Nvidia, fiziksel yapay zekanın sağlık robotlarının veri sorununu çözebileceğine inanıyor.
Özet
Nvidia'nın geliştirdiği yeni Tıbbi Fizik Simülasyonu çerçevesi, sağlık robotlarını metin veya görüntülerle değil, temas ve kuvvet gibi somut deneyimlerle öğrenen fiziksel yapay zeka sistemleri olarak ele almaktadır. Sağlık robotiğinde gerçek dünyadaki klinik deneyimlerin sınırlı ve denetimli olması nedeniyle, bu sistem cerrahi ve teşhis robotlarının ameliyathanede karşılaşılması yıllar sürecek karmaşık fiziksel etkileşimleri simülasyon yoluyla üretir. Isaac for Healthcare platformuna açık kaynaklı olarak eklenen bu çerçeve; kireçlenmiş damarlar, sıkışmış böbrek taşları ve yumuşak doku tepkileri gibi nadir uç durumların geliştiriciler tarafından isteğe bağlı olarak oluşturulmasına olanak tanır. Klasik fizik simülasyonu ile gelişmiş modelleme yöntemlerini birleştiren sistem, tıbbi cihazların vücut içinde nasıl davrandığını neşter vurulmadan önce öngörerek robotlara fiziksel sezgi kazandırmayı amaçlar.
Nvidia'nın yeni Tıbbi Fizik Simülasyonu çerçevesi, sağlık robotlarını sadece kod olarak değil, öğrenmek için somutlaşmış deneyime ihtiyaç duyan fiziksel yapay zeka sistemleri olarak ele alıyor.
Fiziksel yapay zeka, Nvidia ve robotik endüstrisinden birçok kişinin artık metin veya görüntüler aracılığıyla değil; temas, kuvvet ve sonuç yoluyla dünyanın nasıl davrandığını öğrenmek zorunda olan makineleri tanımlamak için kullandığı terimdir.
Bir dil modeli metinden öğrenir. Fiziksel bir yapay zeka sistemi ise bir kateter damar duvarıyla karşılaştığında veya bir robotik kol yumuşak dokuya çok fazla baskı uyguladığında ne olduğundan öğrenir. Bu tür bir öğrenme normalde ya fiziksel dünyada çalışan fiziksel bir gövdeyi ya da bunun yerini alabilecek kadar ayrıntılı bir simülasyonu gerektirir.
Sağlık robotiği için, gerçek prosedürlerde çalışan fiziksel gövdeler nadirdir, sıkı bir şekilde denetlenmektedir ve bir robotun gerçekten görmesi gereken senaryo yelpazesini yavaş oluşturur. Tıbbi Fizik Simülasyonu, Nvidia'nın bu somutlaşmış deneyimi hesaplamalı olarak üretme girişimidir.
Şirketin Isaac for Healthcare platformuna açık kaynaklı bir ekleme olarak duyurulan çerçeve, cerrahi veya teşhis robotunun aksi takdirde karşılaşmak için yıllarca klinik maruziyete ihtiyaç duyacağı fiziksel etkileşimleri üretir: kireçlenmiş bir damar duvarına takılan bir kılavuz tel, olağandışı bir açıda sıkışmış bir böbrek taşı veya yalnızca prosedürlerin küçük bir kısmında ortaya çıkan yumuşak doku tepkisi.
Bu uç durumların hiçbiri bir ameliyathanede zamanında gerçekleşmez. Simülasyon, geliştiricilerin bunları isteğe bağlı olarak oluşturmasına olanak tanır.
Neşter işin içine girmeden önce fiziksel sezgi oluşturmak
Çerçeve, cihazların vücut içinde nasıl davrandığını modellemenin iki yolunu birleştirir.
Klasik fizik simülasyonu, halihazırda iyi anlaşılan mekanik kuralları ele alır: bir kateterin nasıl büküldüğü, bir damar duvarının ne kadar direnç uyguladığı, bir enstrüman doku içinden hareket ederken temas kuvvetlerinin nasıl değiştiği. Üretken yapay zeka ise elle kodlanması daha zor olan kısmı ele alır: Nvidia'nın Cosmos-H Dreams olarak adlandırdığı bir bileşen aracılığıyla sunulan, prosedürel verilerden öğrenilen görsel sahne dinamikleri.
Bu kombinasyon, minyatür halindeki fiziksel yapay zeka önerisidir. Klasik simülasyon, bir robot politikasına uyması gereken fiziği verir. Üretken simülasyon ise genelleme yapması için ihtiyaç duyduğu görsel ve anatomik varyasyon yelpazesini sağlar. Bir araya getirildiğinde ve Nvidia'nın Warp ve Newton kütüphaneleri kullanılarak GPU'larda ölçekli olarak çalıştırıldığında, çerçeve aynı anda tek bir sahne yerine çok sayıda paralel eğitim ortamını çalıştırabilir.
Nvidia, 8.192 paralel ortamı çalıştıran bir kıyaslamanın eğitim süresini beş saatten uzun süreden iki dakikanın altına indirdiğini belirtiyor. Ancak bu, klinik güvenilirliği değil, iş hacmini gösterir ve bu şekilde eğitilmiş bir politikanın eksik görüntüleme, gecikmiş sensör okumaları ve hatta simülasyonun modellediği her şeyin dışına çıkan anatomi karşısında nasıl performans gösterdiği hakkında hiçbir şey söylemez.
Bir uç performansta yetersiz kalan bir dil modeli kötü bir yanıt üretir, ancak bir uç performansta yetersiz kalan fiziksel bir yapay zeka sistemi şu anda çalışmaktadır: