🎧 Робототехника: главное за неделю

_Аудио подкаст — двое AI-ведущих обсуждают свежие AI-новости. Полный транскрипт ниже._

Ведущий A (00:00): Так, давайте разберём это по полочкам. Сегодня у нас на столе ну, метафорически целая стопка свежих материалов для этого глубокого разбора.

Ведущий B (00:11): Ага, и материалы, я бы сказала, довольно переворачивающие привычную картину.

Ведущий A (00:16): 100 процентов. Тут и закрыты отчеты стартапов, и сухие научные публикации по новым бенчмаркам, и даже инвестиционные сводки от гигантов вроде Nvidia.

Ведущий B (00:28): Да-да, все в 1 кучу, но очень логичную кучу.

Ведущий A (00:32): Именно. И если свести все эти цифры, графики, новости к 1 мысли, то мы стоим на пороге просто фундаментального сдвига.

Ведущий B (00:41): Сдвига от жесткого контроля к хаосу, верно?

Ведущий A (00:44): Да, именно к выживанию в хаосе. Мы все как-то привыкли к образу современного завода ну, знаете, стоимостью в сотни 1000000 долларов. Там всё работает как идеальный часовой механизм.

Ведущий B (00:56): Где каждая деталь скользит по конвейеру, роботы делают такие красивые выверенные взмахи.

Ведущий A (01:03): Вот, вот эти идеальные взмахи. Но стоит кому-то случайно оставить гаечный ключ на полу или сдвинуть рабочий стол буквально на пару сантиметров и всё. Вся эта идиллия рушится.

Ведущий B (01:17): Робот слепо врезается в препятствия. Врезается препятствия.

Ведущий A (01:19): Да. Манипулятор, в муз которого жестко вшиты строгие геометрические координаты, просто замирает, выдает ошибку, а то и ну ломает дорогостоящее оборудование.

Ведущий B (01:31): И эта проблема жёсткого программирования была, пожалуй, главным якорем всей индустрии десятилетиями.

Ведущий A (01:37): Шаг влево, шаг вправо катастрофы.

Ведущий B (01:39): Точно. Машины великолепно справляются с повторением 1 и того же математического действия 1000000 раз, но они оказываются абсолютно беспомощными перед базовым, ну, бытовым хаосом реального физического мира.

Ведущий A (01:53): У них просто нет интуиции.

Ведущий B (01:55): Да, у них нет того, что мы называем пониманием физического контекста. Точнее, так было до недавних времен. Судя по тем данным, которые лежат перед нами, правила игры переписываются прямо сейчас.

Ведущий A (02:08): И это как раз главная миссия нашего сегодняшнего разбора. Мы исследуем, как искусственный интеллект прямо на наших глазах обретает физическое тело.

Ведущий B (02:18): Отказывается от многотомных инструкций.

Ведущий A (02:20): Учится выживать в непредсказуемой среде. Если проанализировать все источники, возникает 1 поразительный инсайт. Будущее настоящей революции машин строится вовсе не на гигантских вычислительных мощностях.

Ведущий B (02:32): И не на бесконечных серверных ферм.

Ведущий A (02:35): Да. Оно строится на невероятно элегантных, компактных, локальных решениях и мышечной адаптивности.

Ведущий B (02:41): Слушай, чтобы по-настоящему осознать масштаб этих изменений, нам нужно спуститься на базовый уровень механики. Прежде чем доверить роботу глобальную цепочку поставок, ему нужно освоить фундаментальную физику.

Ведущий A (02:54): Ну типа просто взять деталь и не сломать

Ведущий B (02:56): её? Вот именно. Захватить криво лежащую деталь сложной формы и не раздавить. И документы показывают тут совершенно нетипичный подход.

Ведущий A (03:05): О да, в 1 из исследований описан очень показательный эксперимент. Инженер взял небольшого гусеничного робота с манипулятором и интегрировал в него языковую модель от Google Gemini Nano.

Ведущий B (03:18): И тут важные цифры.

