Robotai jau čia, bet dar ne tokie, kokių tikėjomės
Prisimeni tuos filmus iš 90-ųjų, kur humanoidiniai robotai vaikšto po namus, gamina kavą ir šnekučiuojasi apie gyvenimo prasmę? Na, 2024-ieji parodė, kad realybė yra ir įspūdingesnė, ir kartu daug keistesnė nei bet kuris scenarijus. Boston Dynamics Atlas šokinėja per kliūtis kaip parkūro entuziastas, Tesla Optimus bando surinkti automobilių dalis, o Kinijos gamyklose jau dirba dešimtys humanoidų, kurie – nors ir ne tobulai – atlieka realias užduotis.
Bet čia ir prasideda tikrasis klausimas: kas iš šios beprotiškos lenktynės išeis pirmas? Kuris robotas pirmasis taps ne laboratorijos demonstracija, o tikru darbuotoju, namų pagalbininku ar net – drįsime pasakyti – visuomenės dalimi? Atsakymas nėra toks paprastas, kaip atrodo iš pirmo žvilgsnio, ir tikrai ne toks, kokį tau pasakytų korporatyviniai pranešimai spaudai.
Didieji žaidėjai ir jų kortų rinkinys
Šiuo metu humanoidinių robotų erdvėje sukasi kelios pagrindinės jėgos, ir kiekviena iš jų stato ant skirtingos strategijos.
Boston Dynamics – tai tas vardas, kurį žmonės prisimena iš virusinių YouTube vaizdo įrašų. Jų Atlas robotas yra techniškai turbūt pats įspūdingiausias iš visų – jis gali šokti, kūliuoti, pakelti sunkius daiktus ir judėti taip sklandžiai, kad žiūrint darosi nejauku. Tačiau Boston Dynamics turi problemą: jie visada buvo geriausi inžinieriai, bet ne verslo žmonės. Hyundai juos nupirko 2021-aisiais, ir dabar kompanija bando rasti balansą tarp „wow” faktorių ir realaus komercinio produkto. Naujoji Atlas versija jau yra elektrinė (ne hidraulinė kaip ankstesnė), kas reiškia, kad ji gali būti gaminama masiškai – bet ar bus, dar neaišku.
Tesla su savo Optimus žaidžia visiškai kitą žaidimą. Elonas Muskas žadėjo, kad iki 2025-ųjų pabaigos šimtai Optimus robotų dirbs Tesla gamyklose, o iki 2026-ųjų jie bus parduodami visuomenei už maždaug 20 000–30 000 dolerių. Skamba kaip Musk-style hype, bet yra ir realus pagrindas: Tesla turi gamybinę infrastruktūrą, dirbtinio intelekto patirtį iš autonominių automobilių ir – svarbiausia – Dojo superkompiuterį, kuris gali treniruoti robotus naudojant milžiniškus duomenų kiekius. Jei kas ir gali masiškai pagaminti humanoidą, tai greičiausiai Tesla.
Figure AI – startuolis, kuris per neįtikėtinai trumpą laiką surinko investicijų iš Microsoft, OpenAI, Nvidia ir kitų technologijų gigantų. Jų Figure 02 robotas jau dirba BMW gamykloje Spartanburge, JAV. Tai ne demonstracija – tai realus darbas realioje gamykloje. Figure AI taip pat integravo OpenAI modelius tiesiai į roboto „smegenis”, kas leidžia jam natūraliai bendrauti ir suprasti kontekstą.
Agility Robotics su savo Digit robotu pasirinko labai konkretų nišinį kelią: sandėliai ir logistika. Amazon jau testuoja Digit savo sandėliuose, ir tai yra vienas realistiškiausių trumpalaikių panaudojimo atvejų – ne todėl, kad sandėlis yra lengva aplinka, bet todėl, kad ji yra labiau kontroliuojama nei, tarkime, ligoninė ar namai.
O tada yra Kinija. Ir čia reikia kalbėti atskirai.
