Menneske-lignende robotter er allerede her

Tidligere denne måned i Kina, fik en menneske-lignende robot ved navn Shuang Shuang sin eksamensbevis på en high school-afslutningsceremoni i Fujian – og rystede hænder og morede elever og lærere. Øjeblikke som disse repræsenterer en betydningsfuld skift, en hvor menneske-lignende robotter begynder at komme ind i offentligt liv på meget synlige måder.

Disse øjeblikke markerer mere end offentlig nysgerrighed – de signalerer en skift mod integration i den virkelige verden. Denne artikel udforsker, hvordan menneske-lignende robotter bevæger sig fra show og spectacle til funktionalitet – og hvorfor det, der synes at være et rent hardware-præstation, i virkeligheden handler om den integrerede intelligens, der gør det muligt for disse maskiner at gå, interagere og lære i miljøer, der ikke er skrevet for automation. Vi vil også diskutere, hvordan vi tilgår kommerciel udvikling gennem tidlig udvikling og langsigtede partnerskaber.

Hvordan menneske-lignende robotter skyder AI ind i den virkelige verden

Gapet mellem virtuel præstation og fysisk pålidelighed er en af de mest oversete udfordringer i AI. En chatbot kan generere paragrafer med flydende tekst uden nogensinde at behøve at handle på dem – på samme måde som en vision-model kan identificere et trin i et billede uden at behøve at fysisk navigere det eller risikere at falde. Menneske-lignende robotter har ikke den luksus.

For at fungere i den virkelige verden, må AI forlade statiske datasæt og kontrollerede forhold. Det må se, beslutte og handle i miljøer, der skifter sekund for sekund. Det inkluderer ujævne gulve, forkert placerede objekter, uforudsigelige menneskelige adfærd og kontekstafhængige non-verbale signaler. Resultatet er en daglig konfrontation med støj, tvetydighed og potentiel fejl.

Dette er, hvor inkorporeret fornuft – hvor sprog er grundlagt i rum, tid og konsekvens – begynder at betyde mere end token-prædiction. For eksempel, hvis en menneske siger “pas på, det er glat”, skal robotten kunne forbinde den sætning ikke kun til en orddefinition, men til rumlig bevidsthed, potentiel risiko og realtidsjusteringer.

Samtidig bliver multimodal læring essentiel, fordi ingen enkelt inputkanal er pålidelig nok til at fungere alene. En kamera kan misse en glat overflade, men tryksensorer i foden kan registrere et pludseligt tab af trækkraft. Eller i en anden situation kan talegenkendelse fejle i et støjende lager, men visuelle signaler eller gestus kan udfylde hullet.

Generalisering bliver også kritisk. En robot kan ikke stole på at se det samme miljø to gange. Den skal tilpasse sin adfærd, når gulvet er vådt, belysningen ændrer sig eller kassen ikke er, hvor den var i går. Dette bliver forskellen mellem succesfuld udførelse og fejl.

Hos Menneske-lignende robotter er det derfor, vi starter med at teste tidligt med kommercielle partnere. Vi integrerer vores robotter i levende miljøer for at opdage potentielle fejl og sikre optimal funktionalitet før udrulning. En robot, der fungerer godt i simulation eller demo, er ikke det samme som en, der opnår tillid under pres, fordi den tillid bygges på reel verden-læring.

Vi ved, at menneske-lignende robotter vil være tilgængelige kommercielt inden for de næste to år – men vi venter ikke. For os starter kommerciel udvikling tidligt. Det betyder at bygge langsigtede partnerskaber omkring reelle brugsområder. Gennem en række pilotprogrammer lærer vi ikke kun vores partnere om teknologien – vi lærer også sammen med dem. Denne fælles læringsproces hjælper os også med at forfine omkostningsstrukturer og funktionspålidelighed fra dag én – og sikrer den bedst mulige samlede omkostning (TCO) når systemerne skalerer.

Hvorfor menneske-lignende robotter er det ultimative testområde for generel intelligens

Verden, vi har skabt over de sidste hundred år, er tilpasset menneske-størrelse. Dørhåndtag, gaffeltruck, lager – alt antager bestemte dimensioner, bevægelser og implicit sociale adfærder. Menneske-lignende robotter må tilpasse sig denne virkelighed eller risikere at være ekstremt begrænsede i deres funktionalitet.

For at gå op ad trapper, bære et objekt, fortolke en pegegestus eller genkende tøven i en stemme, skal en robot forstå kontekst langt ud over visuel klassificering eller skriftlig bevægelsesplanlægning. Den skal slutte sig til hensigt, lære en ny opgave ved at se på en menneske, tilpasse den færdighed til en lidt anderledes layout og forbedre sin præstation over tid. I praksis udvider dette system, hvad AI kan gøre under reelle begrænsninger.