Ведущий A (03:19): Да, самые важные цифры. В этой модели всего 270 1000000 параметров.

Ведущий B (03:25): Кто на фоне монструозных версий GPT просто микроскопически мало? Те требуют целых дата-центров и чуть ли не атомных электростанций для питания.

Ведущий A (03:36): 100 процентов. А тут автор проекта описывает это как настоящий нейропанк. Робот обучается в симуляции, у него вообще нет доступа к интернету, он не обращается ни к каким облачным серверам.

Ведущий B (03:48): Все локально.

Ведущий A (03:49): Абсолютно. И вот тут хочется остановиться. Зачем вообще отрезать современного робота от облака, где лежат эти бесконечные мощности?

Ведущий B (03:58): Ну, потому что в физическом миле облако это смерть из-за латентности. Задержка сигнала решает все. Представь, что робот пытается удержать выскальзывающий хрупкий предмет. Ага. Сигнал с сенсоров должен уйти на сервер где-то в другой стране, обработаться огромной моделью и вернуться обратно с командой сжать пальцы на 2 миллиметра сильнее.

Ведущий A (04:21): А на это уходит полсекунды?

Ведущий B (04:23): Да, а за полсекунды предмет уже разобьётся о бетонный пол.

Ведущий A (04:28): То есть это разница между тем, чтобы искать ответ в огромной библиотеке на другом конце города, и тем, чтобы просто одернуть руку от горячей плиты на уровне спинного мозга?

Ведущий B (04:36): Отличная аналогия. Нам нужны именно локальные рефлексы. И вот эта компактная модель на 270000000 параметров дает нужную автономность.

Ведущий A (04:46): Плюс, наверное, энергопотребление?

Ведущий B (04:48): Конечно. Постоянно держать активный канал связи с облаком, передавать потоковое видео это же убийство для батареи мобильного агента.

Ведущий A (04:56): Понятно. В этом эксперименте компактная модель локально получала данные об угле поворота суставов, координаты, картинку и училась двигаться методам проб и ошибок прямо на борту.

Ведущий B (05:07): Симуляторами, да.

Ведущий A (05:08): Но тут мы видим стопроцентную симуляцию. Модель сидит в виртуальной коробке. В наших источниках есть и совершенно противоположный подход к той же проблеме хаоса.

Ведущий B (05:19): О, ты про Generalist?

Ведущий A (05:21): Да. И он звучит еще более фантастично. Стартап Generalist, в который, судя по сводкам, вложилась Nvidia. Ребята пошли абсолютно другим путем.

Ведущий B (05:31): Вместо виртуальной реальности они используют реальных людей?

Ведущий A (05:35): Да. Вместо того, чтобы писать код, они используют так называемые грязные человеческие данные. Обычным рабочим на заводе надевают на запястье носимые датчики.

Ведущий B (05:45): Ммм, визуально это выглядит как такие продвинутые фитнес-браслеты.

Ведущий A (05:49): А. Гра. И эти браслеты просто записывают чистую физику человеческих движений во время ежедневной рутины.

Ведущий B (05:56): Каждый угол наклона локтя, каждое микроускорение

Ведущий A (06:00): кисти? Малейшие адаптации, когда человек берет ту самую криво лежащую деталь.

Ведущий B (06:05): И результаты этого подхода, скажем так, разрушают старые догмы робототехники. В отчетах Generalist фигурирует цифра в 99% успеха в реальных непредсказуемых условиях завода. Человеческих движений.

Ведущий A (06:31): То есть робот буквально впитывает в себя чужой физический опыт. Когда деталь лежит нестандартно, он не выдает ошибку синтаксиса, он как бы вспоминает тот самый паттерн, который подсмотрел у живого оператора?

Ведущий B (06:43): Да, вспоминает адаптацию кисти.

Ведущий A (06:46): Слушай, но возникает забавная мысль. Если робот учится на сырых человеческих движениях, не скопирует ли он случайно наши вредные привычки?

Ведущий B (06:54): В смысле?

