Nature commente les efforts de la plupart des grandes entreprises technologiques possédant une expertise en intelligence artificielle (IA) pour intégrer cette technologie dans la robotique. L’objectif serait d’« imprégner » les robots de connaissances de bon sens, leur permettant ainsi d’accomplir un large éventail de tâches.

Puisque des robots intelligents pourraient faire preuve d’une plus grande autonomie et d’adaptabilité dans des circonstances très variées, on prévoit leur utilisation dans de multiples tâches dans des usines. À terme, sous une forme humanoïde, ils pourraient agir comme des accompagnateurs capables d’offrir du soutien aux personnes âgées.

En même temps, les scientifiques sont d’avis que la possibilité que la robotique offre une « expérience incarnée » à la formation en IA ouvrirait la porte à une « intelligence générale artificielle ». Celle-ci serait munie de capacités cognitives semblables à celles des humains dans l’exécution de n’importe quelle tâche. Cependant, les obstacles sont nombreux et les critiques dénoncent les démonstrations techniques d’entreprises en quête de publicité rapide.

Un obstacle de taille réside dans la difficulté à rassembler suffisamment de données pertinentes pour que les robots puissent agir intelligemment, par exemple, tirer des leçons, savoir comment gérer du matériel capricieux et répondre aux préoccupations en matière de sécurité. Les experts soulignent qu’il est très difficile de contrôler un robot – sans parler d’un robot de forme humaine –, car le monde réel est extrêmement varié et en constante évolution. De ce fait, une tâche aussi simple qu’ouvrir une porte est en réalité extrêmement complexe.

Pour surmonter cet obstacle, les experts utilisent de plus en plus des modèles de base d’IA qui utilisent des réseaux neuronaux, semblables à ceux du cerveau, pour établir des associations parmi une quantité immense de données génériques. De façon analogue, un modèle de base de robot peut être formé à partir de textes et d’images provenant d’Internet, lui fournissant des informations sur la nature de divers objets et leurs contextes. Par la suite, ce modèle de base robotique peut observer un scénario et utiliser ses associations apprises pour prédire quelle action conduira au meilleur résultat.

Le problème semble être que pour bien comprendre les bases des mouvements et leurs conséquences, les robots doivent encore apprendre de nombreuses données physiques. Par ailleurs, il n’existerait pas d’ensemble de données assez important pour l’activité robotique.

La solution serait la mutualisation des données, c’est-à-dire, le partage et l’intégration des données en provenance de douzaines de laboratoires répartis un peu partout dans le monde. La théorie des collaborateurs est que l’apprentissage du monde physique dans un corps de robot devrait aider l’IA à en faire fonctionner un autre. Selon l’article de Nature, cela semble fonctionner, car un modèle de base, conçu à partir de la collaboration, appelée RT-X, a mieux fonctionné sur des tâches réelles que les modèles que les chercheurs ont formés sur une seule architecture de robot.