ยุคของหุ่นฮิวแมนนอยด์ไม่ได้มาถึง — มันอยู่ที่นี่แล้ว

เมื่อต้นเดือนนี้ ในประเทศจีน หุ่นยนต์ฮิวแมนนอยด์ชื่อ Shuang Shuang ขึ้นเวที ในพิธีจบการศึกษามัธยมในมณฑลฝูเจี้ยน เพื่อรับใบปริญญา — จับมือและทำให้นักเรียนและครูประทับใจ โมเมนต์เหล่านี้แสดงถึงการเปลี่ยนแปลงที่มีความหมาย ซึ่งหุ่นยนต์ฮิวแมนนอยด์เริ่มเข้าสู่ชีวิตสาธารณะในแบบที่มองเห็นได้ชัดเจน

โมเมนต์เหล่านี้แสดงให้เห็นมากกว่าความสนใจของสาธารณชน — มันแสดงถึงการเปลี่ยนแปลงไปสู่การรวมเข้ากับโลกแห่งความเป็นจริง นี้เป็นบทความที่อธิบายว่าหุ่นฮิวแมนนอยด์เปลี่ยนจากการแสดงและการแสดงออกไปสู่การทำงาน — และทำไมสิ่งที่ดูเหมือนจะเป็นความสำเร็จทางฮาร์ดแวร์เท่านั้น แต่ในความเป็นจริงแล้วเป็นเรื่องของความฉลาดที่รวมเข้าด้วยกันซึ่งทำให้เครื่องจักรเหล่านี้สามารถเดิน อินเทอร์แอ็กต์ และเรียนรู้ในสภาพแวดล้อมที่ไม่ได้ถูกเขียนขึ้นสำหรับการอัตโนมัติ เราจะพูดถึงวิธีการที่เราทำการค้าโดยใช้การนำไปใช้จริงและการเป็นพันธมิตรระยะยาว

วิธีการที่หุ่นฮิวแมนนอยด์ผลักดัน AI เข้าสู่โลกแห่งความเป็นจริง

ช่องว่างระหว่างการทำงานในโลกเสมือนและความน่าเชื่อถือทางกายภาพยังคงเป็นหนึ่งในความท้าทายที่ถูกมองข้ามมากที่สุดใน AI ชัตบอทสามารถสร้างข้อความที่มีประสิทธิภาพโดยไม่ต้องดำเนินการใดๆ — ในทางเดียวกันโมเดลการมองเห็นสามารถระบุการก้าวหน้าในภาพโดยไม่ต้องเดินหรือเสี่ยงต่อการล้ม หุ่นฮิวแมนนอยด์ไม่มีความสะดวกสบายนั้น

เพื่อให้ทำงานได้ในโลกแห่งความเป็นจริง AI ต้องทิ้งเซตข้อมูลที่ไม่เปลี่ยนแปลงและเงื่อนไขที่ควบคุมไว้ มันจะต้องเห็น ตัดสินใจ และดำเนินการในสภาพแวดล้อมที่เปลี่ยนแปลงทุกๆ วินาที ซึ่งรวมถึงพื้นที่ที่ไม่เรียบ วัตถุที่วางไม่ถูกต้อง พฤติกรรมของมนุษย์ที่ไม่คาดคิด และสัญญาณที่ไม่ใช่คำพูดที่ขึ้นอยู่กับบริบท ผลลัพธ์คือการเผชิญหน้ากับเสียงรบกวน ความคลุมเครือ และความล้มเหลวที่อาจเกิดขึ้นทุกวัน

สิ่งนี้คือที่ที่การให้เหตุผลที่มีร่างกาย — ที่ที่ภาษาเชื่อมโยงกับพื้นที่ เวลา และผลที่ตามมา — เริ่มมีความสำคัญมากกว่าการคาดการณ์ตัวอักษร ตัวอย่างเช่น หากมนุษย์กล่าวว่า “ดูออกไป มันลื่น” หุ่นยนต์ต้องเชื่อมโยงคำนั้นไม่เพียงแต่คำจำกัดความของคำ แต่ยังรวมถึงความตระหนักทางพื้นที่ ความเสี่ยงที่อาจเกิดขึ้น และการปรับเปลี่ยนในเวลาจริง

