Humanoidien aikakausi ei ole tulossa – se on jo täällä

Aiemmin tässä kuussa Kiinassa esiteltiin humanoidirobotti nimeltä Shuang Shuang astui lavalle Fujianin lukion valmistujaisseremoniassa vastaanottamassa tutkintotodistusta – kättelemässä ja ilahduttamassa sekä oppilaita että opettajia. Tällaiset hetket edustavat merkittävää muutosta, jossa humanoidirobotit alkavat tulla julkiseen elämään hyvin näkyvästi.

Nämä hetket merkitsevät enemmän kuin vain julkista uteliaisuutta – ne viestivät siirtymisestä kohti reaalimaailman integraatiota. Tässä artikkelissa tarkastellaan, miten humanoidit siirtyvät esityksestä ja spektaakkelista toiminnallisuuteen – ja miksi se, mikä näyttää olevan vain laitteiston saavutus, on itse asiassa kyse integroidusta älykkyydestä, joka mahdollistaa näiden koneiden kävelemisen, vuorovaikutuksen ja oppimisen ympäristöissä, joita ei ole suunniteltu automatisointia varten. Keskustelemme myös siitä, miten lähestymme kaupallistamista varhaisen käyttöönoton ja pitkäaikaisten kumppanuuksien kautta.

Kuinka humanoidit tuovat tekoälyn todelliseen maailmaan

Virtuaalisen suorituskyvyn ja fyysisen luotettavuuden välinen kuilu on edelleen yksi tekoälyn eniten huomiotta jätetyistä haasteista. Chatbotti voi luoda kappaleita sujuvaa tekstiä ilman, että niiden pohjalta tarvitsee toimia – samalla tavalla kuin näkömalli voi tunnistaa vaiheen kuvassa ilman, että sen tarvitsee fyysisesti navigoida tai ottaa putoamisriskiä. Humanoideilla ei ole tätä ylellisyyttä.

Toimiakseen todellisessa maailmassa tekoälyn on jätettävä jälkeensä staattisia tietojoukkoja ja kontrolloituja olosuhteita. Sen on nähtävä, päätettävä ja toimittava ympäristöissä, jotka muuttuvat sekunti sekunnilta. Näihin kuuluvat epätasaiset lattiat, väärin sijoitetut esineet, arvaamaton ihmisen käyttäytyminen ja kontekstista riippuvat sanattomat vihjeet. Tuloksena on päivittäinen kohtaaminen melun, monitulkintaisuuden ja mahdollisten epäonnistumisten kanssa.

Tässä kohtaa ruumiillistettu päättely – jossa kieli on sidoksissa paikkaan, aikaan ja seurauksiin – alkaa olla tärkeämpää kuin symbolinen ennustaminen. Esimerkiksi jos ihminen sanoo ”varo, on liukasta”, robotin on yhdistettävä tämä lause paitsi sanan määritelmään, myös tilan hahmottamiseen, mahdollisiin riskeihin ja reaaliaikaisiin muutoksiin.

Samaan aikaan multimodaalinen oppiminen on välttämätöntä, koska mikään yksittäinen syöttökanava ei ole riittävän luotettava toimiakseen yksinään. Kamera saattaa ohittaa liukkaan pinnan, mutta jalassa olevat paineanturit voivat havaita äkillisen pidon menetyksen. Tai toisessa tilanteessa puheentunnistus saattaa epäonnistua meluisassa varastossa, mutta visuaaliset vihjeet tai eleet voivat täyttää aukon.

Myös yleistämisestä tulee kriittistä. Robotti ei voi luottaa siihen, että se näkee täsmälleen saman ympäristön kahdesti. Sen on mukautettava toimintaansa, kun lattia on märkä, valaistus muuttuu tai laatikko ei ole samassa tilassa kuin eilen. Tästä tulee ratkaiseva tekijä onnistuneen toteutuksen ja epäonnistumisen välillä.

Humanoidilla tästä syystä aloitamme testaamisen kaupallisten kumppaneiden kanssa jo varhaisessa vaiheessa. Integroimme robottimme todellisiin ympäristöihin havaitaksemme mahdolliset puutteet nopeasti ja varmistaaksemme optimaalisen toiminnan ennen käyttöönottoa. Robotti, joka toimii hyvin simulaatiossa tai demossa, ei ole sama asia kuin robotti, joka ansaitsee luottamuksen paineen alla, koska tämä luottamus rakentuu viime kädessä tosielämän oppimiseen.

