Sics vill bli först med mänsklig AI-modell

Superintelligence Computing Systems, Sics är inte som andra AI-utvecklare. Istället för att enbart förlita sig på statistik och igenkänning av mönster, utvecklar de en artificiell generell intelligens (AGI) som strävar efter att tänka och resonera på ett sätt som efterliknar mänsklig intelligens med supermänsklig förmåga. Målet är att skapa en AI som kan resonera, lösa problem och navigera i komplexa och verklighetsförankrade miljöer. Sics utvecklar AGI med mänskliga inlärningsförmågor för att styra robotar och möjliggöra fullständig automation av komplexa miljöer inom olika industrisektorer. Över 70 procent av allt monteringsarbeten i industrin sker manuellt idag och 80 procent av alla lager saknar automation, en triljoner Euro marknadspotential för automation.

– Människan föds med cirka 700 MB information i sitt DNA, vilket är en förhållandevis liten mängd för att klara oss i världen. Barn måste därför själva bygga upp en förståelse för hur omvärlden fungerar och lägga energi på att upptäcka hur saker hänger ihop. Att stegvis lära sig denna världsmodell är avgörande för vår existens, förklarar Karim Nouira.

Inlärning som hos en människa

Karim Nouira menar att den modellen saknas i dagens AI, där stora matematiska modeller istället använder brute force-metoder. Även om dessa modeller kan anpassas väl genom antalet justerbara parametrar, börjar vi närma oss en punkt där marginalnyttan avtar.– Stora språkmodeller som ChatGPT är en återvändsgränd och kommer aldrig att leda till sann intelligens enligt Yann LeCun, Turing Award pristagare och Chief Scientist på Meta. En världsmodell är nödvändig för att kunna resonera på ett kontrollerat sätt, säger Nouira.– Existerande AI lär sig en gång och är sedan statisk, medan vi människor lär oss kontinuerligt genom interaktioner och kontext. För att kunna bygga en mer intelligent AI är det avgörande med en kontinuerlig inlärning som skapar en strukturerad världsmodell där AI har en förståelse för grundläggande fysik, objekt och deras relationer i världen, förklarar han.

Precis som barnet måste en AI skapa sig en omvärldsmodell, eller ett slags karta för att kunna planera, resonera, simulera eller ”drömma” fram olika framtidsscenarier och navigera.

Därför har Sics utvecklat en ny typ av modell inspirerad av just mänsklig inlärning och tänkande.– Vår AI-modell behöver bygga upp en världsmodell från grunden och lära sig världen steg för steg, precis som ett barn. Den börjar med att flytta objekt från punkt A till punkt B, en enkel uppgift för en människa men mycket svår för en AI. Det är lättare för en AI att spela schack än att ställa upp schackpjäserna på brädet. Den verkliga miljön har näst intill oändliga variationsmöjligheter. Vi bygger en AI som interagerar med verkligheten – både i humanoida och industriella robotar, säger Karim Nouira. 

AI-modell används redan i autentiska miljöer 

Efter att ha lärt sig grundläggande fysik går AI-modellen vidare till att förstå mer komplexa samband. Samtidigt integreras ett språk kopplat till verkligheten, så att modellen har verklig semantik och inte bara förlitar sig på statistiska mönster. Det första som AI får lära sig, förklarar Karim, är en dubbelriktad kommunikation, med två tillstånd: ett larmtillstånd och ett naturligt grundtillstånd. Om allt är normalt förblir AI tyst. Men om den uppfattar en avvikelse aktiveras larmet och signalerar att något är utanför det vanliga.– Då kan vi bekräfta om det faktiskt är en avvikelse eller om det fortfarande är inom normaltillståndet. På så sätt lär sig AI både språk och förståelse genom interaktion, på samma sätt som ett barn.

