Ближайшие десятилетия ключевой вызов роботизации лежит не в поиске принципиально новых идей — они уже были описаны научной фантастикой и воплощены в жизнь. Основной фокус смещается на улучшение и модернизацию существующих автономных решений: увеличение быстродействия, доведение безопасности до совершенства.
Например, автопилоты в самолетах и поездах ― технология даже не этой четверти века, а предыдущей. Беспилотные автомобили тоже давно не редкость. Сегодня их вполне рабочие прототипы, пусть и с оговорками, можно встретить по всему миру. В промышленности и складской деятельности перевозка грузов на отдельных участках во многом осуществляется без вмешательства человека. Все это стало возможным благодаря постоянному активному развитию технологий за последние десятилетия в области технического зрения и нейросетей.
Главное не придумать, а внедрить
Складывается впечатление, что все уже произведено, но именно в этот момент технологии переходят от изобретения к внедрению, что влечет за собой новые проблемы и задачи. И эти задачи в области беспилотных технологий диктуются не полетом фантазии разработчиков, а реальными требованиями и запросами от бизнеса и рынка. Сегодняшние автопилоты работают часто аккуратнее человека, но в целом хуже него. В первую очередь, медленнее, во вторую ― «глупее», и конечно они менее гибкие и адаптивные, чем человек.
Уже сейчас в нашем распоряжении достаточно технологических инструментов, чтобы коренным образом изменить ситуацию в ближайшие десятилетия. Первая задача — ускорение работы роботов, автопилотов и автоматизированных систем. Автопилот, управляющий автомобилем быстрее человека, видит и учитывает все особенности окружающей обстановки. Это больше не вопрос далекого будущего, а вопрос рутины, которую инженеры и разработчики, скорее всего, пройдут за ближайшее десятилетие.
Схожий путь стремительной эволюции ожидает и сферу промышленных беспилотных роботов. Более того, в области складской логистики запрос на скоростную роботизацию выражен даже острее: автономные системы уже активно конкурируют с человеческим трудом, что служит хорошим толчком для их ускоренного развития.
Планируемые этапы улучшения и модернизации систем беспилотного транспорта
Неминуемое ускорение работы роботов в ближайшее десятилетие ожидаемо должно привести к изменению требований к самим системам, в рамках которых они будут действовать. Например, нет смысла ограничивать скорость движения на так называемых «опасных участках дороги», если для роботов это будут просто участки дороги, на которых алгоритм никогда не ошибается.
После увеличения скорости беспилотных систем разработчики приступят к активному наращиванию «ума» этих устройств. Причем тут перспектива не столько в интеллекте одного устройства, сколько в совокупном эффекте от слаженной работы всех устройств. Например, когда два потока автомобилей, управляемых людьми, выстраиваются в одну полосу, скорость обычно снижается не в два раза, а на порядок, и при определенной плотности потоков может превратить этот участок дороги в пробку. Но если бы водители могли на ходу договориться, установить четкую очередность, которую все неукоснительно бы соблюдали, то данный маневр можно было бы осуществить вообще без снижения скорости. Это простой пример, но в масштабах больших городов управление трафиком с появлением массовых беспилотных систем также станет больше похожим на управление информационным графиком в сетях связи.
Аналогично тому, как при правильной маршрутизации по одним и тем же проводам в рамках большой сети сегодня можно передать на несколько порядков больше данных чем 20 лет назад, такие же изменения произойдут и с дорожным трафиком. Построенных сейчас дорог в крупных городах хватит не только для того, чтобы решить вопрос с пробками, но и для того, чтобы кратно повысить интенсивность движения. В рамках промышленных объектов эти механизмы заработают еще быстрее, поскольку там проще полностью перейти на беспилотные системы и установить четкие регламенты, а далее адаптировать под развитие технологий.
Проблема верификации сверхразума
Предложенные сценарии развития не учитывают появление искусственного интеллекта. В этом случае прогнозирование становится крайне неопределенным, поскольку на сегодня нет полноценного понимания, чем будет ИИ через несколько десятилетий. Ключевой проблемой становится верификация действий системы, которая потенциально может превосходить в интеллекте своих создателей.
Но технически можно представить себе ситуацию по аналогии с решениями задачи распознавания образов. На сегодня нейросети могут отличить кошку от собаки лучше человека, потому что они могут «рассмотреть», «изучить» и «запомнить» больше фотографий, чем один человек может пересмотреть за всю жизнь. Имея под рукой подобный датасет, нейросеть можно обучить любой аналогичной задаче. И тут можно представить, что сбор подобных датасетов для разрешения всевозможных ситуаций в области беспилотных технологий может позволить обучить полноценный ИИ действовать не только по жестким правилам, но и более гибко в рамках различных ограничений. Применять весь накопленный опыт, собранный и проанализированный заранее. Хочется верить, что это также вопрос недалекого будущего, а уже ближайших десятилетий.
Почему будущее за «невидимыми» роботами
Нам не нужен дорогой и сложный робот с двумя руками, чтобы мыть посуду, когда есть эффективная посудомоечная машина. Не нужен гуманоид-водитель, когда управлять можно непосредственно колесами автомобиля. Антропоморфный дизайн часто является самым неэффективным и бесполезным решением для узкой задачи. Его перспектива видится, скорее, в нише высокотехнологичных игрушек или исследовательских платформ, но не в массовом быту.
Гораздо ближе к реальности — сфера доставки и простого сервиса. Задача курьера, официанта или водителя-транспортировщика алгоритмически проще, чем, например, аккуратно сложить посуду в посудомойку или развесить белье после стирки. Здесь определяющей является экономика: замена человеческого труда на этом участке приведет к большой выгоде, а роботы скорее будут функциональными, чем человекоподобными.
И вот здесь мы подходим к истинному смыслу VLA-моделей. Их главная роль — стать универсальным интерфейсом между человеком и миром специализированных устройств. У нас уже есть прототип такой системы в каждом кармане. Можно представить себе усовершенствованную версию голосового помощника, который на фразу «кажется, дома стало душно» проанализирует данные с датчиков, и при необходимости откроет умные форточки и включит очиститель воздуха. На фразу «надо бы убраться к приходу гостей» она запускает робот-пылесос, планирует его маршрут, а затем анализирует качество уборки по фотоотчету с камеры наблюдения, а параллельно заказывает недостающие продукты в холодильник в рамках советов лучших диетологов или гурманов.
Это и есть реальная революция: VLA-модель как дирижер. Что касается учителей и врачей, то их действительно теснят не роботы, а другие технологии: онлайн-образование и телемедицина. Однако дефицит живых профессионалов никуда не денется. VLA здесь может выступить мощным ассистентом — системой предварительной диагностики, цифровым тьютором или инструментом для анализа медицинских снимков, но не полной заменой.
Ранее Наука Mail публиковала экспертную колонку о том, какие научные разработки изменят медицину будущего.