Ведущий A (06:55): Ну, рабочий задумался, почесал затылок браслетом, а потом взял деталь. Робот тоже будет делать эту микропаузу на почесать затылок?

Ведущий B (07:04): Ах, ну, как раз для фильтрации такого шума и нужны алгоритмы очистки данных. Но доля правды в этом есть машина перенимает именно человеческую кинематику. Да уж. И здесь важно то, как этот сбор сырых физических данных примеряется с первым подходом симуляции от Google.

Ведущий A (07:23): Да, потому что на первый взгляд это 2 абсолютно разных полюса. 1 сидит в стерильной матрице, другой впитывает хаос реального

Ведущий B (07:31): цеха. Но системно они решают разные задачи в 1 цепи. Смотри, симуляция это идеальный безопасный полигон.

Ведущий A (07:38): Там компактные модели могут 1000000 раз упасть.

Ведущий B (07:41): Точно. Упасть, врезаться в стену, сломать виртуальный манипулятор. Они обучаются базовой логике без риска повредить физическое железо стоимостью в сотни 1000 долларов.

Ведущий A (07:52): Разумно.

Ведущий B (07:53): Но никакая, даже самая продвинутая симуляция, не способна математически просчитать все нюансы реального мира. Точечный износ с шестеренки, случайную каплю масла.

Ведущий A (08:04): Или блик света от окна, который слепит сенсор.

Ведущий B (08:08): Да, и вот тут на сцену выходят данные с образцов. Сбор физических метрик даёт ту самую интуитивную мышечную память, которую просто невозможно сгенерировать в коде.

Ведущий A (08:21): То есть индустрия собирает гибрид мозг, который выучил логику в виртуалке, и рефлексы, скопированные из суровой реальности.

Ведущий B (08:29): Абсолютно верно.

Ведущий A (08:31): А заводская реальность действительно сурова. И вот здесь начинается самое интересное в наших материалах. Допустим, мы научили робота идеально двигаться, он ловкий. Но быть ловким 5 минут на презентации не значит уметь выживать. Заводские 40 градусов тепла это суровый тест на железо.

Ведущий A (08:50): Что будет, если агент будет работать 247 без перерывов?

Ведущий B (08:53): О, этот вопрос заставил исследователей пересмотреть сами методы оценки ИИ. В документах описывается совершенно новый стандарт тестирования Benchmark MLT-1.

Ведущий A (09:03): Долгое время ведь измеряли тестами вроде MMLU?

Ведущий B (09:06): Да, но это статика. Вы даёте модели текст по праву, и она генерирует ответ.

Ведущий A (09:12): По сути, тест на эрудицию в вакууме.

Ведущий B (09:15): Но воплощённый EI требует других метрик. Денчмарк Melt1 измеряет цену успешных решений, время реакции в стрессе и выживание под так называемым дрифтом оборудования.

Ведущий A (09:28): Тут стоит пояснить условия этого бенчмарка, потому что они звучат как пытка. Температура 40 градусов, 30 суток непрерывной автономной работы.

Ведущий B (09:37): Это как оставить ноутбук на приборной панели авто под солнцем и запустить сложную игру.

Ведущий A (09:42): Во-во. И цифры из отчёта Meld1 просто ошеломляют. Там фигурирует архитектура Metabolic.AI. Метаболический ИИ, который вообще не использует трансформеры.

Ведущий B (09:52): И по композитным метрикам выживаемости этот метаболический Ai обошел известную модель Lama 7b int 8 в 1600 раз

Ведущий A (10:01): Вдумайтесь в эту пропасть! В 1600 раз в тексте есть даже пугающая констатация, цитирую: Трансформеры умирают через 11 часов под дрифтом. Ну,

Ведущий B (10:13): если разобрать механику, становится ясно, почему происходит этот крах. Трансформеры исторически создавались для пакетной обработки.

Ведущий A (10:21): То есть они получают запросы?

Ведущий B (10:23): Сканируют веса, выдают ответ и, грубо говоря, засыпают до следующего запроса. А воплощённый ИИ не имеет права засыпать он должен каждую миллисекунду считывать потоки данных.

