Piju kávu připravenou robotem v San Franciscu. Nic zvláštního, že? Kávovary fungují od počátku roku 2010. Ale to, co drží šálek, není jen kávovar. Jedná se o univerzálního pomocníka. Mozek.
Tento konkrétní exemplář také skládá oblečení. Oloupe mrkev. Dokonce uklízí i kuchyně. Naučil se tyto triky rychleji, než se většina dětí učí chodit.
Seznamte se s fyzickou inteligencí. Založena v roce 2024. Jejich myšlenka je jednoduchá: budovat mozek, ne tělo.
Jiní giganti, jako Tesla a Boston Dynamics, pronásledují humanoidní roboty. Amazon automatizuje sklady pomocí robotů pro určité úkoly. Fyzická inteligence chce vytvořit operační systém, který je bude všechny spravovat. Jedna adaptivní mysl. Nekonečné formy strojů.
Ve většině oborů řešení více problémů ztěžuje úkol. V AI je to naopak: usnadňuje to. Máte rozmanitější zdroje znalostí.
Sergej Levin, jeden ze zakladatelů, to řekl bez obalu. Vyučuje v Berkeley a věří, že rozmanitost podporuje inteligenci.
Toto je stejný scénář jako boom chatbotů. Velké jazykové modely (LLM) explodovaly, protože výpočetní výkon a data se konečně setkaly s dobrými algoritmy. Levine doufá, že robotika uvidí stejnou křivku růstu. Ale chladnější.
Tajnou složkou je zde model VLA (Vision-Language-Action).
Starý styl robotiky? Naučte úkol. Opakovat. Nudný. Drahý.
VLA přebírají široké obecné chápání světa z LLM a mění slova ve svalové pohyby.
- Muž říká: “Ukliďte ten nepořádek.”
- Robot vidí: Špinavé nádobí, rozbitá hračka.
- Robot jedná: vezme houbu. Zvedne hračku.
Ingmar Possner z Oxfordu to nazývá nejpřímějším překladem nadšení pro LLM. Místo hádání dalšího slova robot hádá další pohyb.
Ale počkej.
Roboti dělají chyby, protože skutečný svět je chaotický. Nekonečné variace. Nedostatečná tréninková data. Vývojáři se většinou samoškolení vyhýbají, protože sbírat taková data je peklo.
Levin nesouhlasí.
Jeho tým trénuje roboty v umělých prostředích. Sklady se mění v makety kuchyní a ložnic. Každý týden přeinstalují pokoje. Posílají roboty do skutečných domů.
Cíl? Zobecnění.
Model π0.7 nedávno uvařil sladké brambory ve vzduchové fritéze. Nikdy předtím toto zařízení neviděla. Lidé jednoduše dávali hlasové pokyny krok za krokem. A fungovalo to.
Levin je ohromen rychlostí. Pracuje již dva roky a pokrok překonal jeho vlastní prognózy.
Peníze následují humbuk. Startupy vydělávají miliardy. Amazon a Google DeepMind budují své vlastní robotické flotily. Každý chce právě teď všestranného robota.
Ale nepředbíhejte.
Moravcův paradox existuje z nějakého důvodu. Hans Moravec v roce 1988 pozoroval něco, co zůstává pravdou: dát robotovi logiku na úrovni PhD je snadné. Dát mu percepční schopnosti miminka je téměř nemožné. Šachy? Vyrobeno. Procházet davem? Obtížný.
Possner věří, že vidíme jen první známky. Reálné nasazení? Je skeptický.
Proč?
Lidé jsou zastánci. Milujeme trollingové roboty. Ničit věci je zábava.
Nevěří, že by se v dohledné době objevil škálovatelný a ziskový obchodní model.
O tom už píše Daniel Susskind. Jak bychom se měli učit, když AI převezme logiku? Jaké dovednosti tento posun přežijí? Odpověď není v kódu. Je to v chaosu, který za sebou necháme, aby tyto stroje uklidily.
To může být jediný úkol, který skutečně zvládnou jako první. Vypořádejte se s námi.
