Чи можуть роботи нас обдурити? Розбираємо заяву, яка сколихнула світ робототехніки
Мій друг, який працює у сфері штучного інтелекту, надіслав мені відео минулого тижня. “Ліло, – сказав він, – ти мусиш це побачити. Це щось неймовірне!”. Переглянувши його, мушу зізнатися, що й мене охопив холодок. Відео стосувалося Яна Лекана, який, здавалося, вирішив зірвати завісу таємниці над індустрією робототехніки. І, ви знаєте, це не просто слова. Це – виклик. Виклик, який змушує задуматись над усім, що ми бачили у блискучих демонстраціях роботів-гуманоїдів.
Уявіть собі: елегантний робот граційно танцює, піднімає предмети, навіть виконує складні трюки. Здається, майбутнє вже тут, і воно – механічне. Але Лекан стверджує: те, що ми бачимо, – це лише вишукана вистава. Наче добре зрепетирований балет, де кожен рух прорахований до найменшої деталі. Зацікавлені? Тоді зручніше влаштовуйтесь, наливаємо чаю (або кави, як вам більше до смаку) – будемо розбиратися, чому заява про “секрет індустрії робототехніки” може кардинально змінити наше уявлення про штучний інтелект.
За блискучою вітриною: що ховається за вражаючими демонстраціями?
Почнемо з того, що Лекан назвав “передньо обчисленим”. Звучить дещо тривожно, чи не так? Але якщо розібратися, в цьому є логіка. Уявіть, що ви готуєте презентацію вашого найкрутішого винаходу. Звісно, ви покажете його в найкращому світлі. Виберете найуспішніші моменти, відшліфуєте кожен рух, щоб вразити глядачів. А все те, що не вийшло? Те, де робот спіткнувся, впав чи просто “завис”, – залишиться за кадром.
І, за словами Лекана, це не просто “ноу-хау” окремої компанії. Це, скоріше, стандартна практика для більшості. Коли ви бачите, як робот демонструє кунг-фу чи переносить коробки, часто це не спонтанна реакція на навколишнє середовище, а заздалегідь прописаний сценарій. Робот може бути бездоганним у виконанні своєї “ролі”, але чи розуміє він, що робить? Чи має він той самий “здоровий глузд”, який є навіть у нашого домашнього кота? На думку Лекана, відповідь – поки що ні.
Особистий досвід: Я кілька разів була свідком демонстрацій роботів на різних конференціях, і завжди помічала те саме. Вражаючими були тільки частини шоу, які були ретельно підготовлені та зрепетировані. В реальних умовах, коли доводилось стикатись з непередбачуваним, їх можливості різко падали.
Чи справді Boston Dynamics – королі роботів?
Коли Лекан натякнув на “секрет індустрії”, багато хто одразу згадав про гігантів, як-от Boston Dynamics. Їхні роботи – справжня вершина інженерії, вони виконують неймовірні трюки, стрибають, бігають, навіть танцюють. Але й тут є момент, який підтверджує слова Лекана.
Згадайте, як на виставці CES 2026 показали нову версію Atlas? Це був фурор! Однак частина демонстрації була… дистанційно керованою. Так, роботизована “зірка” світового рівня, яка мала б бути втіленням автономності, фактично керувалася людиною. Це не применшує досягнення компанії – це скоріше розумний крок для уникнення ризиків. Уявіть, скільки коштує помилка на такому заході!
Але в цьому і полягає суть. Якщо прибрати “хореографію” та дистанційне керування, чи залишиться в нас справжній, автономний робот із загальним інтелектом? Лекан вважає, що ні. Це ставить під сумнів оголошені терміни впровадження подібних машин у промисловість. Вони говорять про 2028-й, 2030-й, але чи готові ці роботи до непередбачуваних завдань, до реального життя, де все йде не за планом?
Важлива деталь: У своїй практиці я бачила, як компанії прагнуть показати свої технології в найкращому світлі. Демонстрації найчастіше оптимізують, а реальні проблеми залишаються “за лаштунками”. Мета – продажі, зацікавлення, інвестиції, і це зрозуміло.
