Слушай, прямо сейчас в Аргентине, ну вот буквально в эти дни, юристы и законодатели на полном серьезе обсуждают проект закона, который позволит куску программного кода легально владеть банковским счётом. Да, и подписывать контракты, выступать ответчиком в суде. Выступать ответчиком в суде и всё это вообще без единого человека в совете директоров. То есть это звучит как отрывок из какого-то научно-фантастического романа, но это сухая юридическая реальность из топки источников, которые мы подготовили для нашего сегодняшнего глубокого разбора. Абсолютно.
Это уже не фантастика. Мы больше не обсуждаем тех, знаешь, неуклюжих металлических младенцев, которые с трудом делали там 1 шаг в стерильных лабораториях, а потом с грохотом падали на маты. Сегодня мы исследуем поразительный и, честно говоря, местами пугающий переход. О да, этот переход происходит гораздо быстрее, чем большинство людей вообще успевает осознать. Роботы-техника и AI-агенты прямо сейчас пробивают себе путь от экспериментальных проектов к статусу полностью автономных субъектов в реальном мире.
Скорость, с которой сейчас преодолеваются барьеры как фундаментальные законы физики в инженерии, так и консервативные правовые нормы, она абсолютно беспрецедентна. Я читала эти материалы и думала, вау, мы больше не смотрим на красивые рендеры будущих концептов, как это было пару лет назад. Ага, когда нам просто показывали 3D-модельки? Именно. Мы говорим о коммерческих внедрениях, о реальных потоках капитала, и, что самое важное, об адаптации законодательства целых государств.
Но чтобы по-настоящему понять масштаб этого сдвига, нам нужно заглянуть, ну, под капот. Однозначно. Нужно проанализировать не маркетинговые лозунги, а суровые технические ограничения, которые им инженерам пришлось сломать. И те юридические стены, в которые эти технологии сейчас врезаются на полном ходу. Собственно, именно для этого мы здесь.
Моя задача в этом погружении в источники показать, насколько фантастические вещи уже стали обыденностью. А вот тебе, как всегда, придётся заземлять этот мой энтузиазм суровым анализом механики и реальности. Договорились, я готова. Отлично. Давайте разложим всё по полочкам.
Чтобы робот вообще смог легально работать среди людей, ну, приносить какую-то экономическую пользу, а не просто разрушать всё вокруг, ему сначала нужны тренированные мозги и невероятно ловкое физическое тело. Базовый уровень. То есть, прежде чем мы доберемся до робота-фармацевтов или корпораций под управлением алгоритмов, нужно разобраться с этим? Как эти куски металла вообще учатся ходить? И почему собрать физическую, ну, по-человечески ловкую руку оказалось чуть ли не сложнее, чем написать гигантскую языковую модель?
О, это моя любимая часть. В материалах есть отличная отправная точка обучение гуманоидного робота Unitry H1. Да, Unitry HABEAR это просто идеальный пример для понимания современного подхода к физике роботов. Это 1 из самых передовых серийных гуманоидов на рынке сейчас. Рост 180 сантиметров, вес 47 килограммов 19 степеней свободы.
19 осей движения, да. Точно, независимых осей движения. Машина крайне впечатляющая, но фокус в том, что само по себе это железо, это просто очень дорогая статуя. Вся магия заключается в программном обеспечении, которое заставляет эти 19 моторов работать синхронно, просто чтобы робот не упал. И вот тут у меня всегда, знаешь, возникал диссонанс обучать робота балансировать в реальном цеху это же безумие какое-то.
Это очень дорогое удовольствие. Ну да, это как учить ребёнка ходить в магазине хрусталя. 1 неверное движение, он теряет равновесие, падает и всё, минус сотни 1000 долларов на замену приводов и датчиков. Я уже не говорю про недели простоя. Поэтому их, естественно, отправляют учиться в виртуальные песочницы, в симуляции.
Именно так они и делают сейчас. И в источниках прям детально описывается связка облачных технологий IWS и платформы NVIDIA. Слушай, разработчики используют сервис Amazon Sage Maker AI вместе с NVIDIA ISYCLUB. Они берут всего 1 вычислительный узел, оснащённый мощнейшим чипом H100, и запускают на нём до 4 4096 параллельных симуляций этого самого робота Uni3 одновременно. Что здесь действительно поражает, так это математика и масштаб процесса.
Чип H100 это не просто процессор, это какой-то монстр параллельных вычислений. В реальном мире, чтобы сделать шаг, упасть, собрать данные, поднять робота и перезапустить систему, на это уходят часы на 1 итерацию. Часы на 1 шаг? Да. А в виртуальной среде алгоритмы обучения с подкреплением позволяют 1000 клонов этого робота падать, вставать и корректировать положение центра тяжести 1000 раз в секунду.
