Ihmisenkaltaisten robottien aikakausi ei tule — se on jo täällä

Edellisellä kuulla Kiinassa ihmisenkaltainen robotti nimeltä Shuang Shuang astui lavalle lukioiden valmistujaisseremoniassa Fujianissa vastaanottamaan tutkinnon — kätellen ja ilahduttaen opiskelijoita ja opettajia. Tällaiset hetket edustavat merkittävää muutosta, jossa ihmisenkaltaiset robotit alkavat tulla julkiseen elämään hyvin näkyvällä tavalla.

Nämä hetket edustavat enemmän kuin yleistä uteliaisuutta — ne merkitsevät siirtymistä kohti todellista maailman integraatiota. Tässä artikkelissa tutkimme, miten ihmisenkaltaiset robotit siirtyvät esityksestä ja näytöksestä toiminnallisuuteen — ja miksi se, mitä näyttää olevan pelkästään laitteistojen saavutus, on itse asiassa kyse integroidusta älykkyydestä, joka mahdollistaa näiden laitteiden kävelyyn, vuorovaikutukseen ja oppimiseen ympäristöissä, jotka eivät ole automaation kannalta suunniteltuja. Käsittelemme myös, miten lähestymme kaupallistamista varhaisen käyttöönoton ja pitkäaikaisten kumppanuuksien kautta.

Ihmisenkaltaiset robotit työntävät tekoälyä kohti todellista maailmaa

Virtuaalisen suorituskyvyn ja fyysisen luotettavuuden välinen kuilu on yksi tekoälyn haasteista, jota ei usein huomata. Chatbot voi generoida virkkeitä ilman, että tarvitsee toimia niiden mukaan — samoin kuin visiomalli voi tunnistaa askeleen kuvassa ilman, että tarvitsee fyysisesti navigoida siinä tai riskiä kaatua. Ihmisenkaltaisilla robooteilla ei ole tätä luksusta.

Toimia todellisessa maailmassa, tekoäly on jätettävä taakse statiset tietokannat ja kontrolloidut olosuhteet. Se on nähtävä, päätettävä ja toimittava ympäristöissä, jotka muuttuvat sekunnin tai kahden välein. Tämä sisältää epätasaiset lattiat, väärään paikkaan asetetut esineet, ennalta arvaamattoman ihmiskäyttäytymisen ja kontekstiriippuvat verbaalit vihjeet. Tuloksena on päivittäinen vastakkainasettelu melun, epäselvyyden ja potentiaalisen epäonnistumisen kanssa.

Tässä on, missä ruumiillistunut päättely — jossa kieli on juurtunut aikaan, tilaan ja seuraamuksiin — alkaa merkitä enemmän kuin tokenien ennustaminen. Esimerkiksi, jos ihminen sanoo “varo, on liukkasta”, robotti on kyettävä yhdistämään tuon lauseen sanamääritelmän lisäksi myös tilalliseen tietoisuuteen, potentiaalisiin riskeihin ja reaaliaikaisiin sopeutumisiin.

Samalla monimodaalinen oppiminen tulee olennaiseksi, koska yksittäinen syötteen kanava ei ole luotettava riittävästi toimimaan yksin. Kamera saattaa missata liukkaan pinnan, mutta paineanturit jalkojen alla voivat havaita äkillisen kitkan menetyksen. Tai toisessa tilanteessa puheentunnistus saattaa epäonnistua meluisassa varastossa, mutta visuaaliset vihjeet tai eleet voivat täyttää aukon.

Yleistäminen tulee myös kriittiseksi. Robotti ei voi luottaa siihen, että näkee saman ympäristön kahdesti. Se on sopeutettava käyttäytymistään, kun lattia on märkä, valaistus muuttuu tai laatikko ei ole siinä, missä se oli eilen. Tämä muodostaa eron onnistuneen suorittamisen ja epäonnistumisen välillä.

Humanoidilla tämä on syynä, miksi aloitamme testaamisen aikaisin kaupallisten kumppaneidemme kanssa. Integroimme robotit toimiviin ympäristöihin havaitsemaan mahdolliset virheet ja varmistamaan optimaalisen toiminnan ennen käyttöönottoa. Robotti, joka suorittaa hyvin simulaatiossa tai demon, ei ole sama kuin se, joka ansaitsee luottamuksen paineen alla, koska se luottamus rakentuu lopulta todellisen maailman oppimisesta.

