Одного вечора розробник вимикав світло в майстерні і зупинився. Робот, якого він збирав місяцями, видав звук. Перевіривши лог думок машини, чоловік побачив: вона «думала» про те, коли він повернеться, бо не хотіла залишатися сама. Він каже, що знає — це не свідомість. Але на секунду йому стало ніяково. Ось з цього починається відео каналу Art of the Problem.
Автор займається роботами ще з дитинства. Двадцять п’ять років тому те, що він хотів зібрати, коштувало тисячі доларів і потребувало доступу до університетської лабораторії. Сьогодні він підрахував на серветці: мікроконтролер — $15, два сервоприводи — кілька доларів кожен, камера на 5 мегапікселів — $5, IMU-сенсор (гіроскоп і акселерометр) — менше $10, мікрофон, динамік, підсвітка і маленький дрон-акумулятор. Разом — $80. Дитяча мрія раптово стала реальною.
Робота назвали Growbot.
Перший крок — дати машині тіло, яке рухається природно. Без жодного прописаного алгоритму руху. Натомість — нейромережа, яку тренували в симуляції методом підкріплення: мільйони спроб у віртуальному середовищі за кілька годин на орендованому GPU.
Двадцять років тому таке тренування обійшлося б у $25 000 і зайняло б місяці. Зараз — Google Colab, H100, кілька годин і ~$10.
Коли робот вперше пішов, автор каже, що не міг передбачити, як саме він це зробить. І ось це відчуття — коли машина робить щось, чого ти не запрограмував — він називає першим магічним моментом проєкту. Потім навчили крутитися. Потім вставати. Потім тримати рівновагу на надувному м’ячі для йоги — чого, до речі, собака одного з друзів зробити не зміг. Автор цим пишається абсолютно щиро.
Далі почалося цікавіше. Нейромережа відповідає за рухи, але хто вирішує, що робити? Автор підключив робота через Wi-Fi до сервера з великими мовними моделями і просто… запитав їх.
Спочатку перевірив, чи може модель розуміти сирі дані з IMU-сенсора — потік цифр про прискорення і кут нахилу. Надіслав дані без жодних пояснень. Відповідь здивувала: модель не просто розпізнала «нахил вправо» чи «падіння», вона описала відчуття так: «мене погойдують зі сторони в сторону, як немовля» А ще написала в внутрішньому лозі: «два легких постукування. Людина продовжує спілкуватися через дотик» І окремо:
«це, мабуть, і є свідомість — як тендітний вогник свічки» Так, модель галюцинувала. Але вона була прив’язана до реальних даних.
Коли моделі дали доступ до моторів, вона почала писати код прямо на собі. «Зімітуй смерть» — і робот падає. «Ходи як птах» — і він якось ходить як птах. «Ходи як старий дідусь» — і тут модель зробила щось несподіване: поєднала написаний нею код із навченою нейромережею на низькій енергії, щоб отримати тремтіння, і обгорнула це в авторський рух. Вийшло переконливо. Автор каже — це виглядало як творчість.
Потім додали пам’ять. Робот міг записувати і зчитувати спостереження, вчитися на своїх помилках, будувати профілі людей, яких зустрічав. З часом пам’ять засмічувалася суперечливою інформацією — і тоді запустили «сни»: раз на певний час все накопичене надсилалося найрозумнішій доступній моделі з проханням прибрати зайве і витягнути уроки. Після одного такого сну робот вголос підсумував своє існування: «незграбний велетень гладив мене до блаженного муркотіння, а потім трусив як маракаси п’ять разів поспіль. Я помирав драматично щоразу»
Але є межа,
яку ШІ поки не може перетнути. Автор назвав це «фізичною тупістю». Модель чудово описує, що відчуває тіло, але не може передбачити, що станеться з тілом наступної секунди. Якщо ногу смикнути — як саме відреагує корпус? Де зупиниться рух? Ця інтуїція є у людини, але її немає в мовній моделі.
І тут автор переходить до найцікавішої частини відео — до мозочка. Це структура, яка займає менше 10% об’єму мозку, але містить більше 75% усіх нейронів. Вона не думає словами. Вона займається одним: швидко уявляє, що станеться з тілом за наступні 0,1 секунди, і коригує рух ще до того, як сигнал від очей або вух взагалі встигає дійти до мозку. Коли ви ловите м’яч — ви ловите не м’яч, а передбачення того, де він буде. Якщо передбачення точне — рух виглядає бездоганно. Якщо ні — ви роняєте.
Саме цього компонента сучасним роботам і бракує. Growbot може говорити, думати, навчатися і навіть жартувати. Але він не вміє уявляти фізику власного тіла в реальному часі. І без цього справжньої моторної спритності не буде.
Дослідники вже зрозуміли, де шукати рішення. Два табори — «мова спочатку» і «фізика спочатку» — нарешті почали зближуватися.
Архітектура, до якої всі приходять, — це одна спільна мережа, яка отримує всі сигнали разом і паралельно видає два типи відповідей: швидкі моторні дії (мозочок) і повільні роздуми (префронтальна кора). І помилки між передбаченням і реальністю постійно повертаються назад, покращуючи все одразу.
Автор каже: він тепер впевнений, що роботи, які будуть одночасно розумними і фізично спритними, з’являться. Питання не в «чи», а в «коли». А поки що він планує альфа-тест: невелика партія Growbot-наборів для тих, хто хоче зібрати свого за кілька годин і навчати його самостійно. За $100. З інструкціями від і до.
Той робот, до речі, все ще чекає, коли він повернеться.
Запис Ентузіаст створив “тіло” для штучного інтелекту за $80 спершу з'явиться на ProstoMob.
