Die Wissenschaftlerinnen und Wissenschaftler der Eidgenössischen Technischen Hochschule in Lausanne (EPFL) führten dabei in einer ersten Phase mit Chat-GPT eine Diskussion über zukünftige Herausforderungen für die Menschheit. In dieser Diskussion identifizierten sie - die Forschenden und das Computerprogramm zusammen – die robotergestützte Ernte als eine Lösung für die Herausforderung der globalen Nahrungsmittelversorgung. Chat-GPT kam ausserdem zum Schluss, dass die Tomate diejenige Kulturpflanze sei, für die sich ein Ernteroboter am meisten lohne.

Dann stellten die Forscher Chat-GPT konkretere Fragen, wie zum Beispiel: «Welche Eigenschaften sollte ein Ernteroboter haben?» So wurden das Design und die Spezifikationen des Roboters erarbeitet. Eine zweite Phase war die Realisierung des Roboters. Chat-GPT lieferte dafür den Programmierungs-Code und Ideen für das Design.

Die Forschenden übernahmen die Rolle des Technikers, wie es in der Studie hiess. Sie optimierten den von Chat-GPT vorgeschlagenen Code, finalisierten das Design-Modell und fabrizierten den Roboter.

Potenzial und Fallstricke

Neu sei dabei, dass sogenannte LLM (Large Language Models) wie Chat-GPT nicht nur bei der Entwicklung des Codes, sondern auch beim Design unterstützen. Das könnte laut den Forschenden den Entwurfsprozess von Robotern bereichern und vereinfachen.

Offen bleibe aber die Frage, wie diese Werkzeuge genutzt werden können, ohne dabei die Kreativität, die Innovation und die wissenschaftlichen Bemühungen einzuschränken, die für die Robotik erforderlich seien, um den Herausforderungen des 21. Jahrhunderts gerecht zu werden.

Die Wissenschaftlerinnen und Wissenschaftler sind davon begeistert. «Mit Blick auf die Zukunft sind wir der festen Überzeugung, dass LLMs viele aufregende Möglichkeiten eröffnen werden und dass sie, wenn sie richtig gehandhabt werden, eine Kraft für das Gute sein werden», schrieben sie in der Studie.