Tiedämme, että humanoidit tulevat kaupallisesti saataville kahden seuraavan vuoden aikana – mutta emme odota. Meille kaupallistaminen alkaa varhain. Se tarkoittaa pitkäaikaisten kumppanuuksien rakentamista todellisten käyttötapausten ympärille. Pilottiohjelmien avulla emme ainoastaan kouluta kumppaneitamme teknologiasta, vaan opimme myös heidän rinnallaan. Tämä yhteinen oppimisprosessi auttaa meitä myös hiomaan kustannusrakenteita ja suorituskyvyn luotettavuutta ensimmäisestä päivästä lähtien – varmistaen parhaat mahdolliset kokonaiskustannukset (TCO) järjestelmien skaalautuessa.

Miksi humanoidit ovat yleisen älykkyyden lopullinen testialusta

Viimeisen sadan vuoden aikana luomamme maailma on räätälöity ihmisen mittakaavaan. Ovenkahvat, trukit, varastot – kaikella on tiettyjä ulottuvuuksia, liikeratoja ja implisiittisiä sosiaalisia käyttäytymismalleja. Humanoidien on sopeuduttava tähän todellisuuteen tai niiden toiminnallisuus on vaarassa rajoittua äärimmäisen paljon.

Kävelläkseen yläkertaan, kantaakseen esinettä, tulkitakseen osoituseleen tai tunnistaakseen epäröinnin äänessä, robotin on ymmärrettävä kontekstia paljon visuaalisen luokittelun tai käsikirjoitetun liikesuunnittelun laajemmalle. Sen on pääteltävä aikomus, opittava uusi tehtävä tarkkailemalla ihmistä, mukautettava tätä taitoa hieman erilaiseen asetteluun ja parannettava suorituskykyään ajan myötä. Käytännössä tämä järjestelmä laajentaa tehokkaasti tekoälyn mahdollisuuksia todellisten rajoitusten alaisena.

Humanoidilla kiihdytämme tätä prosessia etäoperoinnin avulla. Kehityksen alkuvaiheissa ihmisoperaattorit ohjaavat robottia keskeisten tehtävien suorittamisessa. Tästä käytännönläheisestä datasta tulee perusta uusien käyttäytymismallien kouluttamiselle. Ajan myötä nämä demonstraatiot ruokkivat kokonaisvaltaisia mallejamme, jotka auttavat meitä rakentamaan kohti luotettavaa autonomiaa.

Kapeista järjestelmistä integroituun älykkyyteen

Useimmat nykyiset tekoälyjärjestelmät menestyvät kapeissa tehtävissä. Erikseen jokainen niistä toimii hyvin. Mutta humanoidit eivät tarvitse erillisiä spesialisteja. Integroituaksemme onnistuneesti tarvitsemme järjestelmiä, jotka pystyvät päättelemään eri modaliteeteissa ja aikaskaaloissa.

Humanoidi saattaa saada suhteellisen epämääräisen ohjeen – ”Mene tuomaan minulle keltainen laatikko käytävän toisella puolella olevasta varastosta” – ja joutua purkamaan sen useiksi osatehtäviksi: paikantamaan puhujan, navigoimaan käytävällä, tunnistamaan oikean laatikon, säätämään otteen voimakkuutta, välttämään törmäyksiä ja tietenkin palaamaan turvallisesti.

Jokainen osa tuosta sarjasta sisältää eri alijärjestelmän – näkökyvyn, liikkumisen, kielen, manipuloinnin ja palautteen. Ja kokonaisuuden luotettavuus riippuu siitä, kuinka hyvin nämä osat kommunikoivat muuttuvissa olosuhteissa.

Modulaarinen arkkitehtuuri on tapa vastata tähän haasteeseen. Tämä mahdollistaa alijärjestelmien itsenäisen iteroinnin ja samalla koko järjestelmän koordinoinnin. Lisäksi se mahdollistaa ominaisuuksien skaalaamisen useissa ympäristöissä ilman, että järjestelmä tarvitsee rakentaa uudelleen alusta alkaen. Näin siirrymme suljetuista demoista avoimen maailman suorituskykyyn.

