Резюме ключевых моментов в простом языке
В последнее время тренд разработки «интеллектуальных роботов с физическим телом», способных самостоятельно выполнять различные задачи в реальном мире, набирает обороты: уровень финансирования и внимания СМИ остаются высокими. Однако ранее вся индустрия следовала примеру ChatGPT, полагая, что простое накопление данных и параметров приведет к быстрым результатам, в результате чего было совершено множество ошибок. На конференции на набережной Янцзы ведущие предприниматели и ученые высказали общепринятые мнения относительно развития этой отрасли: путь развития интеллектуальных роботов с физическим телом не может быть скопирован с пути развития больших языковых моделей. Вопросы, которые ранее вызывали споры (сколько данных необходимо собрать, угрожает ли универсальная модель рабочим местам предприятий, когда роботы смогут начать приносить доход), теперь получили четкие ответы. Будущая конкуренция в индустрии будет определяться не только мощностью моделей, но и комплексными способностями в области данных, аппаратного обеспечения, систем и применения. Индустрия переходит от фазы показа демонстраций к фазе реального внедрения и получения дохода.
---
Подробный анализ
1. Индустрия только что столкнулась с первой большой ошибкой: предполагалось, что достаточно просто скопить данные в стиле ChatGPT, но это оказалось невозможным
Большие языковые модели существенно улучшились благодаря обработке триллионов слов интернет-текста. Многие решили, что то же самое можно достичь и с роботами с физическим телом: достаточно собрать данные о их действиях (например, о том, как они переносят предметы или ходят), и модели автоматически станут лучше. Однако теперь все понимают, что это неверно. Большая часть собранных данных бесполезна; например, записи повторяющихся действий робота не помогут ему научиться обращаться с тепловыми бутылками или предметами, которые скользят. Теперь согласовано мнение, что качество данных важнее их количества, и только данные, отражающие законы реального мира, имеют реальную ценность.
2. Подход к сбору данных кардинально изменился: соревнование не в том, у кого больше данных, а в том, кто лучше воспроизводит физические условия реального мира в компьютерных симуляциях
Ранее спорили, следует ли использовать данные, собранные в реальных условиях, или данные, генерированные в компьютерных симуляциях. Теперь предприниматели и ученые считают, что необходимо точно воспроизводить физические характеристики реального мира в симуляциях. Например, данные о том, как вода распространяется на плитке, как меняется скользкость поверхности и как предметы влияют на ее поведение, могут быть использованы для тренировок роботов с высокой эффективностью.
3. Боязни относительно влияния универсальных моделей на индустрию оказались напрасными
Ранее предполагалось, что универсальные модели могут нанести ущерб индустрии интеллектуальных роботов. Однако это невозможно: универсальные модели должны сначала собирать данные о сенсорах роботов, адаптировать их к различным типам двигателей и создавать полные системы тренировок. Для этого потребуется много времени и ресурсов, что не упростит задачи стартапов. Кроме того, существующие у роботов с физическим телом специализированные данные могут быть более полезными, чем универсальные модели.
4. Критерии коммерческого успеха роботов просты: важно, готовы ли клиенты платить за их услуги
Ранее на выставках демонстрировались различные возможности роботов, но на практике они часто оказывались неэффективными в новых условиях. Теперь критерием успеха является способность роботов эффективно выполнять задачи и приносить доход клиентам. Если роботы дешевле и эффективнее традиционных автоматизированных систем, клиенты будут готовы платить за их услуги.
В общем, индустрия интеллектуальных роботов с физическим телом переходит от фазы показа демонстраций к фазе реального внедрения и получения дохода, и предприниматели, уже имеющие опыт адаптации роботов к конкретным условиям, имеют преимущества перед универсальными моделями.