私たちはロボット犬のスポットが走ったり、ジャンプしたり、さらには踊ったりするのを見てきました...しかし今度はスポットの会話を見ることができるようになりました。ボストン・ダイナミクスが公開したビデオでは、高い帽子をかぶり、口ひげを生やし、鋭い目をした同社のロボット犬が英国訛りでスタッフと会話し、同社施設のツアーに案内している。
「旅を始めてもいいですか？」スポットは尋ねた。 「充電ステーションはバンバンロボットが休んで充電する場所であり、私たちが最初に訪れる場所です。皆さん、ついて来てください。」デモで示されているように、Spot は質問に答えることができ、さらには「口」を開いて実際に話しているように感じることもできます。
Spot を「話す」ようにするために、Boston Dynamics は OpenAI の ChatGPT API といくつかのオープンソース大規模言語モデル (LLM) を使用して、その応答を注意深くトレーニングしました。次に、ロボットにスピーカーを装備し、テキスト読み上げ機能を追加し、人形の口のように「話す真似」ができるようにしました。
ボストン・ダイナミクス社の主任ソフトウェアエンジニアであるマット・クリンゲンスミス氏は、チームがスポット社の施設内のすべての部屋に対応する「非常に短いスクリプト」を渡した、と語った。次に、ロボットはそのスクリプトとグリッパーと本体のカメラから取得した画像を組み合わせて、「反応する前に見ているものについてのより多くの情報」をロボットに提供します。同社によると、Spot は視覚的な質問応答モデルを使用して、画像にキャプションを付け、画像に関する質問に回答します。
このビデオでスポットが演じる役割は「ファンシー・バトラー」だけではない。この四足ロボットは、1920 年代の考古学者、ティーンエイジャー、そしてシェイクスピアのタイムトラベラーとしても転生します。俳句を書くように頼まれたとき、彼はまた、「部屋で発電機が低くうなり、喜びのない部屋で発電機が低くうなり、まるで私の魂のように」とも言った。
ボストン・ダイナミクスは、スポットをツアーガイドとして試している間に予期せぬことを発見したと述べた。ある時点で、チームはSpotにその「親」は誰なのか尋ねたところ、最終的にSpotは会社のオフィスに展示されている古いSpotモデルに歩み寄った。同社はまた、箱を移動させるために同社が設計したロボット「ストレッチ」がヨガ用に作られた場合など、LLMが依然としてでっちあげの場合があることにも言及した。
クリネスミス氏はボストン・ダイナミクスのウェブサイトへの投稿で、「人工知能とロボット工学の交差点を引き続き探索できることに興奮している」と述べた。 「これらのモデル (LLM) は、多くのロボット タスクに役立つ文化的背景、一般的な常識知識、柔軟性を提供するのに役立ちます。たとえば、ロボットに話しかけるだけでタスクを割り当てることができれば、これらのシステムの使用方法の学習曲線を下げるのに役立ちます。」
動画ではスポットの鳴き声もバカバカしそうに見えますが、犬のようなロボットがドアを開けて人々を監視する能力を考えずにはいられません。結局のところ、いつでも警察や軍隊の道具になる可能性があります。