Я п’ю каву, приготовлену роботом, у Сан-Франциско. Нічого особливого, правда? Автомати з кавою працюють з початку 2010-х. Але те, що тримає чашку, це не просто кавоварка. Це універсальний помічник. Мозок.
Цей конкретний екземпляр також складає одяг. Чистить моркву. Навіть миє кухні. Він вивчив ці трюки швидше, ніж більшість малюків навчаються ходити.
Знайомтеся: Physical Intelligence. Заснована у 2024 році. Їхня ідея проста: створюйте мозок, а не тіло.
Інші гіганти, такі як Tesla та Boston Dynamics, женуться за людиноподібними роботами. Amazon автоматизує склади за допомогою роботів для одних завдань. Physical Intelligence хоче створити операційну систему, яка керуватиме всіма ними. Один адаптивний розум. Нескінченні форми машин.
У більшості областей вирішення більшої кількості проблем ускладнює завдання. В ІІ навпаки: воно полегшує її. У вас з’являються різноманітні джерела знань.
Сергій Левін, один із засновників, висловився прямо. Він викладає Берклі і вірить, що різноманітність живить інтелект.
Це той самий сценарій, що й бум чат-ботів. Великі мовні моделі (LLM) вибухнули, тому що обчислювальна потужність та дані нарешті зустрілися з добрими алгоритмами. Левін сподівається, що робототехніка побачить ту саму криву зростання. Але крутішу.
Секретний інгредієнт тут – модель VLA (Vision-Language-Action).
Робототехніка старого зразка? Навчіть задачі. Повторюйте. Нудно. Дорого.
VLA беруть широке загальне розуміння світу з LLM і перетворюють слова на м’язові рухи.
- Людина каже: «Прибери цей безлад».
- Робот бачить: Брудний посуд, зламана іграшка.
- Робот діє: Бере губку. Піднімає іграшку.
Інгмар Посснер з Оксфорда називає це прямим перекладом ентузіазму з приводу LLM. Замість того, щоб вгадувати наступне слово, робот вгадує наступний рух.
Але зачекайте.
Роботи помиляються, тому що реальний світ хаотичний. Нескінченні варіації. Недостатньо даних для навчання. Розробники зазвичай уникають самонавчання, тому що збір таких даних – це пекло.
Левін не згоден.
Його команда навчає ботів у штучних середовищах. Склади перетворюються на макети кухонь та спалень. Вони встановлюють кімнати щотижня. Вони відправляють роботів у справжні будинки.
Ціль? Генералізація.
Модель π0.7 нещодавно приготувала солодку картоплю в аерогрилі. Вона раніше ніколи не бачила цього приладу. Люди просто дали покрокові голосові інструкції. І це спрацювало.
Левін уражений швидкістю. Він працює вже два роки, і прогрес перевершив його власні прогнози.
Гроші йдуть за хайпом. Стартапи збирають мільярди. Amazon та Google DeepMind будують власні парки роботів. Усі хочуть універсального робота прямо зараз.
Але не забігайте наперед.
Парадокс Моравека не просто так. Ханс Моравек помітив у 1988 році те, що залишається вірним: дати роботу логіку рівня PhD легко. Дати йому навички сприйняття, як у немовляти, майже неможливо. Шахи? Зроблено. Проходження через натовп? Важко.
Посснер вважає, що бачимо лише ранні ознаки. Реальне розгортання? Він скептичний.
Чому?
Люди – це адверсарії. Ми любимо тролити роботів. Руйнувати речі — це весело.
Він не вірить, що масштабована та прибуткова бізнес-модель з’явиться найближчим часом.
Даніель Саскінд вже пише про це. Як нам слід навчатися, коли ІІ бере на себе логіку? Які навички переживуть це зрушення? Відповідь не в коді. Він у хаосі, який ми залишаємо по собі для цих машин, щоб вони його прибирали.
Можливо, це єдине завдання, яке вони по-справжньому освоюють першим. Розбиратися з нами.