Kinijos faktorius: kai valstybė nusprendžia laimėti
Jei nori suprasti, kodėl humanoidinių robotų lenktynės yra tokios intensyvios, reikia pažiūrėti į Pekiną. Kinijos vyriausybė 2023-aisiais oficialiai paskelbė humanoidinę robotiką strategine pramonės šaka – tokio lygio, kaip kadaise buvo elektriniai automobiliai ar saulės energija. O mes visi matėme, kas nutiko su tais sektoriais.
Kinijos kompanijos kaip Unitree, UBTECH, Fourier Intelligence ir dešimtys mažesnių žaidėjų šiuo metu gamina humanoidus tempais, kurie Vakarų konkurentus tiesiog stulbina. Unitree H1 robotas kainuoja apie 90 000 dolerių – tai yra kelis kartus pigiau nei daugelio Vakarų konkurentų produktai. Jų naujesnė versija G1 kainuoja dar mažiau – apie 16 000 dolerių. Tai yra absurdiškai maža kaina tokiam produktui.
Kaip jie tai daro? Keletas faktorių:
- Valstybinės subsidijos ir lengvatinės paskolos
- Pigesnė gamyba ir komponentų tiekimo grandinė
- Mažesnės reguliacinės kliūtys testavimui
- Milžiniška vidaus rinka, kur galima testuoti produktus
Tačiau Kinijos robotai kol kas atsilieka technologiškai – ypač dirbtinio intelekto integracijos ir adaptyvaus mokymosi srityse. Bet šis atotrūkis mažėja greičiau, nei daugelis tikėjosi. Jei Kinija sugebėjo per dešimtmetį tapti elektrinių automobilių lydere, kodėl tas pats neturėtų nutikti su robotais?
Kur slypi tikrasis technologinis iššūkis
Visuomenė dažnai galvoja, kad pagrindinis robotų iššūkis yra mechanika – kaip padaryti, kad jie vaikščiotų ir nekristų. Bet tai jau iš esmės išspręsta problema. Tikrasis iššūkis yra visiškai kitur.
Rankų miklumas – tai yra robotikos „šventasis Gralis” šiuo metu. Žmogaus ranka yra neįtikėtinai sudėtingas įrankis: mes galime laikyti kiaušinį nesulaužydami jo, tuo pačiu metu galime atidaryti stiklainį, kuris reikalauja jėgos. Robotai su tuo kovoja. Kai Figure AI parodė savo robotą, renkantį BMW dalis, tai buvo įspūdinga – bet atidžiai pažiūrėjus matyti, kad judesiai vis dar yra šiek tiek nenatūralūs, lėti ir reikalauja labai specifinių sąlygų.
Kontekstinis supratimas – robotas gali žinoti, kaip pakelti dėžę. Bet ar jis žino, kad šią konkrečią dėžę reikia pakelti atsargiai, nes ant jos parašyta „FRAGILE”? Ar jis supranta, kad jei grindys drėgnos, reikia judėti lėčiau? Šis kontekstinis supratimas – gebėjimas skaityti situaciją ir adaptuotis – yra tai, kur dirbtinis intelektas ir robotika turi susijungti. Ir čia OpenAI bei Google tipo kompanijų įsitraukimas į robotiką tampa labai svarbus.
Energija – humanoidinis robotas, kuris veikia 2-4 valandas ir tada reikia krauti, nėra labai naudingas darbuotojas. Šiuo metu dauguma humanoidų turi būtent tokį autonomiškumą. Baterijos technologijos tobulėja, bet ne taip greitai, kaip norėtųsi.
Patikimumas – gamykloje robotas negali tiesiog „užstrigti” ar padaryti klaidos, kuri sustabdo visą gamybos liniją. Reikalingas 99.9%+ patikimumas, kurio daugelis šiuolaikinių humanoidų dar nepasiekia.