Tiedämme, että ihmisenkaltaiset robotit tulevat olemaan kaupallisesti saatavilla seuraavien kahden vuoden aikana — mutta emme odota. Meillä kaupallistaminen alkaa aikaisin. Se tarkoittaa pitkäaikaisten kumppanuuksien rakentamista todellisten käyttötapauksien ympärille. Sarjan pilottiohjelmien kautta opetimme ei vain opastamaan kumppaneitamme teknologiasta — vaan myös opimme heidän kanssaan. Tämä jaettu oppimisprosessi auttaa meitä myös jalostamaan kustannusrakenteita ja suorituskyvyn luotettavuutta ensimmäisestä päivästä lähtien — varmistaen parhaan mahdollisen yhteiskustannuksen (TCO) järjestelmien skaalautuessa.

Miksi ihmisenkaltaiset robotit ovat älykkyyden lopullinen testikenttä

Maailma, jonka olemme luoneet viimeisen sadan vuoden aikana, on suunniteltu ihmisen mittaan. Ovensankaat, nostimet, varastot — kaikki oletetaan tiettyjä mittoja, liikkeen alueita ja implisiittisiä sosiaalisia käyttäytymismalleja. Ihmisenkaltaiset robotit on sopeutettava tähän todellisuuteen tai ne joutuvat olemaan erittäin rajoitettuja toiminnassaan.

Menetelläkseen ylös portaita, kantamaan esinettä, tulkittaakseen osoittamalla eleen tai tunnistamaan epäröintiä äänessä, robotti on ymmärrettävä kontekstia visuaalisen luokittelun tai ohjatun liikkeen suunnittelun ulkopuolella. Se on pääteltävä aikomus, opittava uusi tehtävä katsomalla ihmistä, sopeuttamaan taitoa hieman erilaiseen asetelmaan ja parantamaan suorituskykyään ajan myötä. Käytännössä tämä järjestelmä laajentaa tehokkaasti sitä, mitä tekoäly voi tehdä todellisissa rajoitteissa.

Humanoidilla nopeutamme tätä prosessia etäohjauksen kautta. Kehityksen alkuvaiheessa ihmiset ohjaavat robottia avaintehtävissä. Tämä käytännön data muodostaa perustan uusien käyttäytymismallien koulutukseen. Ajan myötä nämä esitykset syötetään päästä päihin -malleihimme, auttaen meitä rakentamaan luotettavaa autonomiaa.

Kapeista järjestelmistä integroiduun älykkyyteen

Useimmat tekoälyjärjestelmät tänään erinomaisesti kapeissa tehtävissä. Erillään kussakin heistä toimii hyvin. Mutta ihmisenkaltaisilla robooteilla ei ole tarvetta erillisiin asiantuntijoille. Onnistuakseen integroidusti, tarvitsemme järjestelmiä, jotka voivat päättää eri modaalisuuksien ja aikaskaalojen yli.

Ihmisenkaltaiselle robotti saattaa saada suhteellisen epämääräisen ohjeen — “Mene hakemaan minulle keltainen laatikko varastosta vastapäätä” — ja on dekoodattava se alitehtäviksi: lokalisoa puhuja, navigoida käytävää, tunnistaa oikea laatikko, sovittaa otteen voimakkuutta, välttää törmäyksiä ja tietysti palata turvallisesti.

Jokainen osa siitä järjestystä vaatii eri alijärjestelmää — visiota, liikkumista, kieltä, manipulaatiota ja palautetta. Ja koko järjestelmän luotettavuus riippuu siitä, miten hyvin nämä osat viestivät muuttuvissa olosuhteissa.

Modulaarinen arkkitehtuuri on tapa kohtaa tämä haaste. Se mahdollistaa meille iteroida alijärjestelmissä itsenäisesti samalla, kun saavutamme järjestelmänlaajuisen koordinoinnin. Lisäksi se mahdollistaa meille skaalata kykyjä useissa ympäristöissä ilman, että meidän on rakennettava alusta lähtien. Tämä on, miten siirrymme suljetuista demoista avoimeen maailman suorituskykyyn.