Ничего себе. То, на что раньше уходили долгие годы физических испытаний, теперь сжимается буквально до нескольких часов аренды облачного сервера. Звучит круто. Но, подожди, я должен здесь включить скептика. Симуляция?
Ну это же просто видеоигра, так? Ну, в каком-то смысле. В компьютере гравитация идеальна, пол абсолютно ровный, моторы не перегреваются, разве то, что виртуальный робот научился ходить в идеальной матрице означает, что реальный Unity Hone не поскользнётся на 1-ой же пролитой луже кофе? Это блестящее замечание. И инженеры называют это явление sim to real gap ну, разрыв между симуляцией и реальностью.
Именно поэтому в этих 4000 параллельных миров условия далеко не идеальны. То есть они специально всё портят? Да, да. Разработчики намеренно вводят так называемую рандомизацию домена. Например, в 1 симуляции пол делают скользким, как лед.
В другой виртуальному роботу прикрепляют невидимый груз к левой руке, смещая центр тяжести. В 3-ей имитируют износ моторов, когда 1 сустав реагирует на долю секунды медленнее. Нейросеть учится справляться с 1000000 сценариев хаоса. Ого, то есть они готовят его к худшему? Абсолютно.
И когда эти натренированные мозги загружают в реального робота, он уже готов к тому, что пол в офисе может оказаться неровным или скользким. Слушай, но окей. То есть облако решает проблему крупной моторики? Они учатся компенсировать хаос мира. Но походка это же только фундамент.
Чтобы робот был полезен, ему нужно работать руками. И в материалах есть история, которая, как по мне, звучит как вызов всей индустрии это стартап Proception? О, Proception, наделали много шума недавно? Ещё бы, эти ребята только что урегулировали судебный иск о коммерческой тайне самой Tesla, и сразу после этого привлекли $11 млн в рамках посевного раунда от First Round Capital. А мы знаем, что посевной раунд это самые ранние и рискованные инвестиции.
Угу, и фонд серьёзный? Да, First Round Capital это не случайные люди, они в своё время на ранних этапах вкладывались в Uber и Airbnb. Так вот, Proception решает задачу, о которую ломают зубы гиганты высокоточные роботизированные руки, способные держать хрупкие предметы и адаптировать силу захвата прямо на лету. И это критически важный рубеж, потому что человеческая кисть ну, это биомеханическое чудо эволюции. Согласен.
Сделать промышленный манипулятор, который с огромной силой сжимает стальную деталь, это легко, это мы умеем давно, но создать руку, которая может взять стеклянный стакан, не раздавив его, а потом плавно переключиться на закручивание микроскопического винтика это невероятно сложная задача. А в чем главная проблема? Здесь нужна проприоцепция это понимание того, где находятся твои пальцы в пространстве в каждую долю секунды, и сложнейшая тактильная обратная связь. Tesla инвестирует просто колоссальные ресурсы в своего робота Optimus, но их манипуляторы, несмотря на огромный прогресс, все еще ограничены в тонкой микромоторике. И представители Properception даже не пытаются быть скромными.
В источниках есть их прямая цитата, и она звучит очень дерзко. Мы строим руки, с которыми Tesla до сих пор не справилась. Конец цитаты. Сильное заявление! Не то слово.
Если небольшой стартап смог обойти корпорацию с безграничными бюджетами в таком тонком вопросе, значит ли это, что будущее вообще за модульной сборки роботов, а не за закрытые экосистемами? Ну, то есть это будет как сборка компьютера ноги берем у Uni3, мозг от Google, а руки вот от Properception. Знаешь, это абсолютно логичный путь развития индустрии, однако тут кроется очень серьезный инженерный подвох. Какой? Решить проблему только в GEZE, создав идеальные приводы и тактильные сенсоры, этого недостаточно.
Самые чувствительные пальцы в мире абсолютно бесполезны, если операционная система, которая ими управляет, тормозит при обработке данных. А, то есть мозг не поспевает за руками? Именно. Представь, сигнал от сенсора о том, что стакан начинает выскальзывать, отправляется на сервер в облако. Там он обрабатывается тяжелой нейросетью, а потом команда сжать сильнее летит обратно роботу.
И вот эта задержка в пару сотен миллисекунд приведет к тому, что стакан просто разобьется. Физика не будет ждать, интернет-пакет пройдет туда и обратно. Иными словами, симуляции в облаке хороши для обучения в лаборатории. Но когда робот уже стоит перед реальным человеком на заводе и держит в своих новых, ловких руках что-то хрупкое, он не может позволить себе ждать ответа от сервера. Интеллект должен находиться внутри самого робота.