Dirbtinis intelektas kaip žaidimą keičiantis veiksnys
Iki 2022-ųjų humanoidiniai robotai buvo programuojami labai tradiciškai: inžinieriai parašydavo tūkstančius taisyklių, apibrėžiančių kiekvieną judesį. „Jei objektas yra tokio dydžio ir svorio, naudok tokį griebimo kampą.” Tai veikė laboratorijoje, bet realiame pasaulyje, kur viskas nuolat keičiasi, tokia sistema greitai pasiekia savo ribas.
Generatyvinis AI ir didelių kalbų modelių (LLM) revoliucija visa tai keičia. Dabar robotai gali mokytis iš vaizdo įrašų – tiesiog žiūrėdami, kaip žmonės atlieka užduotis, ir bandydami imituoti. Google DeepMind projektas RT-2 parodė, kad robotas, apmokytas ant interneto duomenų, gali atlikti užduotis, kurių jis niekada nebuvo specialiai mokytas. Paprašytas „paimti kažką, kas gali būti naudojama kaip kūjis”, jis paėmė akmenį – nes suprato kontekstą, o ne tik vykdė komandą.
Tai yra fundamentalus pokytis. Ir tai reiškia, kad kompanijos, turinčios geriausius AI modelius, gali turėti didžiulį pranašumą robotikoje – net jei jų mechanika nėra pati geriausia. Todėl OpenAI investicija į Figure AI, Microsoft investicija į tą patį startuolį, ir Google DeepMind robotikos tyrimai yra ne atsitiktiniai žingsniai, o strateginiai ėjimai.
Praktiškai tai reiškia štai ką: robotas, kuris šiandien gali atlikti 10 užduočių, po metų – su atnaujintu programiniu paketu, be jokių fizinių pakeitimų – gali atlikti 50 užduočių. Tai yra visiškai naujas verslo modelis: parduodi aparatūrą, bet tikroji vertė yra programinėje įrangoje ir jos atnaujinimuose. Skamba pažįstamai? Taip, tai Tesla modelis, pritaikytas robotams.
Kas pirmas pasieks tavo namus ar biurą
Prognozuoti, kuris konkretus robotas „laimės”, yra beveik neįmanoma – bet galima numatyti, kuriuose sektoriuose humanoidai pasirodys pirmi, ir tai suteikia gerą orientyrą.
Trumpalaikė perspektyva (1-3 metai): Gamyklos ir sandėliai. Čia aplinka yra kontroliuojama, užduotys pasikartojančios, ir verslas gali sau leisti mokėti už robotą, kuris kainuoja 50 000–200 000 dolerių, jei jis dirba 24/7 ir neklausia atostogų. Figure AI BMW gamykloje ir Agility Robotics Amazon sandėliuose – tai ne eksperimentai, tai tikrų tikriausi verslo sprendimai.
Vidutinė perspektyva (3-7 metai): Logistika, statybos, žemės ūkis. Šie sektoriai kenčia nuo darbo jėgos trūkumo, ypač išsivysčiusiose šalyse. Japonija, kur demografinė krizė yra ypač ūmi, jau aktyviai investuoja į robotizaciją kaip demografinės problemos sprendimą.
Ilgalaikė perspektyva (7+ metai): Slauga, namų pagalba, mažmeninė prekyba. Čia reikalavimai yra aukščiausi – robotas turi suprasti žmogaus emocijas, veikti nestruktūruotoje aplinkoje ir būti pakankamai saugus, kad galėtų dirbti šalia pažeidžiamų žmonių.
Jei nori praktinės rekomendacijos: jei dirbi gamybos ar logistikos sektoriuje, humanoidiniai robotai tavo darbo vietoje gali pasirodyti greičiau, nei manai. Verta jau dabar pradėti galvoti, kaip tavo vaidmuo galėtų evoliucionuoti – ne kaip pakeisti robotą, o kaip dirbti kartu su juo.
Etika, reguliavimas ir klausimai, kurių niekas nenori užduoti
Technologijų žiniasklaida mėgsta kalbėti apie „cool” faktorių – kaip robotas šoka, kaip jis atrodo. Bet yra keli nepatogūs klausimai, kurie retai patenka į antraštes.
