GPT-6 появился: существует ли ещё “защитный барьер” для антропоморфных интеллектов? — Глубокий анализ тревог, возможностей и основных аспектов
Здравствуйте, я ваш финансовый журналист. Недавно в технологическом сообществе разразился скандал: OpenAI выпустил версию GPT-6 под названием Astra и заявил о намерении создавать роботов человекоподобного вида. Это как великан с мечом для убийства драконов, вдруг говорящий: “Я собираюсь заняться земледелием”.
Для стартапов, занимающихся разработкой антропоморфного интеллекта (hardware и алгоритмы для роботов), это не только давление, но и кризис существования: если ИИ окажется достаточно умным, понадобятся ли ещё специалисты по робототехнике? Может ли это лишить меня работы?
Сегодня мы рассмотрим этот вопрос, исходя из мнений многих экспертов с конференции на Набережной (например, Чжу Чжэн из JiJia Vision, Чжу Син из Ant LingBo, Ван Цянь из Zi Bian Liang и других), и объясним всё простым языком: что же на самом деле представляет собой GPT-6? Где находится защитный барьер для антропоморфного интеллекта? Следует ли нам паниковать или сохранять спокойствие?
---
I. Волк действительно пришёл: почему все вдруг начали тревожиться?
Прежде всего, нужно признать, что эта тревога имеет веские основания и не является беспочвенной.
1. Ощущение “уничтожающего удара”
Раньше считалось, что создание языковых моделей (например, ChatGPT) и роботов — это два разных процесса. Но теперь GPT-6 Astra не только может общаться, но и управлять механическими руками. На демонстрационных видео он умеет брать палочки для еды и ставить их в стаканы очень уверенно.
Чжу Чжэн из JiJia Vision сказал прямо: “Волк уже здесь, прекратите мечтать”. Его логика такова: языковые модели уже “поглотили” многомодальные функции (восприятие изображений, звуков), и теперь они начинают распространяться на антропоморфный интеллект. К тому же компании вроде OpenAI обладают преимуществами в области талантов, вычислительных мощностей и финансирования. Если они решат вмешаться лично, стартапам будет трудно соперничать.
2. Срочность времени
Чжу Чжэн считает, что ближайшие один-два года являются критическим периодом. Стартапы в области антропоморфного интеллекта пока не создали настоящих, неподдающихся копированию защитных барьеров. Если гиганты войдут на рынок, они могут быстро устранить технологический разрыв и вытеснить стартапы, которые всё ещё работают над первыми поколениями роботов.
**3. Суть тревоги: страх быть “досрочно обеспеченными”
Суть тревоги заключается в том, что ценность антропоморфного интеллекта раньше требовала нескольких лет работы стартапов для её подтверждения и реализации. Но теперь компании, разрабатывающие большие языковые модели, могут просто выпустить более совершенную модель и получить всю выгоду.
---
II. Не спешите плакать: путь больших моделей в физический мир не так уж прост
Хотя тревога вполне оправдана, на той же конференции были и спокойные голоса. Чжу Син из Ant LingBo и Ван Цянь из Zi Bian Liang задали важный вопрос: если OpenAI настолько силен, почему бы им не заняться разработкой автономного вождения и не поглотить Tesla?
1. “Понимание принципов” не означает “умение работать”
Языковые модели хороши в обработке семантики и логики, например, они знают, что такое “стакан” и что означает команда “поставить стакан на стол”. Но физический мир сложен, динамичен и полон факторов, влияющих на взаимодействие.
- Семантический уровень (мозг): знание местоположения объектов и направления их перемещения — GPT-6 здесь сильный.
- Физический уровень (руки и ноги): знание необходимой силы, точного угла движений и способов компенсации непредвиденных ситуаций — это слабое место GPT-6 на данный момент.
2. Разрыв между данными и проверкой
Прогресс языковых моделей основан на огромном количестве программных данных и совершенной системе проверки. Прогресс в генерации видео не решает проблем контроля движений роботов.
Компаниям, разрабатывающим большие модели, также нужно дополнить свои возможности:
- Реальные данные: данные о неудачах роботов в реальном мире.
- Адаптация к аппаратуре: разные механические руки и датчики требуют разных стратегий управления.
- Система проверки: как доказать, что робот действительно правильно выполнил задачу? Для этого нужна сложная система оценки.
3. Разрыв в индустриальных возможностях
Чжу Син сравнил это с автономным вождением: даже если модель сильна, это не значит, что она сможет работать без понимания конкретных сценариев и накопления опыта.