Ведущий A (10:37): А что именно подразумевается под этим дрифтом, который убивает модель за 11 часов?

Ведущий B (10:42): Аппаратный дрифт это неизбежное изменение свойств системы со временем. При долгой работе моторы нагреваются, выдают другое сопротивление. Заводская смазка теряет вязкость.

Ведущий A (10:54): На линзы садится пыль?

Ведущий B (10:56): Точно, сигналы искажаются, трансформеры не могут адаптироваться к этому непрерывному потоку меняющихся данных. Они накапливают математические ошибки. Спустя 11 часов ошибки переполняют контекст, и робот застывает.

Ведущий A (11:10): Или начинает хаотично дергаться. А архитектура Metablog.ai работает по-другому.

Ведущий B (11:16): Да, само слово метаболический не случайно, она работает как пищеварительная система для данных, постоянно переваривает поток, отсеивая шум и адаптируясь к нагреву на лету.

Ведущий A (11:26): Поразительно. И важно подчеркнуть деталь: интеллектуальная собственность на Metaboloc.ai закрыта патентами, но сам бенчмарк MELT-1 полностью открыт для сообщества.

Ведущий B (11:38): Теперь любой инженер может подвергнуть своего робота этому тесту, и это колоссальный шаг мы перестаём оценивать физических роботов по тому, как умно они пишут текст.

Ведущий A (11:47): Проверяем реальную живучесть. Хорошо, заводской хаос победили. Но настоящий хаос начинается там, где есть прохожие, велосипедисты, курьеры

Ведущий B (11:57): Улицы городов.

Ведущий A (11:58): Именно. Если есть выносливые системы, пора выпустить их на улицы. И тут всплывают 2 компании. Первая лондонская Wave. Их гендиректор Алекс Кендал делает смелую ставку.

Ведущий B (12:11): Да, его стратегия это полный отказ от жестких правил дорожного движения в коде. Они не программируют каждый сценарий.

Ведущий A (12:19): Типа, что делать, если выбежит собака в красном ошейнике?

Ведущий B (12:23): Вроде того. Они внедряют сквозной ИИ, который учится управлять авто прямо на реальных дорогах. Машина выезжает на улицы Лондона, наблюдает за плотным трафиком и вырабатывает понимание хаоса.

Ведущий A (12:36): И судя по отчету, накопленный в Лондоне опыт они переносят в автомобили в Сан-Франциско. И адаптация к новому городу происходит в 1000000 раз быстрее конкурентов.

Ведущий B (12:47): Которые все еще пытаются разметить перекрестки в 3D-картах.

Ведущий A (12:50): Но, слушай, как скептик, я должен включить критику. Обучать модель на живых лондонских улицах, среди настоящих пешеходов. Звучит как сценарий для огромного судебного иска.

Ведущий B (13:02): Ну, звучит рискованно, да.

Ведущий A (13:04): 1 дело, когда алгоритм ошибается в симуляторе. И совсем другое, металлическая махина в 2 тонны решает попробовать новый паттерн на пешеходном переходе.

Ведущий B (13:14): Это справедливое опасение, но архитектура испытаний сложнее. На дорогу не выпускают абсолютно чистую непредсказуемую нейросеть, существует жесткий гибридный каркас безопасности.

Ведущий A (13:27): То есть базовая физика торможения?

Ведущий B (13:29): Да. Торможение, распознавание препятствий, которое блокирует критические ошибки, но нюансы плавного встраивания в поток, микроуступки на перекрестках.

Ведущий A (13:40): То, что делает вождение человечным?

Ведущий B (13:43): Да, машина может освоить это только эмпирически.

Ведущий A (13:46): Понятно, каркас не даст никого сбить. А как насчет второй компании? Айнрайт? Это логистика автономные электрические грузовики. Руководитель Русбек Чарли приводит жесткие аргументы.

Ведущий B (13:58): Экономические аргументы.