Panokset ovat valtavat – ja ne ovat maailmanlaajuisia

Humanoidit on helppo kehystää futuristisiksi. Mutta kun puhumme asiakkaidemme kanssa, tarve on välitön. Lukuisat varastot, kokoonpanolinjat ja muut aiemmin kiireiset työmaat kamppailevat nyt miehityksen kanssa.

Nämä työvoimapulat ovat väestörakenteellisia ongelmia. Japanissa lähes 30 % väestöstä on yli 65-vuotiaitaEuroopassa keskeiset sektorit – joilla on yhteensä 1.7 biljoonan dollarin palkkakulut - ovat kamppailee nuorten työntekijöiden rekrytoinnissaNämä eivät ole sellaisia rooleja, joita useimmat ihmiset haluavat, ja yhä useammin sellaisia, joita ihmiset ovat valmiita ottamaan.

Tulemalla auttaviksi käsiksi, ei korvaaviksi käsiksi, humanoidit voivat ottaa fyysisesti vaativia, toistuvia tai vaarallisia tehtäviä – siirtää varastoa, lastata lavoja, käyttää koneita – ilman väsymyksen tai loukkaantumisen riskiä. Tämä vapauttaa ihmistyöntekijät keskittymään työn monimutkaisempiin, luovempiin tai ihmissuhteisiin liittyviin näkökohtiin.

Lisäksi tämä luo pitkän aikavälin taloudellista kestävyyttä. Kun työvoima on epävakaata tai sitä ei ole saatavilla, älykkäät koneet voivat auttaa varmistamaan jatkuvuuden – kaikki tämä turvallisuudesta, laadusta tai sopeutumiskyvystä tinkimättä.

Toinen korostettava näkökohta on sääntelykehys. Useimmat tiimit – erityisesti löyhästi säännellyillä lainkäyttöalueilla – odottavat ja miettivät tätä. Me aloitimme siitä. Euroopan turvallisuus- ja tietosuojalait ovat maailman tiukimpia, mutta sen sijaan, että pitäisimme niitä esteinä, pidämme niitä kilpailuetunamme. Kun muut markkinat ottavat käyttöön tiukempia säännöksiä, olemme valmiita vastaamaan niihin, kun taas toiset yritykset saattavat kamppailla.

Uusi tekoälyrotu – mutta ei se, jonka luulet

Suuri osa tekoälykeskustelusta keskittyy nykyään laskentatehoon, parametreihin ja harjoitusdataan. Mutta todellinen läpimurto saattaa tulla toiselta alueelta: fyysisen maailman integraatiosta. Siinä älykkyyden on opittava toimimaan pelkän ennustamisen sijaan.

Tässä suhteessa kilpajuoksussa on kyse kyvykkäimmästä järjestelmästä – sellaisesta, joka pystyy toimimaan julkisissa tiloissa turvallisuusrajoitusten alaisena ja ihmisten kanssa. Tämä järjestelmä oppii datasta oppimisen lisäksi myös – ja erityisesti – todellisuudesta ja toimii ihmisten rinnalla häiritsemättä asioiden kulkua.

Siksi emme odota käyttöönottoon asti. Alusta alkaen työskentelemme suoraan kaupallisten kumppaneiden kanssa integroidaksemme järjestelmän todellisiin ympäristöihin – varmistaen, että järjestelmä paranee siellä, missä sillä on eniten merkitystä: käytännössä.

Tällainen tosielämän oppiminen on juuri se kohta, jossa kapeat järjestelmät jäävät vajaaksi. Vaikka nämä ovat vieneet meidät pitkälle, niitä ei ole koskaan suunniteltu tällaista monimutkaisuutta varten. Humanoidit vaativat jotain muuta – koordinaatiota, kestävyyttä ja kuten mainittiin, kykyä oppia odottamattomista tilanteista.

Se on edessämme oleva valtava tilaisuus. Ei automatisoida kaikkea, vaan rakentaa koneita, jotka pystyvät ymmärtämään, navigoimaan ja tekemään yhteistyötä ihmisten kanssa.