ในเวลาเดียวกัน การเรียนรู้แบบหลายรูปแบบกลายเป็นสิ่งจำเป็น เนื่องจากไม่มีช่องทางเข้าใดที่น่าเชื่อถือเพียงพอในการทำงานเพียงอย่างเดียว กล้องอาจพลาดพื้นที่ลื่น แต่เซ็นเซอร์แรงกดที่เท้าสามารถตรวจจับการสูญเสียการยึดเกาะอย่างรวดเร็ว หรือในสถานการณ์อื่น การรู้จำเสียงอาจล้มเหลวในคลังสินค้าที่มีเสียงดัง แต่สัญญาณภาพหรือการแสดงออกทางกายสามารถเติมช่องว่างได้

การสรุปความแตกต่างยังเป็นสิ่งสำคัญ หุ่นยนต์ไม่สามารถพึ่งพาการเห็นสภาพแวดล้อมที่แน่นอนสองครั้ง มันจำเป็นต้องปรับเปลี่ยนพฤติกรรมเมื่อพื้นเปียก แสงเปลี่ยนแปลง หรือกล่องไม่ได้อยู่ที่เดิมวันก่อน สิ่งนี้กลายเป็นความแตกต่างระหว่างการทำงานที่สำเร็จและความล้มเหลว

ที่ Humanoid นี่คือเหตุผลที่เริ่มการทดสอบกับพันธมิตรเชิงพาณิชย์เร็วๆ นี้ เรารวมหุ่นยนต์ของเราเข้ากับสภาพแวดล้อมจริงเพื่อค้นหาความผิดพลาดที่อาจเกิดขึ้นและรับประกันการทำงานที่เหมาะสมก่อนการนำไปใช้ หุ่นยนต์ที่ทำงานได้ดีในการจำลองหรือการแสดงอาจไม่ใช่หุ่นยนต์ที่สร้างความไว้วางใจภายใต้แรงกดดัน เนื่องจากความไว้วางใจนั้นสร้างขึ้นจากความเรียนรู้ในโลกแห่งความเป็นจริง

เรารู้ว่าหุ่นฮิวแมนนอยด์จะพร้อมใช้งานเชิงพาณิชย์ภายในสองปีหน้า — แต่เราจะไม่等待 สำหรับเรา การค้าเริ่มต้นเร็วๆ นี้ หมายถึงการสร้างพันธมิตรระยะยาวรอบการใช้งานจริง ผ่านโปรแกรมทดลองหลายๆ โปรแกรม เราไม่เพียงแต่ให้ความรู้แก่พันธมิตรของเราเกี่ยวกับเทคโนโลยีเท่านั้น แต่ยังเรียนรู้ไปพร้อมๆ กับพวกเขา กระบวนการเรียนรู้ร่วมกันนี้ช่วยให้เราปรับปรุงโครงสร้างต้นทุนและความน่าเชื่อถือของประสิทธิภาพตั้งแต่วันแรก — เพื่อให้แน่ใจว่าค่าใช้จ่ายทั้งหมดที่ดีที่สุดเมื่อระบบขยายขนาด

ทำไมหุ่นฮิวแมนนอยด์จึงเป็นสนามทดสอบสูงสุดสำหรับความฉลาดทั่วไป

โลกที่เราสร้างขึ้นในรอบ 100 ปีที่ผ่านมามีความเหมาะสมกับขนาดของมนุษย์ มือจับปากกา ยกของ คลังสินค้า — ทุกสิ่งสมมติว่ามิติ การเคลื่อนไหว และพฤติกรรมทางสังคมที่ไม่แสดงออก หุ่นฮิวแมนนอยด์ต้องปรับตัวเข้ากับความเป็นจริงนั้นหรือจะถูกจำกัดอย่างมากในฟังก์ชันการทำงาน

เพื่อเดินขึ้นบันได ถือวัตถุ อ่านการชี้นำ หรือรับรู้ความลังเลในเสียง หุ่นยนต์ต้องเข้าใจบริบทที่อยู่นอกเหนือจากการจำแนกภาพหรือการวางแผนการเคลื่อนไหวที่ถูกเขียนไว้ มันจะต้องอนุมานความตั้งใจ เรียนรู้ทักษะใหม่โดยดูมนุษย์ ปรับทักษะนั้นให้เหมาะสมกับการวางผังที่แตกต่างกันเล็กน้อย และปรับปรุงประสิทธิภาพของมันเมื่อเวลาผ่านไป ในทางปฏิบัติ ระบบนี้ขยายสิ่งที่ AI สามารถทำได้ภายใต้ข้อจำกัดจริง

