doğal, çünkü teknoloji en somut ve açık problem parçası gibi görünüyor.

Ancak bu aşamada, ekipler doğrudan ve pratik bir soruyu çok daha seyrek sorarlar: maliyeti ne olacak?

Proje teoriden uygulamaya geçtiğinde, her modelin arkasında on binlerce saatlik veri olduğu anlaşılıyor. Bu verilerin toplanması zaman, gerçek ortamlara erişim ve uzmanların katılımını gerektirir. Etiketleme, başka bir karmaşıklık ve maliyet katmanı ekler. Sonuç olarak, nihai rakamlar genellikle ilk beklentilerden büyüklük mertebeleri düzeyinde daha yüksektir.

Bu, böyle projelerin takip edilmemesi gerektiği anlamına gelmez. Tersine, bunlar endüstrinin ilerlemesini sağlayan projelerdir.

Ancak önemli olan, zorluğun kapsamını baştan anlamaktır. Model eğitiminde, her mucizevi algoritmanın arkasında karmaşık, kaynak yoğun veri çalışması olduğunu anlamak.

Çok güçlü fikirlerin, veri maliyetleri yedi haneli tutarların çok üzerine çıktığında, tam olarak uygulanamadığını görmek mümkün.

Ve belki de bugün robotikte meydana gelen en önemli değişim, bu farkındalığa bağlıdır. Bu sistemlerin geleceği, ne kadar “zeki” oldukları ve tüm veri işlem hattının ne kadar etkili ve hassas bir biçimde inşa edildiğiyle belirlenecektir – veri toplamadan nihai yorumlamaya kadar.

Michael Abramov, Scryon’ın kurucusu ve CEO’sudur, 15+ yılın üzerindeki yazılım mühendisliği ve bilgisayarlı görü AI sistemleri deneyimini kurumsal düzeyde etiketleme araçları geliştirmeye getiriyor.

Michael, yazılım mühendisi ve R&D yöneticisi olarak kariyerine başladı, ölçeklenebilir veri sistemleri inşa etti ve çapraz fonksiyonlu mühendislik ekiplerini yönetti. 2025 yılına kadar, veri etiketleme hizmeti şirketi Keymakr'ın CEO'su olarak görev yaptı; burada insan katılımlı iş akışlarının, gelişmiş QA sistemlerinin ve büyük ölçekli bilgisayarlı görü ve otonomi veri ihtiyaçlarını destekleyen özel araçların geliştirilmesine öncülük etti.

Bilgisayar Bilimleri alanında B.Sc. derecesine ve mühendislik ile yaratıcı sanatlar geçmişine sahiptir, zorlu problemleri çözmek için çok disiplinli bir bakış açısı getiriyor. Michael, teknoloji yeniliği, stratejik ürün liderliği ve gerçek dünya etkisinin kesişiminde yaşıyor, otonom sistemler ve akıllı otomasyonun bir sonraki sınırını ileriye taşıyor.