Исследователь объяснил, почему роботы отстают от чат-ботов с ИИ

Почему роботы тупее ChatGPT: честный разбор 100-тысячелетнего разрыва

Профессор Калифорнийского университета Кен Голдберг недавно огласил диагноз, который многие подозревали. Роботы безнадежно отстают от языковых моделей. Причина — не в железе. А в данных. Точнее, в их отсутствии.

100 000 лет чтения интернета

ChatGPT и его собратья обучались на гигантском объеме текста. Если бы человек читал весь интернет без остановки, ему понадобилось бы 100 000 лет. Роботам неоткуда взять такой же массив для физических действий. Сбор данных о реальных движениях — медленный и дорогой процесс. Один эксперимент может длиться часы. А тексты генерируются мгновенно. Текст можно просто скачать с веб-страниц. Для физических данных нужны реальные роботы, датчики, время. Один час работы человекоподобного робота стоит сотни долларов. Это базовая математика: разрыв в объемах обучения — не абстракция, а жесткое ограничение.

Почему робот не может заменить лампочку

Казалось бы, простая задача. Но для робота это вызов с точностью позиционирования, силой захвата, адаптацией к разным типам патронов. Человек делает это интуитивно. Роботу нужно миллионы примеров. Современные системы манипуляции объектами — это отдельная боль. Сенсоры и моторы несовершенны. Добавьте сюда непредсказуемость реального мира. Текст статичен. Физический мир — хаос. Поднять бокал с водой — целая наука: нужно не только взять, но и не пролить, адаптировать хват под форму. Недавно я заметил, что даже продвинутые роботы на складах Amazon паникуют, если коробка лежит не идеально. Они просто не знают, как схватить нестандартно расположенный предмет. А человек справляется за секунду.

Два лагеря робототехников

В робототехнике наметился раскол. Старые инженеры строят всё на физических моделях и математике. Новые data-фанатики — пытаются скормить роботу тонны данных и надеются на нейросети. И те, и другие не выигрывают в одиночку. Голдберг предлагает гибрид. Сначала инженерная база — пусть робот выполняет простые движения. Потом собирает данные с этих движений и учится. Это как учить ребенка сначала ползать, а потом ходить. Робот оснащается традиционными контроллерами для грубых движений, а затем накапливает данные для тонкой настройки нейросети.

«Роботы не станут умнее, пока не научатся собирать данные так же легко, как мы печатаем текст» — этот тезис Голдберга я считаю ключевым.

Пошаговый совет для стартапов в робототехнике:

• Начинайте с ограниченной задачи (например, сортировка деталей одного типа).
• Используйте симуляторы для генерации синтетических данных (имитационное моделирование).
• Внедрите систему обратной связи: каждое реальное движение должно записываться в базу.
• Постепенно расширяйте вариативность — добавляйте разные объекты, освещение, помехи.
• Не пытайтесь скопировать подход больших языковых моделей (у них другие масштабы).

Кого заменит робот — слесаря или бухгалтера?

Эксперты считают, что рабочие специальности в безопасности. Автоматизация шаблонных офисных задач — да. Но замена слесаря, электрика или сантехника — это фантастика ближайших 20 лет. Почему? Потому что их работа требует адаптации к хаосу. Робот не знает, как выглядит конкретная труба под раковиной. А человек — видит и принимает решение. Шаблонные офисные процессы — это замкнутая среда. Рабочие сталкиваются с бесконечным разнообразием. Личное наблюдение: в одной из мастерских я видел коллаборативного робота, который помогал сверлить отверстия. Но как только материал менялся с дерева на бетон — робот "зависал". Человек переключал режим за секунду.

Резюме от автора. Разрыв в данных реален. Но не фатален. Роботы не станут "как люди" в ближайшее десятилетие. Они будут медленно прогрессировать в узких нишах. Главный урок для инженеров: не гонитесь за данными в ущерб физике. Гибридные системы — единственный путь. И да, ваша работа слесаря пока под защитой — цените это.