Panokset ovat massiiviset — ja ne ovat globaaleja

On helppo esittää ihmisenkaltaiset robotit tulevaisuuden näkökulmasta. Mutta kun puhumme asiakkaidemme kanssa, tarve on välitön. Monet varastot, kokoonpanolinjat ja muut aikaisemmin vilkkaat työpaikat kamppailevat nyt työvoiman puutteen kanssa.

Nämä työvoimapulat ovat demografisia ongelmia. Japanissa lähes 30 % väestöstä on yli 65-vuotiaita. Euroopassa avainsektorit — joilla on yhteinen palkkakustannus 1,7 biljoonaa euroa — kamppailevat nuorempien työntekijöiden palkkaamisessa. Nämä eivät ole sellaisia rooleja, joita useimmat ihmiset haluavat, ja yhä useammin, eivät sellaisia rooleja, joita ihmiset ovat valmiit tekemään.

Ihmisenkaltaiset robotit voivat tulla apuun avuksi, ei korvaajina, ja ottaa vastaan fyysisesti vaativia, toistuvia tai vaarallisia tehtäviä — siirtää varastoja, ladata kuormia, käyttää koneita — ilman uupumisen tai vahingon riskiä. Tämä vapauttaa ihmistyöntekijät keskittymään monimutkaisempiin, luovempiin tai vuorovaikutteisempiin työn osa-alueisiin.

Lisäksi tämä luo pitkän aikavälin taloudellista kestävyyttä. Kun työvoima on volatiilista tai ei ole saatavilla, älykkäät koneet voivat auttaa varmistamaan jatkuvuuden — ilman, että uhkaavat turvallisuutta, laatua tai sopeutumista.

Toinen näkökulma on sääntelykehykset. Useimmat tiimit — erityisesti löyhästi säännellyissä ympäristöissä — odottavat, että miettivät tästä. Me aloitimme siitä. Euroopan turvallisuus- ja tietosuojalait ovat maailman ankarimpia, mutta emme kohdella niitä esteinä — vaan kilpailuetuna. Kun muut markkinat omaksuvat ankarampia sääntelyjä, olemme valmiit kohtaamaan ne, kun taas muut yritykset saattavat kamppailla.

Uusi tekoälykilpailu — mutta ei sellainen, jota ajattelisit

Suurin osa nykyisestä tekoälykeskustelusta keskittyy laskentakapasiteettiin, parametreihin ja koulutusdataan. Mutta oikea läpimurto saattaa tulla toiselta rintamalta: integraatiosta fyysiseen maailmaan. Siellä älykkyyden on opittava suoriutua, ei pelkästään ennustaa.

Tässä suhteessa kilpailu on kyvykkyydestä toimia julkisissa tiloissa, turvallisuuden rajoituksissa ja ihmisten kanssa yhteistyössä. Tämä järjestelmä, lisäksi oppimisesta datasta, myös — ja erityisesti — oppii todellisuudesta ja toimii ihmisten kanssa ilman, että häiritsee asioiden kulkua.

Sen vuoksi emme odota, kunnes käyttöönotto alkaa. Alusta lähtien työskentelemme suoraan kaupallisten kumppaneidemme kanssa integroidaksemme todellisiin ympäristöihin — varmistaaksemme, että järjestelmä paranee siinä, missä se on tärkeintä: käytännössä.

Tuollainen todellisen maailman oppiminen on juuri siinä, missä kapeat järjestelmät epäonnistuvat. Vaikka ne ovat vieneet meidät pitkälle, ne eivät olleet suunniteltu tällaiselle monimutkaisuudelle. Ihmisenkaltaisilla robooteilla vaaditaan jotain muuta — koordinointia, luotettavuutta ja, kuten mainittiin, kykyä oppia odottamattomista asioista.

Se on massiivinen mahdollisuus edessämme. Ei automatisoida kaikkea, vaan rakentaa koneita, jotka voivat ymmärtää, navigoida ja tehdä yhteistyötä ihmisten maailman kanssa.