يُخفى بعناية العمل البشري خلف كواليس الروبوتات الشبيهة بالبشر
تتنافس Nvidia وTesla وعشرات الشركات الناشئة على عرض روبوتات شبيهة بالبشر، مع وعود بثورة "physical AI". لكن تحقيقًا أجرته MIT Technology Review يُظهر أن معظم الم

В январе 2026 года Дженсен Хуанг, глава Nvidia — самой дорогой компании мира, — торжественно объявил о наступлении эры физического искусственного интеллекта. По его словам, ИИ наконец выходит за пределы языковых моделей и чат-ботов, обретая тело и способность взаимодействовать с реальным миром. Красивая формулировка, за которой, однако, скрывается неудобная правда: значительная часть того, что индустрия выдаёт за прорыв в робототехнике, по-прежнему работает на человеческом труде.
Материал MIT Technology Review вскрывает системную проблему, о которой в Кремниевой долине предпочитают не говорить вслух. Десятки компаний — от гигантов вроде Tesla и Nvidia до амбициозных стартапов с миллиардными оценками — регулярно публикуют впечатляющие видеоролики, на которых гуманоидные роботы складывают бельё, сортируют предметы на складах, выполняют сложные манипуляции с объектами. Зрители видят будущее. Но за кадром нередко остаётся оператор с джойстиком или VR-шлемом, который управляет каждым движением машины в режиме реального времени. Или инженер, который запускает заранее отрепетированную последовательность действий, выдавая её за автономное поведение.
Это не мошенничество в юридическом смысле — компании формально не утверждают, что их роботы полностью автономны. Они просто опускают детали. Маркетинговые ролики монтируются так, чтобы создать впечатление самостоятельности машины. Пресс-релизы пестрят словами «ИИ-управляемый» и «автономный», но мелкий шрифт никто не читает. Инвесторы, журналисты и широкая публика видят то, что им хотят показать, — и делают выводы, которые выгодны производителям.
Практика телеоперирования роботов сама по себе не нова и не предосудительна. Это важный этап в разработке: оператор-человек собирает данные о движениях, которые затем используются для обучения нейросетей. Метод называется «обучение на демонстрациях», и он действительно помогает роботам осваивать новые навыки. Проблема возникает тогда, когда этап разработки выдают за готовый продукт. Когда демонстрация с участием человека-оператора преподносится как доказательство того, что робот уже умеет всё это делать сам.
Разрыв между обещаниями и реальностью в робототехнике напоминает ситуацию, которую индустрия ИИ уже проходила с языковыми моделями. Помните, как ранние чат-боты рекламировались как «понимающие» собеседники, хотя на деле просто предсказывали следующее слово? С роботами происходит нечто похожее, только ставки выше. Физический мир гораздо сложнее цифрового: робот должен учитывать гравитацию, трение, хрупкость предметов, непредсказуемость окружения. Каждая из этих переменных — отдельная инженерная задача, которую пока не удалось решить на уровне, достаточном для надёжной автономной работы.
Последствия этого разрыва могут оказаться болезненными. Инвесторы вкладывают миллиарды долларов в компании, чьи реальные возможности они переоценивают. Стартапы вынуждены поддерживать иллюзию, потому что честная демонстрация текущего уровня технологий не соберёт следующий раунд финансирования. Возникает порочный круг: завышенные ожидания требуют ещё более впечатляющих демонстраций, которые требуют ещё больше скрытого человеческого участия. Рано или поздно этот пузырь столкнётся с реальностью — и разочарование может ударить по всей отрасли, включая тех, кто работает честно.
Есть и этический аспект, который выходит за рамки инвестиционных рисков. Люди, которые дистанционно управляют роботами, часто работают в условиях, далёких от идеала: долгие смены, монотонные движения, низкая оплата. Их труд буквально невидим — он спрятан за маркетинговым нарративом о машинах, которые «сами всё умеют». Это ирония, достойная отдельного разговора: технология, которая обещает освободить человека от рутинного физического труда, на текущем этапе создаёт новый вид именно такого труда.
Всё это не означает, что гуманоидные роботы — пустышка. Прогресс в робототехнике реален, и некоторые системы действительно демонстрируют впечатляющие способности к обучению. Но между лабораторным прототипом и надёжным коммерческим продуктом лежит пропасть, которую индустрия пока заполняет маркетингом и человеческими руками. Честный разговор о том, где мы находимся на самом деле, был бы полезнее для всех — и для инвесторов, и для инженеров, и для общества, которому в конечном счёте придётся жить рядом с этими машинами. Эра физического ИИ, возможно, действительно наступает. Но она наступает медленнее, чем хотелось бы тем, кто её продаёт.