Ведущий A (13:59): Да, он заявляет, что автономия кардинально ломает финансовую модель, ведь зарплата водителя это 30 40 процентов всех трат логистической компании.

Ведущий B (14:10): Не мало?

Ведущий A (14:10): И при этом он добавляет обязательную фразу, что человек не исчезнет, а перейдет на новую роль оператора в центре диспетчеризации? Скептик во мне снова бьёт тревогу.

Ведущий B (14:21): Что это пиар?

Ведущий A (14:22): Да, действительно ли люди останутся нужны или это просто корпоративное успокоительное, чтобы не пугать общество безработицей?

Ведущий B (14:29): Если смотреть на горизонт одного-двух лет, кажется, что пиар. Но если проанализировать всю цепочку поставок из отчета, картина иная. E-I блестяще справляется с тактикой.

Ведущий A (14:43): Удерживать грузовик в полосе, рассчитывать тормозной путь?

Ведущий B (14:46): Но он абсолютно не способен взять на себя макростратегическую и финансовую ответственность. В источнике есть ключевая цитата: Чарли, нам нужны люди, которые понимают логистику и технологию одновременно.

Ведущий A (15:01): Звучит логично. Алгоритм виртуозно ведёт фуру сквозь метель, но если на границе внезапная забастовка, алгоритм не передоговорится с поставщиками.

Ведущий B (15:11): Вот именно. Происходит смещение роли человека вверх по цепочке. Монотонное кручение руля отдаётся машине.

Ведущий A (15:19): Она не спит, не пьёт кофе.

Ведущий B (15:21): Да, а человек становится системным аналитиком. 1 оператор из офиса контролирует флот из десятков грузовиков. Это объективная потребность в человеке, но с другим набором метанавыков.

Ведущий A (15:33): И это подводит нас к глобальному итогу. Эпоха жесткого кода уходит. На сцену вырвались локальные языковые модели на борту.

Ведущий B (15:41): Появились бенчмарки вроде Meld 1.

Ведущий A (15:44): Роботы выходят из стерильных зон, копируют физику наших запястий, учатся на хаосе улиц, и ценность человеческого интеллекта не обновляется, она трансформируется. Знание жёсткого синтаксиса обесценивается.

Ведущий B (15:56): На его место приходит системное мышление. И самое поразительное, что этот сдвиг фиксируется даже в образовании. В материалах упоминается компания Lego Education.

Ведущий A (16:09): Да, они десятилетиями учили детей кодингу, а к 20 шестому году радикально меняют подход, отказываются от жёсткого написания кода.

Ведущий B (16:17): Внедряют и ассистентов, интуитивное управление через карточки. Детям больше не нужно зубрить команды, им нужно учиться логике и постановке задачи.

Ведущий A (16:29): А крутить моторами машина решит сама. Это идеальное отражение взрослой индустрии. Если проанализировать эту эволюцию, у меня возникает 1 довольно провокационная мысль.

Ведущий B (16:39): Какая?

Ведущий A (16:41): Мы обсуждали стартап Generalist. Роботы учатся физике, копируя движения обычных рабочих. Они перенимают нашу моторику просто потому, что мы так исторически устроены.

Ведущий B (16:51): Ну да, мы их учим.

Ведущий A (16:52): Но базовое свойство алгоритма это оптимизация. Что произойдёт через несколько лет, когда эти системы переработают 1000000000 часов наших движений и начнут искать более эффективные пути?

Ведущий B (17:04): То есть они пойдут дальше человеческой физики?

Ведущий A (17:08): Да. Возможен ли момент, когда машины выработают собственную совершенно инопланетную кинематику, новую мышечную память, в 1000 раз эффективнее нашей, неограниченную нашими суставами и усталостью?

Ведущий B (17:20): Звучит жутковато.

Ведущий A (17:22): И, возможно, визуально она будет казаться нам ломаной, пугающей, непостижимой. Глядя на темпы адаптации ИИ, кажется, что эта пугающая эффективность уже не фантастика, это просто неизбежный следующий шаг эволюции.