ที่ Humanoid เราเร่งกระบวนการนี้ผ่านการควบคุมระยะไกล ในช่วงแรกของการพัฒนา ผู้ควบคุมคนให้คำแนะนำหุ่นยนต์ผ่านงานสำคัญ ข้อมูลนี้กลายเป็นพื้นฐานสำหรับการฝึกอบรมพฤติกรรมใหม่ เมื่อเวลาผ่านไป การแสดงเหล่านี้จะถูกนำไปใช้ในโมเดลของเราจากจุดเริ่มต้นถึงจุดสิ้นสุด ช่วยให้เราสร้างความเป็นอิสระที่เชื่อถือได้

จากระบบแคบๆ ไปสู่ความฉลาดที่รวมเข้าด้วยกัน

ระบบ AI ส่วนใหญ่ในปัจจุบันทำงานได้ดีในงานแคบๆ ในการแยกออกจากกัน แต่ละระบบทำงานได้ดี หุ่นฮิวแมนนอยด์ไม่ต้องการผู้เชี่ยวชาญที่ไม่เชื่อมต่อ เพื่อรวมเข้าด้วยกันอย่างสำเร็จ เราต้องการระบบที่สามารถให้เหตุผลข้ามรูปแบบและช่วงเวลา

หุ่นฮิวแมนนอยด์อาจได้รับคำสั่งซื้อไม่ชัดเจน — “ไปเอากระเป๋าสีเหลืองจากห้องเก็บของข้ามทางเดิน” — และต้องถอดรหัสคำสั่งนั้นเป็นลำดับของงานย่อย: ค้นหาตำแหน่งของคนพูด เดินผ่านทางเดิน ระบุกล่องที่ถูกต้อง ปรับแรงกด และหลีกเลี่ยงการชน และสุดท้ายคืนกลับอย่างปลอดภัย

ทุกส่วนของลำดับนั้นเกี่ยวข้องกับระบบย่อยต่างๆ — การมองเห็น การเคลื่อนไหว ภาษา การจัดการ และการให้ข้อมูลย้อนกลับ ความน่าเชื่อถือของระบบทั้งหมดขึ้นอยู่กับว่าระบบย่อยเหล่านั้นสามารถสื่อสารกันได้ดีเพียงใดภายใต้สภาพแวดล้อมที่เปลี่ยนแปลง

สถาปัตยกรรมแบบโมดูลาร์เป็นวิธีหนึ่งในการตอบสนองความท้าทายนี้ สิ่งนี้ช่วยให้เราสามารถปรับปรุงระบบย่อยๆ ได้อย่างอิสระในขณะที่ยังคงรักษาความสอดคล้องของระบบทั้งหมด นอกจากนี้ยังช่วยให้เราขยายความสามารถไปสู่สภาพแวดล้อมหลายๆ แบบโดยไม่ต้องสร้างใหม่ตั้งแต่ต้น นี่คือวิธีที่เราย้ายจากตัวอย่างที่ปิดไปสู่การทำงานในโลกเปิด

เดิมพันคือสิ่งใหญ่โต — และมันคือสิ่งโลก

มันง่ายที่จะถือว่าหุ่นฮิวแมนนอยด์เป็นเรื่องในอนาคต แต่เมื่อเราพูดคุยกับลูกค้า ความต้องการคือเรื่องด่วน มีคลังสินค้า ลำดับการผลิต และสถานที่ทำงานอื่นๆ ที่เคยยุ่งเหยิง แต่ปัจจุบันกำลังดิ้นรนเพื่อรักษาความมั่นคง

การขาดแคลนแรงงานเหล่านี้เป็นปัญหาทางประชากรศาสตร์ ในประเทศญี่ปุ่น เกือบ 30% ของประชากรอายุ 65 ปีขึ้นไป ในยุโรป อุตสาหกรรมหลักซึ่งมีเงินเดือนรวม 1.7 ล้านล้านเหรียญสหรัฐ — กำลังดิ้นรนในการจ้างงานคนหนุ่มสาวไม่ สิ่งเหล่านี้ไม่ใช่บทบาทที่คนส่วนใหญ่ต้องการ และยิ่งไม่ใช่บทบาทที่คนยอมทำ