В точку. Вычислительные мощности, принимающие решения, должны быть прямо на устройстве. Это называется периферийными вычислениями, или Edge Computing. И это подводит нас к фундаментальной проблеме. Как вообще запихнуть мощности облачного дата-центра в небольшую плату, которая не расплавит робота от перегрева?
И вот здесь начинается самое интересное перенос интеллекта на границу на локальное устройство это уже не теория, это коммерческий продукт. В источниках упоминается недавний релиз платформы Nvidia Jetpeg версии 7.2 для вычислительных модулей Jetsen. Да, это очень важное обновление. Слушай, для тех, кто не пишет код каждый день, поясню. Раньше, чтобы запустить локального и агента со строгим контролем приватности, ну, стек, который называется Nemoclow, инженеру приходилось тратить долгие дни на ручную настройку.
О да, компилировать библиотеки, настраивать зависимости это был кошмар. Точно. А теперь с выходом версии 7.2 для полного развертывания требуется всего 1 команда в интерфейсе. 1 строчка кода. Снижение порога входа для разработчиков просто феноменальное, но важнее то, что именно эта строчка кода позволяет сделать.
Она превращает робота из простого исполнителя команд в локального агента безопасности. Что это значит на практике? Jetpeg 7.2 дает возможность обрабатывать сложные аудио- и видеопотоки прямо на месте без отправки чувствительных данных в облако. Для автономной системы на военном объекте, в больнице или на секретном производстве это решает базовую потребность в безопасности. Данные вообще не покидают устройство.
Безопасность это, конечно, прекрасно, но меня зацепило то, что локальные вычисления решают проблему задержки, особенно когда дело доходит до обретения голоса. В материалах приводится пример. Компания Hagen Hweis совместно с производителем чипов Cerebros запустила систему речь в речь. И работает она на базе модели Gema 4. Да, это модель от Google Deep Mind.
И чтобы был понятен масштаб, это модель на 31 1000000000 параметров. И эта система прямо сейчас уже работает в более чем 9000 роботов серии RICHI MINI. И у меня здесь, как у обывателя, возникает искренний скепсис. Почему? Ну зачем такие безумные сложности?
Зачем пихать модель на 31000000000 параметров внутрь физического робота, если умные домашние колонки часто соображают по 3 секунды, чтобы просто включить свет? И почему авторы так носятся с этим 95-ым перцентилем? Почему он имеет такое критическое значение для ощущения живого общения? Если посмотреть на картину в целом, именно эти задержки умных колонок и являются главным препятствием для интеграции роботов в общество. Смотри, в индустрии есть такой термин медианная задержка.
Допустим, в среднем робот отвечает за 300-500 миллисекунд. Звучит отлично, правда? Ну да, вполне быстро. Но проблема кроется в хвостах, в той самой задержке на 95-ом персиле, или P95. Это означает, что мы берем 5% самых долгих, худших ответов системы, когда модель зависает на несколько секунд.
А, то есть когда колонка начинает тупить? Именно. Человеческий мозг эволюционно настроен на мгновенное считывание социальных сигналов. Если робот отвечает быстро 9 раз подряд, а на 10-ый раз зависает на 3 секунды, иллюзия живого существа мгновенно рушится. Пауза воспринимается нами либо как поломка, либо на подсознательном уровне как угроза.
Ого! Угруза! То есть, если робот делает паузу перед тем как передать хирургический инструмент врачу, врач инстинктивно перестаёт ему доверять, даже если в итоге робот всё делает правильно. Без мгновенной реакции любая физическая ловкость будет восприниматься как пугающая неуклюжесть. Совершенно верно.
В многоходовых диалогах, когда ИИ должен не просто сгенерировать текст, но и вызывать внешние инструменты, анализировать камеры, эти задержки умножаются. Модульная система решает эту проблему. Ты имеешь в виду связку от HugginFace? Да. Они разделили процесс.
За слух отвечает отдельный модуль Nvidia Parakid. За мышление это самая модель Gema 4, а за генерацию голоса модуль Queen 3 TTS. И поскольку все это работает локально на оптимизированном железе Acyrebras, робот реагирует мгновенно. Задержка фиксирована, он не зависает на этом злополучном 95-ом перцентиле. Слушай, звучит так, будто мы наконец-то собрали идеальный пазл.