Ілон Маск проти Яна Лекана: битва титанів думки в контексті ШІ та робототехніки
Звісно, така заява не могла залишитися без уваги. Особливо, коли в гру вступив Ілон Маск, висловивши свою точку зору. Його коментар був лаконічним, але змістовним: “Якщо він (Лекан) не може цього зробити, то ніхто не зможе”. Маск мав на увазі своїх роботів Optimus від Tesla. Для нього це виклик, і він вірить у свою команду та технології.
Але Лекан не збирався відступати. Його відповідь була ще сміливішою: “Насправді все навпаки. Я знаю, як це зробити”. І він не просто це сказав. Він запропонував своє бачення – підхід, відмінний від того, на чому наполягають більшість компаній. Замість традиційних методів, він робить ставку на VJER (Video-based general world models) та планування.
Що ж таке VJER? Уявіть, що ви дивитесь фільм, але з нього вирізали кілька хвилин. Замість того, щоб намагатися вгадати кожен піксель, що був вирізаний, VJER намагається зрозуміти концепцію того, що відбувалося. Якщо кинули м’яч, VJER розуміє, що він має траєкторію, що на нього впливає гравітація. Це не просто запам’ятовування, це – розуміння принципів фізики та закономірностей реального світу.
Нотатки про особистий досвід: Використовуючи аналогію з навчанням дитини, я завжди наголошую на важливості розуміння принципів. Недостатньо просто показати дитині тисячі рецептів борщу, щоб вона навчилась його готувати. Важливо пояснити (або щоб вона сама зрозуміла) ключові принципи: що таке засмажка, як варяться овочі, які спеції використовуються. І тоді вона зможе приготувати борщ навіть із незвичних продуктів, використовуючи різні технології. VJER – це саме про таке “принципове” навчання, яке значно полегшує реалізацію складних задач.
Реальний світ проти цифрового: де пролягає межа між цифровими й фізичними копіями світу?
Лекан стверджує, що підхід, який працює для мови (як у ChatGPT), не підійде для роботи з “шумними” даними реального світу. Роботам потрібна глибока взаємодія зі світом, а не просто статистичний аналіз.
Проблема в тому, що сучасні методи, які використовують багато компаній, по суті, – це “запам’ятовування” шаблонів. Наприклад, робот бачить, як людина наливає воду в склянку, і запам’ятовує цей процес. Але чи зможе він так само налити воду в іншу, незвичну посудину? Чи зрозуміє, що вода тече вниз, заповнюючи ємність знизу вгору?
VJER пропонує інший шлях. Він вчиться на відео, але не піксель за пікселем, а виявляючи абстрактні концепції. Це дозволяє моделі не просто копіювати, а розуміти і застосовувати знання в нових, незвіданих ситуаціях. Це як мати вбудовану “модель світу”, що дозволяє передбачати, як речі взаємодіють.
Роздуми над питанням: Виходячи з мого досвіду, я вважаю, що було б революційно, якби роботи могли б просто подивитися, як звичайна людина наливає рідину, і зрозуміти цей процес миттєво. Це б дозволило уникнути потреби в тисячах повторень специфічних задач і навчання, значно розширюючи можливості роботів.
“Секретний інгредієнт” роботів: обчислення чи розуміння?
Уявіть на мить, що ви – 17-річний водій. Чи зможете ви за 10-20 годин відточити навички водіння? Звісно ні. Вам потрібні роки практики, вбудоване розуміння фізики, просторове мислення, яке формувалося протягом мільйонів років еволюції. Люди приходять у світ з величезним, “попередньо завантаженим” набором знань про те, як усе працює.
А тепер порівняйте це з нинішнім штучним інтелектом. Ми вимагаємо від нього “пройти курс водіння” за лічені години, даючи йому лише тисячі прикладів. Лекан вважає, що це фундаментально неправильний підхід. Він стверджує, що не можна просто “масштабувати” поточні методи, сподіваючись отримати справжній інтелект. Його ідея – явне моделювання світу, побудова таких “внутрішніх карт” реальності, а не просте запам’ятовування шаблонів.