Darbo rinkos poveikis – McKinsey skaičiuoja, kad humanoidiniai robotai per ateinančius 10 metų gali pakeisti 20-30% fizinio darbo pozicijų išsivysčiusiose šalyse. Tai nėra apokalipsė, bet tai yra masinis sutrikimas, kuriam visuomenė nėra pasiruošusi. Kas mokys perkvalifikavimo programas? Kas finansuos perėjimą? Šie klausimai yra politiniai, ne technologiniai.
Saugumas – robotas, kuris gali kelti 50 kg ir juda žmogaus greičiu, yra potencialiai pavojingas. ISO standartai žmogaus-roboto bendradarbiavimui egzistuoja, bet jie buvo kurti tradiciniams pramoniniams robotams, ne humanoidams. Reguliavimo sistema atsilieka nuo technologijų – ir tai yra rimta problema.
Duomenų privatumas – humanoidinis robotas tavo namuose ar darbo vietoje turi kameras, mikrofonus ir daugybę jutiklių. Kas valdo tuos duomenis? Kur jie saugomi? Ar kompanija gali naudoti tavo namų vaizdo įrašus savo robotų mokymui? Šie klausimai dar net nėra tinkamai suformuluoti reguliavimo dokumentuose.
Ginklų potencialas – tai tema, apie kurią robotikos kompanijos nenori kalbėti, bet ji yra reali. Boston Dynamics net buvo priversta pasirašyti viešą įsipareigojimą, kad neparduos savo robotų kariniam naudojimui. Bet ar tas įsipareigojimas yra teisiškai įpareigojantis? Ir ką daryti su Kinijos kompanijomis, kurioms tokie įsipareigojimai netaikomi?
Lenktynės be finišo linijos – bet su aiškiais nugalėtojais
Grįžkime prie pradinio klausimo: kas pirmaus? Tiesa ta, kad „pirmas” čia reiškia skirtingus dalykus skirtingiems žmonėms. Jei kalbame apie pirmą masiškai pagamintą humanoidą – greičiausiai Tesla Optimus arba Kinijos kompanija. Jei kalbame apie pirmą tikrai naudingą komercinį produktą – Figure AI arba Agility Robotics jau yra labai arti. Jei kalbame apie pirmą humanoidą tavo namuose – tai vis dar yra keleri metai, galbūt dešimtmetis.
Bet svarbiau nei klausimas „kas pirmas” yra klausimas „kas ilgalaikiai”. Ir čia istorija rodo aiškų modelį: technologijų lenktynėse laimi ne tas, kas pirmas išleidžia produktą, o tas, kas sukuria ekosistemą. Apple nelaimėjo telefonų rinkoje, nes turėjo geriausią aparatūrą – jie laimėjo, nes sukūrė App Store. Tesla nelaimėjo elektrinių automobilių rinkoje vien dėl baterijos – jie laimėjo dėl Supercharger tinklo ir programinės įrangos atnaujinimų.
Humanoidinių robotų erdvėje ta ekosistema bus: AI modeliai, kurie gali būti atnaujinami nuotoliniu būdu; platforma, kurią trečiųjų šalių kūrėjai gali naudoti naujoms funkcijoms kurti; ir – galbūt svarbiausia – duomenys iš milijonų robotų, kurie nuolat mokosi ir tobulėja. Kas sukurs tą ekosistemą pirmiau, tas ir laimės. Ir šiuo metu geriausias šansas atrodo Tesla ir Figure AI – nors Kinija gali viską pakeisti per kelerius metus.
Tuo tarpu mums, stebintiems šias lenktynes iš šono, praktinė išvada yra paprasta: tai nėra sci-fi. Tai vyksta dabar, ir greičiau nei dauguma žmonių suvokia. Verta sekti šią erdvę ne kaip pramogą, o kaip kažką, kas per ateinantį dešimtmetį paveiks tavo darbą, tavo ekonomiką ir tavo kasdienį gyvenimą – nepriklausomai nuo to, ar tu to nori, ar ne.
