Гипербола против реальности
Илон Маск прогнозирует, что робот Tesla Optimus станет «самым большим продуктом в истории» и будет стоить всего $20 000, а к 2027 году появится в продаже. Дженсен Хуанг (NVIDIA) заявлял, что к 2026 году роботы достигнут человеческого уровня, а Morgan Stanley оценивает рынок в $5 трлн к 2050 году. Однако лауреат Тьюринга Ян ЛеКун называет эти ожидания нереалистичными, утверждая, что ни одна компания не знает, как сделать таких роботов достаточно умными для реальной работы.
Проблема «физической интуиции»
Главное заблуждение — отождествление внешнего сходства с человеком и способности к универсальному обучению. Джонатан Хёрст (Agility Robotics) отмечает: «Легко сделать робота, похожего на человека. Гораздо сложнее создать машину, которая динамично и физически ведет себя как человек». ИИ, обученный на тексте и изображениях, плохо справляет с бесконечной вариативностью физического мира.
Прорыв Google DeepMind: ALOHA 2 и Gemini Robotics
Вместо humanoid-формы Google DeepMind использует систему ALOHA 2 (две механические руки) для тестирования модели Gemini Robotics. Это VLA-модель (Vision-Language-Action), которая обучается на телеоперации человека. Результат: робот может аккуратно упаковывать ланч-бокс, складывать виноград в контейнер и закрывать крышки, демонстрируя прогресс по сравнению с решениями трехлетней давности.
Эволюция управления: от кода к ИИ
Раньше движения роботов жестко программировались инженерами (тысячи строк кода). Сейчас «политики» роботов передаются ИИ. Переход произошел через два этапа:
- VLM (Vision-Language Models): Робот понимает контекст (видит пролитый кофе и находит тряпку), но не действует.
- VLA (Vision-Language-Action): Модель добавляет команду движения. Робот видит задачу («завяжи шнурки»), планирует действие и выполняет его, если видел похожий пример при обучении.
Сравнение подходов к робототехнике
| Параметр | Традиционный подход | Современный ИИ-подход (VLA) |
|---|---|---|
| Основа управления | Жестко закодированные правила (hard-coded) | Нейросетевые политики, обученные на данных |
| Гибкость | Низкая (требует переписывания кода для новой задачи) | Высокая (обобщение на основе демонстраций) |
| Пример системы | Промышленные манипуляторы 2010-х | Google DeepMind (Gemini Robotics), ALOHA 2 |
| Сложность задачи | Повторяющиеся действия в структурированной среде | Неструктурированные задачи (упаковка, оригами) |
Вывод
Прогресс в робототехнике идет, но он медленнее, чем в генеративном ИИ. Пока что ИИ позволяет роботам лучше «понимать» окружение, но преодоление хаоса физического мира требует новых путей, а не просто масштабирования языковых моделей.
Источник: Technologyreview ↗