Pomimo szybkiego postępu w robotyce i sztucznej inteligencji prawdziwie wszechstronne roboty humanoidalne nadal są w dużej mierze zamknięte w laboratoriach badawczych i wyspecjalizowanych zakładach przemysłowych. Wizja androidów płynnie wkomponowanych w codzienne życie – nalewających napoje, wykonujących prace domowe czy po prostu idących ulicą bez przewrócenia się – pozostaje uparcie nieuchwytna. Głównym problemem nie jest tworzenie samych maszyn; chodzi o to, aby niezawodnie funkcjonowały w chaotycznym i nieprzewidywalnym świecie rzeczywistym.
Przepaść między rzeczywistością a halą produkcyjną
Miliony robotów wykonują już powtarzalne zadania w fabrykach, odkurzając podłogi i kosząc trawniki. Są to jednak narzędzia specjalistyczne. Robot tak wszechstronny jak science fiction – jak C-3PO czy Dolores Abernathy – wymaga znacznie większego poziomu zdolności adaptacyjnych. Robot może bezbłędnie wykonać układ taneczny na płaskiej powierzchni, ale dodaj do tego nierówne chodniki, śliskie schody lub nieprzewidywalne zachowanie człowieka, a system się psuje. Wyobraź sobie, że poruszasz się po zagraconej sypialni w ciemności, trzymając w ręku pełną miskę zupy: każdy krok wymaga ciągłej ponownej kalibracji i oceny sytuacji.
Sztuczna inteligencja nie jest jeszcze rozwiązaniem…
Duże modele językowe (LLM), takie jak ChatGPT, nie rozwiązują tego problemu. Są doskonałymi procesorami informacji, ale brakuje im wiedzy cielesnej. LLM doskonale potrafią opisać żeglowanie, ale nigdy nie czuli wiatru ani nie trzymali żagla w rękach. Jak zauważa Yann LeCun, główny naukowiec zajmujący się sztuczną inteligencją w Meta, czteroletnie dziecko przetworzyło już 50 razy więcej danych wizualnych niż największe LLM, na których są szkolone. Dzieci uczą się na podstawie lat doświadczeń fizycznych; istniejące zbiory danych AI są przyćmione w porównaniu i skupiają się na niewłaściwym rodzaju informacji. Miliony wierszy nie nauczą robota składać prania.
Dwa podejścia, oba niedoskonałe
Robotycy realizują dwie główne strategie wypełnienia tej luki. Pierwsza to demonstracja, podczas której ludzie zdalnie sterują robotami (często za pośrednictwem rzeczywistości wirtualnej) w celu tworzenia szkoleniowych zbiorów danych. Drugi to symulacja, która pozwala systemom AI ćwiczyć zadania tysiące razy szybciej niż ludzie. Obie metody napotykają jednak „lukę między rzeczywistością a symulacją”. Zadania symulowane w środowisku wirtualnym mogą zakończyć się niepowodzeniem w świecie rzeczywistym z powodu niezliczonych brakujących szczegółów: tarcia, nierównych powierzchni, nieprzewidywalnego oświetlenia.
Nieoczekiwana złożoność zadań domowych
Nawet pozornie proste zadania są dla robotów niezwykle trudne. Wyobraź sobie, że wchodzisz do wypełnionej po brzegi siłowni w poszukiwaniu konkretnej koszulki. Ludzka dłoń natychmiast wyczuwa tekstury, kształty i opór, co pozwala nam identyfikować przedmioty za pomocą dotyku, bez konieczności wyciągania czegokolwiek. Dlatego pierwsze Światowe Igrzyska Robotów Humanoidalnych, w których uczestniczyli piłkarze-roboty i bokserzy, nie zakończyły się sukcesem. Ludzie nie chcą robotów sportowych; chcą maszyn, które mogą składać pranie, zbierać psie odchody lub wycierać im masło orzechowe z rąk.
Podobieństwa z samochodami autonomicznymi
Wyzwanie jest podobne do tego, przed którym stoją samochody autonomiczne. Tesla i inne firmy gromadzą ogromne ilości danych dotyczących jazdy, aby szkolić swoje systemy AI. Jednak domy, place budowy i otwarte przestrzenie są znacznie bardziej chaotyczne niż autostrady, co sprawia, że problem ten jest wykładniczo trudniejszy.
Przyszłość pozostaje niepewna
Dzisiejsze roboty są projektowane do pracy w kontrolowanych środowiskach — magazynach, szpitalach lub ściśle określonych chodnikach — i wykonują jedną konkretną pracę. Digit firmy Agility Robotics przenosi palety magazynowe; Rysunek Roboty AI pracują na liniach montażowych. Maszyny te są przydatne, ale dalekie od uniwersalnych asystentów. Eksperci nie są zgodni co do tego, kiedy (i czy w ogóle) ta luka zostanie zamknięta. Dyrektor generalny Nvidii, Jensen Huang, przewiduje, że przełom nastąpi „za kilka lat”, natomiast robotyk Rodney Brooks ostrzega, że opłacalne wdrożenia będą „za ponad dekadę”, powołując się na obawy dotyczące bezpieczeństwa. Jego rada? Zachowaj co najmniej trzy metry odległości od pełnowymiarowych robotów kroczących.
Ostatecznie marzenie o wszechobecnych humanoidalnych robotach pozostaje tylko marzeniem. Fundamentalne ograniczenia istniejących technologii sprawiają, że prawdziwa uniwersalność pozostaje odległym celem, wymagającym przełomów w sprzęcie i sztucznej inteligencji, których nie widać jeszcze na horyzoncie.