Hur långt har Sics kommit då? Sics AI-modell används redan kommersiellt i lagerhanteringsmiljöer, bland annat hos Nowaste Logistics. Där styr Sics AI en industrirobot från Cognibotics som plockar kundordrar för e-commerceföretag i en komplex och mindre strukturerad miljö där tusentals boxar, flaskor och påsar av olika storlekar och former ligger huller om buller i backar.– Det är en miljö som är mer komplex, oförutsägbar och mindre strukturerad jämfört med traditionell automation. Där är vi bäst i klassen i oberoende tester, säger Karim Nouira.

Nowaste använder redan traditionella industrirobotar inom sin logistikproduktion för tyngre, standardiserade lådor som skickas till butiker. Tekniken är beprövad men saknar modern intelligens, vilket innebär att robotarna utför specifika, förutbestämda uppgifter utan att kunna anpassa sig till nya situationer eller krav. Lösningen Nowaste Logistics och Sics arbetar med för plockning av enskilda konsumentprodukter är något helt annat. 

Högre produktivitet

– Den här tekniken är helt ny på marknaden och innebär att roboten utför arbetsuppgifter som tidigare gjordes manuellt. Där ser vi att robotlösningen ger högre produktivitet till en lägre kostnad jämfört med mänskligt arbete. Samtidigt fortsätter Sics att utveckla robotens kapacitet, så att den kan hantera en mängd olika produkter och anpassa sig till varierande situationer i en ständigt föränderlig omvärld, säger Patrik Johnfors, Solution Design & Implementation Manager hos Nowaste Logistics.

Inför projektets installerades kameror ovanför plockstationerna för att filma hur människor utför plockningen – vilken produkt de väljer, hur de greppar produkten, och så vidare. Genom att kombinera data om vilka produkter som plockas med dessa filmer har AI-systemet likt ett barn lärt sig plockningsprocessen genom imitation, vilket skapar en effektivare och mer noggrann automatisering av arbetsflödet.– Nu när roboten är igång ser vi hur den i produktionsmiljö lär sig av sina misstag, till exempel att greppa produkten på ett nytt sätt om den misslyckas första gången. Och att den sedan kommer ihåg det till nästa gång samma produkt dyker upp, förklarar Patrik Johnfors.

För att hantera utmaningar som uppstår i en komplex lagermiljö har tekniken successivt anpassats. Det betyder att robotarna kan arbeta effektivt även under oregelbundna och varierande förhållanden. Genom att utveckla en robust AI-modell och kombinera sensorer, vision och navigationssystem har roboten fått en ökad förmåga att identifiera och hantera hinder. Det möjliggör en smidig drift i lager med många rörliga delar och oordnade strukturer.– Sics har också arbetat med att roboten ska hantera avvikelser på ett strukturerat sätt så att en mänsklig operatör kan korrigera i efterhand istället för under drift. Vi vill att roboten ska kunna arbeta själv under långa pass och sedan hantera avvikelserna efteråt, säger Johnfors.

AI upplevs ofta som en "svart låda" – hemlig och potentiellt farlig

Karim Nouira menar att en av de stora utmaningarna med dagens AI är dess tendens att "hallucinera". Det innebär att den ibland genererar felaktig information eller tar orealistiska beslut. En brist som kraftigt begränsat dess användning inom affärskritiska tillämpningar, där pålitlighet är avgörande.

– Genom att använda en strukturerad världsmodell uppnår vi ett mer robust beteende hos vår AI, vilket gör det möjligt att automatisera miljöer som hittills inte har kunnat automatiseras, vare sig med AI eller traditionell robotik. – En annan fördel med en strukturerad modell är en högre grad av transparens. Dagens AI upplevs ofta som en "svart låda" – hemlig och potentiellt farlig. Med en strukturerad modell blir informationen mer tillgänglig, vilket gör att vi kan förstå bakgrunden till AI:s beslut och vad den har lärt sig på ett mer överskådligt sätt. Det gör AI säkrare och möjliggör en storskalig användning av AI både inom automation och andra områden. 

– Vår AI speglar ett barns utveckling. De motsvarande första spädbarnåren är mest utmanande att bygga men efter det accelererar utvecklingen mot en vuxen och bortom, mot AGI, avslutar Karim Nouira.

Så ska Sics revolutionera både industri och samhällen.