---
III. Анализ реальности: на что способен GPT-6 и на что нет?
Чтобы понять реальное положение GPT-6 в области антропоморфного интеллекта, команда Xu HuaZhe из Breakout Robot и RoboDojo провела конкретные тесты. Результаты интересны: GPT-6 не является ни “богом”, ни “бесполезным инструментом”, а скорее мощным консультантом.
1. Сильные стороны: семантика и понимание пространства
В тестах Astra показал отличные результаты:
- он умеет распознавать объекты на столе.
- он может брать тонкие палочки для еды и даже ставить их в стаканы.
- он может планировать действия, не связанные с прямым захватом объектов.
Это говорит о том, что GPT-6 очень сильен в плане определения целей и понимания пространственных отношений.
2. Слабые стороны: сложные задачи и точные действия
Однако при более сложных задачах (например, поднятии предметов палочками, складывании одежды, передаче предметов руками) результаты Astra оставляют желать лучшего.
Причина: в физическом взаимодействии существует множество невидимых факторов (трение, упругость объектов, изменение центра тяжести), которые невозможно учесть только на основе визуальных данных; для их устранения требуются данные от сенсоров и реальные корректировки в реальном времени.
3. Ключевые данные: комбинированный подход — лучший вариант
Исследования RoboDojo показали, что комбинация универсальных способностей GPT-6 и специализированных моделей для управления роботами дает наилучшие результаты:
- Прямое управление GPT-6: успех 26%.
- Совместное управление GPT-6 и специализированной моделью: успех 48%.
- Детали: GPT-6 корректирует только 14,4% действий, остальные 85,6% выполняются специализированной моделью.
Заключение: GPT-6 улучшает возможности системы, но не заменяет необходимость в специализированных алгоритмах для управления роботами.
---
IV. Где находится защитный барьер? Переосмысление понятия “барьера”
Если GPT-6 настолько силен, где же защитный барьер для стартапов в области антропоморфного интеллекта? Раньше говорили, что ключевым фактором являются данные, но теперь это мнение нуждается в переоценке.
1. Размывание “данных барьера”
Ли Тяньюй из YuanCe Future рассказал о новой тенденции: они начали использовать GPT-6 для создания трёхмерных симуляций.
- Раньше: создание таких симуляций требовало много времени и затрат.
- Теперь: GPT-6 может быстро генерировать логичные и полные 3D-сцены.
Это означает, что наличие большого количества данных больше не является преимуществом, поскольку стоимость их получения снижается. Преимущества, основанные на накоплении данных, утрачиваются из-за возможностей универсальных языковых моделей.
2. Настоящий барьер: способность постоянно находить проблемы
Ключевым фактором защиты является способность определять, в каких ситуациях роботы могут потерпеть неудачи, собирать данные об этих неудачах и использовать их для улучшения продуктов.
3. Физический подход vs. семантическая настройка
Шэнь Юйцзюнь из Ant LingBo и Минь Вэй из YingShen Intelligence подчеркнули важность физических законов в разработке роботов:
- Старый подход: настройка моделей на основе языковых или видеомоделей делает их уязвимыми для обновлений.
- Новый подход: разработка моделей, учитывающих физические законы и изменения в пространстве, делает их более устойчивыми к технологическим изменениям.
---
V. Будущее: не “кто поглотит кого”, а сосуществование и разделение труда**
Гипотеза о “нулевом исходе” не соответствует реальности. Появление GPT-6 не означает конца индустрии антропоморфного интеллекта, а скорее её перестройку.
1. Инфраструктура vs. приложения
Минь Вэй считает, что в будущем OpenAI может стать поставщиком инфраструктуры, подобной “сети водоснабжения, электроснабжения и связи”.
- OpenAI/Anthropic: предоставляет мощные универсальные возможности для работы с данными.
- Стартапы в области антропоморфного интеллекта: занимаются интеграцией аппаратного обеспечения, адаптацией к конкретным сценариям, оптимизацией физического взаимодействия и обслуживанием продуктов.
Коммерческая логика: в готовом роботе способности языковых моделей могут составлять менее половины ценности; остальная часть зависит от понимания физических законов, механической инженерии и умения работать в сложных условиях. Эти задачи гиганты не всегда хотят выполнять и не могут полностью их аутсорсировать.
2. Обратное влияние роботов на ИИ
Роботы могут предоставлять ценную информацию о физическом мире, которая необходима для совершенствования ИИ:
- Неудачи роботов могут помочь ИИ лучше понять гравитацию, трение и другие факторы.
Заключение: ф