Piję kawę zrobioną przez robota w San Francisco. Nic specjalnego, prawda? Ekspresy do kawy działają od początku 2010 roku. Ale to, co trzyma filiżankę, to nie tylko ekspres do kawy. To uniwersalny asystent. Mózg.
Ten konkretny okaz składa również ubrania. Obiera marchewki. Sprząta nawet kuchnie. Nauczył się tych sztuczek szybciej, niż większość dzieci uczy się chodzić.
Poznaj inteligencję fizyczną. Założona w 2024 roku. Ich idea jest prosta: budować mózg, a nie ciało.
Inni giganci, tacy jak Tesla i Boston Dynamics, gonią humanoidalne roboty. Amazon automatyzuje magazyny, wykorzystując boty do określonych zadań. Inteligencja fizyczna chce stworzyć system operacyjny, który będzie zarządzał nimi wszystkimi. Jeden adaptacyjny umysł. Niekończące się formy maszyn.
W większości dziedzin rozwiązanie większej liczby problemów utrudnia zadanie. W AI jest odwrotnie: dzięki temu jest łatwiej. Masz bardziej zróżnicowane źródła wiedzy.
Siergiej Lewin, jeden z założycieli, ujął to bez ogródek. Wykłada w Berkeley i wierzy, że różnorodność napędza inteligencję.
To ten sam scenariusz, co boom na chatboty. Eksplozja dużych modeli językowych (LLM), ponieważ moc obliczeniowa i dane w końcu spotkały się z dobrymi algorytmami. Levine ma nadzieję, że robotyka odnotuje tę samą krzywą wzrostu. Ale chłodniej.
Sekretnym składnikiem jest model VLA (Wizja-Język-Działanie).
Robotyka w starym stylu? Naucz tego zadania. Powtarzać. Nudny. Drogi.
VLA czerpią szerokie ogólne rozumienie świata z LLM i zamieniają słowa w ruchy mięśni.
- Mężczyzna mówi: „Posprzątaj ten bałagan”.
- Robot widzi: Brudne naczynia, zepsutą zabawkę.
- Robot działa: Bierze gąbkę. Podnosi zabawkę.
Ingmar Possner z Oksfordu nazywa to najbardziej bezpośrednim tłumaczeniem entuzjazmu dla LLM. Zamiast zgadywać kolejne słowo, robot odgaduje następny ruch.
Ale poczekaj.
Roboty popełniają błędy, ponieważ prawdziwy świat jest chaotyczny. Niekończące się wariacje. Niewystarczające dane szkoleniowe. Programiści zazwyczaj unikają samokształcenia, ponieważ zbieranie takich danych to piekło.
Levin się z tym nie zgadza.
Jego zespół szkoli boty w sztucznych środowiskach. Magazyny zamieniają się w makiety kuchni i sypialni. Co tydzień ponownie instalują pokoje. Wysyłają roboty do prawdziwych domów.
Cel? Uogólnienie.
Model π0,7 niedawno ugotowane słodkie ziemniaki w frytkownicy. Nigdy wcześniej nie widziała tego urządzenia. Ludzie po prostu udzielali instrukcji głosowych krok po kroku. I zadziałało.
Levin jest zdumiony szybkością. Pracuje już od dwóch lat, a postępy przekroczyły jego własne przewidywania.
Pieniądze podążają za szumem. Startupy zbierają miliardy. Amazon i Google DeepMind budują własne floty robotów. Każdy chce teraz wszechstronnego robota.
Ale nie wyprzedzaj siebie.
Paradoks Moraveca istnieje nie bez powodu. Hans Moravec zaobserwował w 1988 roku coś, co pozostaje prawdą: nadanie robotowi logiki na poziomie doktoratu jest łatwe. Nadanie mu zdolności percepcyjnych dziecka jest prawie niemożliwe. Szachy? Zrobiony. Idziesz przez tłum? Trudny.
Possner uważa, że widzimy jedynie wczesne oznaki. Prawdziwe wdrożenie? Jest sceptyczny.
Dlaczego?
Ludzie są zwolennikami. Uwielbiamy roboty trollujące. Niszczenie rzeczy sprawia przyjemność.
Nie wierzy, że w najbliższym czasie pojawi się skalowalny i dochodowy model biznesowy.
Daniel Susskind już o tym pisze. Jak powinniśmy się uczyć, gdy AI przejmuje logikę? Jakie umiejętności przetrwają tę zmianę? Odpowiedzi nie ma w kodzie. To chaos, który zostawiamy, aby te maszyny posprzątały.
To może być jedyne zadanie, jakie naprawdę wykonają jako pierwsze. Rozpraw się z nami.
