В 1950 году Алан Тьюринг в своей работе «Вычислительные машины и разум» впервые предложил концепцию воплощенного интеллекта, заложив теоретическую основу для его развития. Он также предсказал два возможных пути развития.

Первый путь — это «решение задач», например, шахматы или математические задачи. Современные ChatGPT и AlphaGo являются яркими примерами успеха в этом направлении. Второй путь — это «практический подход», где машины, подобно младенцам, учатся через восприятие мира с помощью зрения, слуха и осязания. Это и есть воплощенный интеллект.

Спустя 70 лет «решатели задач» добились значительных успехов благодаря большим языковым моделям, но когда дело доходит до «практических» роботов, возникают сложности. Например, ChatGPT может легко написать текст, но роботу будет крайне сложно аккуратно поднять пульт от телевизора в вашей гостиной, избегая разбросанных тапочек.

Это иллюстрирует «парадокс Моравека»: вычислительные задачи, требующие высокого уровня абстракции, решаются относительно легко, а базовые сенсорные и моторные функции требуют огромных вычислительных ресурсов.

Реальный мир не имеет «правильных ответов» — пол может быть скользким, освещение меняется, а случайно оставленная чашка может поставить робота в тупик.

Воплощенный интеллект должен преодолеть три ключевых барьера

Конечная цель воплощенного интеллекта — создать роботов, способных существовать в реальном мире, как люди. Однако этот путь оказался сложнее, чем ожидалось, особенно в плане понимания, ассоциативного мышления и способности к взаимодействию.

Первый барьер — адаптация к неструктурированной среде. Традиционный ИИ привык работать по заданному сценарию, например, на производственных линиях, где детали расположены строго определенным образом. Но воплощенный интеллект сталкивается с хаотичными условиями: кошка может внезапно пробежать, полки в магазине могут быть переставлены, а на стройплощадке может подняться ветер.

Воплощенный интеллект требует более продвинутых и гибких вычислительных способностей, чтобы адаптироваться к изменяющимся условиям. Это не просто вопрос обработки данных, а комплексная проверка восприятия и адаптации системы.

Второй барьер — развитие мультисенсорного взаимодействия. Люди эффективно воспринимают мир, комбинируя информацию от зрения, слуха и осязания. Например, увидев чашку, человек может сразу определить, горячая ли она, не проверяя «стандарт температуры».

Воплощенный интеллект должен имитировать этот процесс, чтобы глубже понимать окружающую среду. Это включает не только распознавание объектов в трехмерном пространстве, но и реакцию на динамические изменения.

Третий барьер — развитие метапознания и способности к обучению. Современные роботы действуют как инструменты: если вы скажете «убери пол», они уберут, но не подумают «нужно еще протереть окна». Проблема в отсутствии метапознания — способности анализировать собственные мыслительные процессы.

Кроме того, роботам не хватает способности к непрерывному обучению. Человек, научившись ходить в детстве, легко осваивает езду на велосипеде. Робот же, столкнувшись с новой задачей, может «забыть» предыдущие навыки.

От «механического исполнения» к разумному поведению

Если воплощенный интеллект — это «душа» робота, то сенсорный слой — его «первый контакт» с реальностью. Ключевые технологии здесь — мультимодальное сенсорное объединение и динамическое моделирование среды.

Мультимодальные сенсоры позволяют роботам «чувствовать» мир. Например, стереокамеры и 3D-лидары распознают форму и положение объектов, а тактильные датчики имитируют осязание.

Динамическое моделирование помогает роботам создавать карты в реальном времени. Технология SLAM (одновременная локализация и построение карты) позволяет роботам адаптироваться к изменяющейся среде, например, избегать движущихся людей в складах.

Однако восприятия недостаточно — роботам нужно «мышление». Когнитивный слой анализирует данные, принимает решения и генерирует команды. Это включает:

Иерархическую архитектуру принятия решений, которая разбивает сложные задачи на простые шаги. Например, робот Figure 01 от OpenAI сначала понимает инструкцию «убери стол», затем планирует действия и только потом выполняет их.

Модели мира, которые позволяют роботам накапливать опыт. Подобно ребенку, робот учится на взаимодействиях: например, понимает, что гладкие предметы нужно брать аккуратнее.

Наконец, исполнительный слой отвечает за движение и безопасность. Например, робот Atlas от Boston Dynamics использует гидравлику для прыжков, а манипуляторы с высокой точностью применяются в хирургии.

Трудности на пути развития

Главная проблема воплощенного интеллекта — низкая адаптивность в новых условиях. Например, робот, обученный брать предметы под определенным углом, может не справиться с изменением позиции.

Другие вызовы включают:

Энергопотребление и стоимость: большинство роботов работают менее 2 часов без подзарядки, а их цена превышает 50 миллионов рублей из-за дорогих импортных компонентов.

Этические вопросы: кто несет ответственность, если робот-хирург совершит ошибку? Как автономные автомобили должны принимать решения в критических ситуациях?

Три направления будущего развития

Несмотря на трудности, воплощенный интеллект развивается в трех ключевых направлениях:

1. Мультимодальные большие модели, такие как Google RT-2, которые понимают естественный язык и преобразуют его в действия.

2. Облегченное аппаратное обеспечение, включая биомиметические приводы и нейроморфные чипы, которые снижают энергопотребление и стоимость.

3. Виртуально-реальное обучение через цифровые двойники, ускоряющее освоение навыков в 10 раз.

Воплощенный интеллект — это не просто технология, а шаг к новому этапу взаимодействия человека и машины, где роботы становятся не инструментами, а партнерами.