Hos Menneske-lignende robotter accelererer vi denne proces gennem fjernstyring. I de tidlige udviklingsfaser vejleder menneskelige operatører robotterne gennem nøgleopgaver. Denne hånd-til-hånd-data bliver grundlaget for træning af nye adfærdsmønstre. Over tid føder disse demonstrationer ind i vores end-to-end-modeller og hjælper os med at bygge mod pålidelig autonomi.

Fra snævre systemer til integreret intelligens

De fleste AI-systemer i dag excellerer i snævre opgaver. I isolation fungerer hver af dem godt. Men menneske-lignende robotter har ikke brug for afkoblede specialister. For at integrere succesfuldt har vi brug for systemer, der kan resonere på tværs af modaliteter og tidsrammer.

En menneske-lignende robot kan modtage en relativt vag instruks – “Gå og hent den gule kasse fra lageret på den anden side af gangen” – og skal dekodere det til en række underopgaver: lokaliserer taleren, navigerer en korridor, identificerer den rigtige kasse, justerer greb-styrke, undgår kollisioner og selvfølgelig returnerer sikkert.

Hver del af denne sekvens involverer et andet undersystem – vision, lokomotion, sprog, manipulation og feedback. Og pålideligheden af hele systemet afhænger af, hvor godt disse dele kommunikerer under skiftende forhold.

Modulær arkitektur er en måde at imødekomme denne udfordring på. Dette giver os mulighed for at iterere på undersystemer uafhængigt, samtidig med at vi opnår system-omfattende koordination. Dette giver os også mulighed for at skalerer kapaciteter på tværs af multiple miljøer uden at skulle genopbygge fra bunden. Dette er, hvordan vi bevæger os fra lukkede demoer til åben-verden-præstation.

Indsatsen er massiv – og den er global

Det er let at fremstille menneske-lignende robotter som futuristiske. Men når vi taler med vores kunder, er behovet øjeblikkeligt. Mange lager, samlebånd og andre tidligere travle arbejdssteder kæmper nu for at holde personalet.

Disse arbejdskraftsmangler er demografiske problemer. I Japan er næsten 30% af befolkningen over 65. I Europa kæmper nøglesektorer – som har en samlet lønsum på 1,7 billioner – for at rekruttere yngre arbejdere. Disse er ikke de slags roller, de fleste mennesker ønsker, og stadig mere, ikke de slags roller mennesker er villige til at udføre.

Ved at komme ind som hjælpende hænder, ikke som erstatninger, kan menneske-lignende robotter påtage sig fysisk krævende, repetitive eller farlige opgaver – flytte inventory, laste paletter, operere maskiner – uden risiko for træthed eller skade. Dette frigør menneskelige arbejdere til at fokusere på mere komplekse, kreative eller interpersonlige aspekter af jobbet.

Desuden skaber dette langsigtede økonomisk robusthed. Når arbejdskraft er volatil eller utilgængelig, kan intelligente maskiner hjælpe med at sikre kontinuitet – alt uden at ofre sikkerhed, kvalitet eller tilpasning.

En anden aspekt at fremhæve er den regulerende ramme. De fleste hold – især i løst regulerede jurisdiktioner – venter med at tænke over dette. Vi startede der. Europas sikkerheds- og data-love er nogle af de strengeste i verden, men i stedet for at behandle dem som hindringer, betragter vi dem som vores konkurrencemæssige fordel. Når andre markeder adopterer strengere reguleringer, vil vi være parat til at imødekomme dem, mens andre virksomheder måtte kæmpe for at følge med.

En ny AI-kapgang – men ikke den, du tror

Meget af diskussionen omkring AI i dag handler om beregningskraft, parametre og træningsdata. Men den rigtige gennembrud kan komme fra en anden front: integration i den fysiske verden. Det er, hvor intelligens må lære at præstere, i stedet for blot at forudsige.

I denne henseende handler kapgangen om det mest kapable system – et, der kan fungere i offentlige rum, under sikkerhedsbegrænsninger og med mennesker i løkken. Dette system, ud over at lære fra data, vil også – og især – lære fra virkeligheden og arbejde sammen med mennesker uden at forstyrre arbejdsgangen.

Derfor venter vi ikke, til udrulning begynder. Fra starten arbejder vi direkte med kommercielle partnere for at integrere i virkelige miljøer – og sikre, at systemet forbedres, hvor det betyder mest: i praksis.

Den slags virkelige verden-læring er netop, hvor snævre systemer falder kort. Mens disse har ført os langt, var de aldrig designet til denne kompleksitet. Menneske-lignende robotter kræver noget andet – koordination, robusthed og som nævnt, evnen til at lære fra det uventede.

Det er den massive mulighed foran os. Ikke for at automatisere alt, men for at bygge maskiner, der kan forstå, navigere og samarbejde med den menneskelige verden.