Між нами кажучи: В ході моєї кар’єри в бізнес-аналізі та ШІ, я бачила, що ця дискусія стосується того, чи можна досягти справжнього інтелекту шляхом простого збільшення даних і обчислень, чи потрібні якісь принципово нові архітектури, які моделюють людське навчання та розуміння світу. Результати покажуть, хто правий.
Суперечки в Twitter: хто правий у цьому танці роботів?
Звісно, такий радикальний погляд викликав бурхливу реакцію в соціальних мережах. Дехто звинуватив Лекана у зарозумілості, називаючи його “катастрофістом”, який просто хоче привернути до себе увагу. Інші захищали його, вбачаючи в його словах правду, яку індустрія боїться визнати.
Один з коментарів, на мій погляд, був надзвичайно влучним: “17-річний не вчиться водити за 10-20 годин. Йому потрібні 17 років тренування в симуляторі з неймовірним рівнем реалізму, мільйони років еволюції для обробки візуальної інформації та контролю, а також захист від загроз-хижаків”. Фактично, цей коментар підтверджує тезу Лекана: наша здатність взаємодіяти зі світом – це результат колосального досвіду.
Головне питання, яке ставить Лекан: чи можуть роботи отримати інтуїтивне розуміння фізики та здоровий глузд лише з мільйонів годин демонстраційних даних, чи їм потрібні явні механізми для побудови прогностичних моделей світу? Він робить ставку на останнє.
Цікаво знати: Виходячи з мого досвіду, я неодноразово думала, чи дійсно ми зможемо “обійти” еволюцію, просто даючи машині більше даних. На мою думку, поки що фундаментальні відмінності в тому, як навчаються біологічний та штучний інтелект, ще не подолані.
Лекан відповідає: “Так, я знаю, як це зробити!”
Коли його звинуватили в тому, що він пропонує непрактичні рішення, Лекан знову відповів: “Ви ж розумієте, я вже близько 10 років виступаю за наскрізне самокероване навчання моделей світу та планування. За останні п’ять років я досяг значного прогресу, а за останні два – почав робити це ефективно для простих роботизованих завдань”.
Він навіть заснував власну компанію, щоб реалізувати свої ідеї на практиці. Це вже не просто теорія, це – конкретні дії. Лекан вважає, що більшість компаній, які зосереджені на стрімких демо-роботах, насправді не працюють над інноваційним ШІ для робототехніки. Вони просто роблять “оболонку” привабливішою.
Порівняння: Я часто це порівнюю з будівництвом розкішного будинку, але без надійного фундаменту. Зовні все має вигляд чудово, але за першого ж шторму все може зруйнуватися. Саме тому я завжди наполягаю на важливості дослідження не тільки поверхневих ефектів, але й основних принципів та архітектури систем.
Що далі? Майбутнє роботів – за розумінням чи за даними?
Зараз ми стоїмо на порозі цікавого вибору. З одного боку, індустрія сподівається, що більша кількість даних та потужніші обчислення призведуть до появи справді розумних роботів. Це шлях “методом спроб і помилок”, який вимагає гігантських ресурсів.
З іншого боку – Ян Лекан та його послідовники. Вони вірять, що майбутнє за роботами, які розуміють світ, а не просто запам’ятовують. Це підхід, що дозволяє економити ресурси, бути більш гнучкими та адаптивними.
Ян Лекан вже почав залучати таланти до своєї нової лабораторії. І коли він отримає мільйони доларів для реалізації своїх ідей, буде надзвичайно цікаво спостерігати, чи зможе його підхід змінити правила гри. Чи справді роботи зможуть стати нашими надійними помічниками, чи залишаться просто вишуканими ляльками на мотузках?
Підсумовуючи все вище сказане, можна сказати, що заява Яна Лекана – це не просто критика. Це заклик до переосмислення. Він ставить під сумнів догми, які існують в індустрії, і пропонує альтернативний шлях, який, на його думку, є більш перспективним.
Заклик до дії: Залишається відкритим питання про те, як буде виглядати майбутнє робототехніки. На мою думку, майбутнє, вірогідно, буде за тими, хто зможе знайти баланс між обома підходами. Тож, які ваші прогнози? Поділіться своєю думкою в коментарях – мені дуже цікаво буде дізнатись, що ви думаєте про цей виклик!
