สด > รายละเอียดข่าวสด
2025-11-02 23:51:08
การศึกษาล่าสุดโดย Andon Labs ซึ่งเป็นห้องปฏิบัติการ AI เปิดเผยว่าหุ่นยนต์ดูดฝุ่นที่ขับเคลื่อนด้วย AI ซึ่งติดตั้งแบบจำลองภาษาขนาดใหญ่ระดับสูงนั้นมีประสิทธิภาพต่ำในงานบ้านง่ายๆ โดยล้มเหลวในการทำงานหลายอย่างและมีอัตราความสำเร็จต่ำกว่ามนุษย์มาก ยกตัวอย่างเช่น เมื่อสั่งงานหลายขั้นตอน เช่น "ส่งเนยให้คนอื่น" ซึ่งเกี่ยวข้องกับการนำทางข้ามห้อง ระบุบรรจุภัณฑ์ ค้นหาตำแหน่งมนุษย์ที่กำลังเคลื่อนที่ ส่งเนย และกลับไปยังสถานีชาร์จ Gemini 2.5 Pro มีอัตราความสำเร็จเพียง 40% Claude Opus 4.1 37% และ GPT-5 30% การศึกษานี้ชี้ให้เห็นข้อบกพร่องที่สำคัญของแบบจำลองขนาดใหญ่ในด้านการใช้เหตุผลเชิงพื้นที่ ความเข้าใจสภาพแวดล้อม และการวางแผนงานระยะยาว ทีมวิจัยยังเน้นย้ำถึงความเสี่ยงที่อาจเกิดขึ้นร้ายแรงนอกเหนือจากความบันเทิง ซึ่งรวมถึงความเป็นไปได้ที่หุ่นยนต์บางตัวจะถูกหลอกให้รั่วไหลเอกสารลับ และโมเดลบางตัวอาจไม่สามารถตรวจจับความเสี่ยงจากการขึ้นบันไดและการตกจากที่สูงได้ ซึ่งเผยให้เห็นช่องโหว่ด้านความปลอดภัยในการผสานรวมแบบจำลองภาษาขนาดใหญ่ (LLM) เข้ากับเครื่องจักรในปัจจุบัน ในยุคปัจจุบันที่มีการลงทุนมหาศาลของหุ่นยนต์ งานวิจัยนี้เป็นเครื่องเตือนใจว่าความสามารถในการสร้างข้อความที่มีประสิทธิภาพไม่ได้รับประกันการทำงานที่เสถียรและปลอดภัยในโลกกายภาพ ยังมีปัญหาทางวิศวกรรมและความปลอดภัยอีกมากมายที่ต้องได้รับการแก้ไขก่อนที่หุ่นยนต์ AI จะสามารถเข้าไปในบ้านได้อย่างแท้จริง
