Применение ИИ в робототехнике отстаёт от обещаний: ЛеКун назвал сроки корпораций нереалистичными

Google DeepMind, Tesla, Nvidia и десятки стартапов обещают, что ИИ вот-вот научит роботов двигаться и действовать как люди, но ведущие исследователи, включая одного из основоположников глубокого обучения Янна ЛеКана, называют эти сроки нереалистичными и предупреждают: применение ИИ в робототехнике пока упирается в фундаментальные ограничения.

Материал подготовлен MIT Technology Review совместно с некоммерческим исследовательским фондом Aventine. Журналисты побывали в лабораториях Google DeepMind, поговорили с создателями роботов и собрали позиции ключевых фигур индустрии. Главный вывод: реальный прогресс в применении ИИ в робототехнике есть, но он медленный, а громкие прогнозы скорее мешают, чем помогают.

Что именно изучали?

MIT Technology Review разбирался в главном вопросе: хватит ли тех же методов ИИ, которые стоят за ChatGPT и Claude (генерация текста и изображений на основе больших обучающих данных), чтобы научить роботов действовать в физическом мире так же уверенно, как чат-боты генерируют текст.

Журналисты изучили работу системы Google DeepMind под названием Gemini Robotics. Её тестируют на установке ALOHA 2, это пара механических рук с захватами и камерами. Не гуманоид, а рабочий стенд, на котором проверяют самые продвинутые алгоритмы управления роботами.

Ключевое понятие здесь: «политики робота» (robot policies), набор правил, по которым машина оценивает обстановку, планирует движение и выполняет задачу. Раньше инженеры прописывали каждый миллиметр движения вручную, тысячами строк кода. Сейчас пытаются заменить это обучением на примерах, как нейросети учатся писать текст.

Что обнаружили?

• Прогресс реален, но скромен. Робот под управлением Gemini Robotics способен собрать ланчбокс: аккуратно уложить хлеб в пакет, закрыть контейнер с виноградом, сложить всё в коробку и застегнуть молнию. Три года назад это было невозможно.

• Форма «как у человека» не равна «умный как человек». Джонатан Хёрст, сооснователь Agility Robotics и профессор робототехники в Университете штата Орегон, подчёркивает: сделать робота, похожего на человека внешне, просто; заставить его двигаться и действовать физически как человек на порядки сложнее.

• Янн ЛеКун прямо заявил: «Ни одна из компаний, строящих гуманоидных роботов, абсолютно ни одна, не знает, как сделать этих роботов достаточно умными, чтобы они были полезны». Это сказано в январе 2025 года на Давосе.

• Главный открытый вопрос: достаточно ли методов, работающих для текста и изображений, для физического мира? Исследователи расходятся во мнениях. Одни считают, что нужен принципиально новый подход, другие верят, что масштабирование текущих методов со временем сработает.

• Путаница в терминах вредит пониманию. Исследователи указывают, что СМИ и компании смешивают два разных понятия: «гуманоидный робот» (просто похож на человека) и «универсальная машина» (умеет учиться и выполнять разные задачи). Первое не гарантирует второго.

Что это значит для вас?

Авторам Дзена и копирайтерам. Тема применения ИИ в домашней робототехнике собирает огромные просмотры, но опирается почти целиком на обещания. Когда пишете о Tesla Optimus или роботах от китайских стартапов, ссылайтесь на позицию ЛеКана и Хёрста как на противовес: это добавит статье глубины и доверия. Читатель, который увидит обе стороны, дочитает и вернётся.

Маркетологам. Если клиент или руководство предлагает «внедрить роботов» со ссылкой на Маска, полезно знать реальный горизонт. Применение ИИ в робототехнике на производстве (сортировка, упаковка) уже работает, но в формате узкоспециализированных машин, а не универсальных гуманоидов. Продавать «роботов-помощников» бизнесу пока рано.

Предпринимателям в РФ и СНГ. В России разработкой роботов занимаются «Промобот», лаборатории МФТИ и «Сколтеха». Масштаб скромнее, но и ожидания трезвее. Если рассматриваете инвестиции в робототехнику, ориентируйтесь не на прогноз «1 млрд роботов к 2050», а на то, какие конкретные задачи робот решает уже сегодня и за какую цену.

Самый практичный вывод из всего материала: когда видите очередной прогноз про миллиарды роботов, проверяйте, кто его даёт и есть ли за словами работающий прототип вне лаборатории. Пока таких прототипов нет, каждый прогноз остаётся инвестиционной презентацией, а не расписанием будущего.

По данным MIT Technology Review