โดยการเข้ามาเป็นมือช่วย ไม่ใช่การแทนที่ หุ่นฮิวแมนนอยด์สามารถรับหน้าที่ที่ต้องใช้แรงกาย การทำซ้ำ หรืออันตราย — ย้ายสินค้า โหลดพาเลท ใช้เครื่องจักร — โดยไม่มีความเสี่ยงต่อความเหนื่อยล้าหรือการบาดเจ็บ สิ่งนี้ช่วยให้คนงานสามารถมุ่งเน้นไปที่ด้านที่ซับซ้อน ครีเอทีฟ หรือสังคมของงานมากขึ้น

นอกจากนี้ สิ่งนี้ยังสร้างความยั่งยืนทางเศรษฐกิจในระยะยาว เมื่อแรงงานมีการเปลี่ยนแปลงหรือไม่มี หุ่นยนต์ที่ฉลาดสามารถช่วยให้แน่ใจถึงความต่อเนื่อง — ทั้งโดยไม่ต้องเสียสละความปลอดภัย คุณภาพ หรือความสามารถในการปรับตัว

อีกด้านหนึ่งที่ต้องเน้นคือกรอบการทำงานตามกฎระเบียบ ส่วนใหญ่ทีม — โดยเฉพาะในเขตอำนาจศาลที่มีการควบคุมหลวม — รอจนกว่าจะคิดถึงสิ่งนี้ เราเริ่มต้นจากที่นั่น กฎหมายความปลอดภัยและข้อมูลของยุโรปเป็นหนึ่งในที่เข้มงวดที่สุดในโลก แต่แทนที่จะรับมันเป็นอุปสรรค เราให้ความสำคัญกับมันเป็นข้อได้เปรียบของเรา เมื่อตลาดอื่นๆ นำกฎระเบียบที่เข้มงวดมากขึ้นมาใช้ เราจะพร้อมที่จะตอบสนองในขณะที่บริษัทอื่นๆ อาจต้องดิ้นรน

การแข่งขัน AI ใหม่ — แต่ไม่ใช่สิ่งที่คุณคิด

การอภิปรายเกี่ยวกับ AI วันนี้มุ่งเน้นไปที่พลังการประมวลผล พารามิเตอร์ และข้อมูลการฝึกอบรม แต่การผ่านทางที่แท้จริงอาจมาจากด้านหน้าใหม่: การรวมเข้ากับโลกแห่งความเป็นจริง นั่นคือที่ที่ความฉลาดต้องเรียนรู้ที่จะทำงาน ไม่ใช่แค่การคาดเดา

ในด้านนี้ การแข่งขันคือเกี่ยวกับระบบที่มีความสามารถมากที่สุด — ระบบที่สามารถทำงานในสภาพแวดล้อมสาธารณะ ภายใต้ข้อจำกัดด้านความปลอดภัย และมีมนุษย์อยู่ในวงจร ระบบนี้除了การเรียนรู้จากข้อมูลแล้ว ยังเรียนรู้จากความเป็นจริงและทำงานร่วมกับคนโดยไม่ขัดขวางกระบวนการ

นั่นคือเหตุผลที่เราไม่รอจนกว่าจะถึงการนำไปใช้ เราเริ่มต้นด้วยการทำงานโดยตรงกับพันธมิตรเชิงพาณิชย์เพื่อรวมเข้ากับสภาพแวดล้อมจริง — เพื่อให้แน่ใจว่าระบบดีขึ้นที่ที่มันสำคัญที่สุด: ในการปฏิบัติ

การเรียนรู้ในโลกแห่งความเป็นจริงนั้นเป็นจุดที่ระบบแคบๆ ล้มเหลว ในขณะที่ระบบเหล่านั้นได้นำเราไปไกล แต่ไม่ได้ออกแบบมาเพื่อความซับซ้อนประเภทนี้ หุ่นฮิวแมนนอยด์ต้องการสิ่งอื่น — การประสานงาน ความแข็งแกร่ง และความสามารถในการเรียนรู้จากสิ่งไม่คาดคิด

นั่นคือโอกาสที่ยิ่งใหญ่หน้าเรา ไม่ใช่การทำให้ทุกอย่างอัตโนมัติ แต่การสร้างเครื่องจักรที่สามารถเข้าใจ นำทาง และร่วมมือกับโลกของมนุษย์