Походка отточена в идеальной симуляции. У нас есть сверхточные руки от Proception, внутри крутится автономный локальный агент безопасности, развернутый 1 строчкой кода, и робот обретает голос без этих жутких пауз. Да, технологический стек почти готов. Но идеальных технологий не бывает в вакууме. Что происходит, когда такие совершенные машины выходят из тестовых зон и начинают заменять людей в самых строгих и зарегулированных сферах жизни.
Вот тут начинается настоящее столкновение инженерного гения и сурового закона. Создать идеальный механизм это только половина дела, 2-ая половина интегрировать его в общество, где есть лицензии и строгие правила ответственности. И в источниках есть просто невероятный пример такого столкновения стартап Q в Кремниевой долине. Они только-только вышли из стелс-режима, собрав 126 1000000 долларов посевных инвестиций. Их продукт это полностью автономный аптечный аппарат.
Очень смелый проект. Не то слово. От момента, когда система получает запароленный рецепт, до выдачи пациенту проверенного, запечатанного флакона с лекарством проходит ровно 1 минута, и никаких фармацевтов вообще. С точки зрения экономики и здравоохранения это прорыв. Дефицит фармацевтов сейчас огромен.
Живые люди устают, особенно в ночные смены, теряют концентрацию, ошибаются. А автономная машина не устаёт. Она сканирует каждый миллиметр флакона. Технологически она намного безопаснее человека. Это звучит как идеальный вендинговый аппарат, только с рецептурными лекарствами.
Но рецептурные препараты строго регулируются FDA, нужен живой специалист. И вот у меня вопрос. Если эта машина из-за сбоя выдаст пациенту смертельную дозу не тех таблеток, то понесёт наказание робот, кого посадят в тюрьму? И это поднимает важный вопрос, который сейчас является главным тормозом всей робототехники проблема юридической ответственности. Создатели автономных систем, таких как эта аптека от CRO, стоят перед жестким барьером.
Сейчас право воспринимает ИИ исключительно как инструмент, как молоток или, знаешь, очень сложный калькулятор. А инструмент не может нести ответственность. Инструмент не может. И вот мы возвращаемся к радикальному способу решения юридических барьеров, с которого начали. Большинство стран не готовы.
Но Аргентина решила перевернуть игру. Их конгресс рассматривает закон о нечеловеческих корпорациях. Nan Human Corporation. Да, я когда 1-ый раз читала, мне показалось это шуткой. Вот и мне тоже.
Но если закон будет принят, и агенты смогут сами подписывать контракты, легально владеть активами и счетами без генерального директора человека. Это действительно радикальный шаг, но он логичен. Вся концепция юридического лица, например, ООО это же искусственная фикция, созданная чтобы отделить личные активы от рисков бизнеса. Аргентина предлагает адаптировать эту фикцию под Если алгоритм торгует на бирже и зарабатывает 1000000, кому принадлежат эти деньги? Теперь они могут принадлежать самому алгоритму.
Но ведь возвращаясь к аптеке. Если эта нечеловеческая корпорация нарушает закон, кому предъявлять иск? Нельзя же посадить программный код за решетку. В этом и суть компромисса аргентинского законопорядка. Люди все равно остаются, лишь как надзиратели и последняя инстанция ответственности.
Человек перестает быть СЕО, принимающим решения, его задача выступать страховщиком. А то есть если ИИ нарушает закон, ответит этот надзиратель? Именно, машина принимает решения самостоятельно, но правовой якорь привязан к человеку, и правовые системы всего мира вынуждены будут реагировать на этот прецедент, потому что ИИ переходит из статуса инструмента в статус самостоятельного субъекта. Итак, что же все это значит? Очевидно, что мы проделали впечатляющий путь в сегодняшних материалах от обучения 1000 виртуальных роботов Uni3 в облаке AWS и создание высокоточных рук Proception.
Да, модуль общения Gema 4 без задержек? Да. И наконец, до полностью автономных аптек QQ и нечеловеческих корпораций в Аргентине. Эра неуклюжих игрушек завершена. Это точно.
Но, подводя итог, если ИИ-агенты уже скоро смогут легально управлять корпорациями, подписывать контракты и владеть активами, а ловкие роботизированные руки позволят выполнять любую тонкую физическую работу, Как скоро появится 1-ая в мире компания, которая сама производит, ремонтирует и развивает свой парк роботов, генерирует прибыль на собственных банковских счетах и при этом в ее штатном расписании исторически не числится ни 1 человека? Эта мысль остаётся для самостоятельного размышления после завершения нашего глубокого разбора. Слушай, это было потрясающее погружение в источники, спасибо за отличную дискуссию. И тебе спасибо, было безумно интересно. Услышимся в следующих глубоких разборах, повсюду роботы, так что берегите себя.