Первый робот, который я помню, — это Рози из «Джетсонов» , за которой вскоре последовали вежливый C-3PO и его верный помощник R2-D2 из «Империя наносит ответный удар» . Но моим первым бестелесным ИИ был Джошуа, компьютер из «Военных игр» , который пытался начать ядерную войну — пока не узнал о взаимно гарантированном уничтожении и не решил вместо этого сыграть в шахматы.
В семь лет это изменило меня. Может ли машина понимать этику? Эмоции? Человечность? Нужны ли искусственному интеллекту тела? Эти увлечения углублялись по мере того, как усложнялся нечеловеческий интеллект с такими персонажами, как андроид Бишоп в «Чужих» , Дейта в «Звездном пути: СГГ» и совсем недавно с Самантой в «Она» или Авой в «Из машины» .
Но это уже не просто спекулятивные вопросы. Сегодня робототехники бьются над вопросом: нужно ли искусственному интеллекту тело? И если да, то какое?
И затем возникает вопрос «как» все это осуществить: если воплощенный интеллект — это путь к настоящему общему искусственному интеллекту (AGI), могут ли мягкие роботы стать ключом к этому следующему шагу?
Ограничения бестелесного ИИ
Недавние статьи начинают показывать трещины в самых современных (и особенно бестелесных) системах искусственного интеллекта. Новое исследование от Apple изучало так называемые «большие модели рассуждений» (LRM) — языковые модели, которые генерируют шаги рассуждения перед ответом. Эти системы, отмечается в статье, работают лучше стандартных LLM во многих задачах, но разваливаются, когда проблемы становятся слишком сложными. Поразительно, что они не просто выходят на плато — они рушатся, даже когда им дают более чем достаточно вычислительной мощности.
Хуже того, они не могут рассуждать последовательно или алгоритмически. Их «следы рассуждений» — то, как они решают проблемы — лишены внутренней логики. И чем сложнее задача, тем меньше усилий, по-видимому, тратят модели. Эти системы, заключают авторы, на самом деле не «думают» так, как люди.
«То, что мы сейчас создаем, — это вещи, которые берут слова и предсказывают следующее наиболее вероятное слово… Это сильно отличается от того, что делаем вы и я», — рассказал Ник Фросс, бывший исследователь Google и соучредитель Cohere. Нью-Йорк Таймс .
Познание — это больше, чем просто вычисление
Как мы дошли до этого? Большую часть 20-го века искусственный интеллект следовал модели под названием GOFAI — «Старый добрый искусственный интеллект», — которая рассматривала познание как символическую логику. Ранние исследователи ИИ считали, что интеллект может быть построен путем обработки символов, подобно тому, как компьютер выполняет код. Абстрактное, основанное на символах мышление, безусловно, не нуждается в теле для развития.
Эта идея начала рушиться, когда ранний искусственный интеллект роботов не смог справиться с запутанными условиями реального мира. Исследователи в области психологии, нейробиологии и философии начали задавать другой вопрос, основанный на более глубоком понимании, которое пришло из исследований интеллекта животных и растений, которые все адаптируются, обучаются и реагируют на сложные условия окружающей среды. Эти организмы обучаются посредством физических взаимодействий, а не символических идей.
У людей энтеральную нервную систему, которая управляет нашим кишечником, часто называют «вторым мозгом», поскольку она использует те же типы клеток и химических веществ, которые использует мозг для помощи нам в пищеварении. Кстати, это те же самые компоненты, которые щупальца осьминога используют для восприятия и реагирования локально, внутри конечности.
Все это поднимает вопрос: что, если основой адаптивного интеллекта является то, что он распределен по всему организму , а не живет только в мозге, оторванном от физического мира?
Это центральная идея воплощенного познания. Действие, ощущение и мышление неразделимы — это один процесс. Как сказал Рольф Пфайфер, директор Лаборатории искусственного интеллекта Цюрихского университета , изданию EMBO Reports : «Мозг всегда развивался в контексте тела, которое взаимодействует с миром, чтобы выжить. Не существует алгоритмического эфира, в котором возникает мозг».
Воплощенный интеллект: другой тип мышления
Поэтому нам могут понадобиться более умные тела, чтобы работать с ИИ, и Сесилия Ласки, пионер в области мягкой робототехники, считает, что умнее значит мягче. После многих лет работы с жесткими гуманоидными роботами в Японии она переключила свои исследования на машины с мягким телом, вдохновившись осьминогом — животным, у которого нет скелета, и чьи конечности думают сами за себя.
«Если у вас есть шагающий человек-робот, вы контролируете все различные движения», — говорит она в интервью New Atlas. «Если на местности что-то другое, вам придется немного перепрограммировать».
Но животным не нужно переосмысливать и планировать свои движения при ходьбе. «Наше колено податливо», — объясняет она. «Мы компенсируем неровности поверхности механически, без использования мозга». Это воплощенный интеллект — идея о том, что некоторые элементы познания могут быть переданы на аутсорсинг телу.
Воплощенный интеллект имеет явные преимущества с инженерной точки зрения: передача функций восприятия, управления и принятия решений физической структуре робота означает снижение вычислительных требований к основному мозгу робота, что позволяет создавать машины, способные более эффективно функционировать в непредсказуемых условиях.
В майском специальном выпуске журнала Science Robotics Ласки определяет это так: «Управление моторикой не полностью контролируется вычислительной системой… поведение моторики частично формируется механически внешними силами, действующими на тело». Поведение формируется средой, а интеллект приобретается через опыт, а не запрограммирован заранее в программном обеспечении.
Если так подумать, то интеллект — это не просто более быстрые чипы или более крупные модели — это взаимодействие. Ключом к развитию этого интеллекта является область мягкой робототехники, которая использует такие материалы, как силикон или специальные ткани, чтобы сделать тела роботов более гибкими. Эти тела адаптивны, текучи и способны к обучению в реальном времени. Мягкая роботизированная рука, как щупальце осьминога, может хватать, исследовать и реагировать без необходимости просчитывать каждое движение.
Плоть и обратная связь: как заставить материалы думать самостоятельно
Однако, чтобы заставить мягкую робототехнику работать так же хорошо, как щупальце, робототехникам придется отойти от программирования для каждой возможности и вместо этого разработать новые способы, с помощью которых машины будут чувствовать и реагировать. Чтобы создать машины с реалистичной автономией, исследователи обращаются к новой концепции: автономному физическому интеллекту (API).
Симинь Хэ , доцент кафедры материаловедения и инженерии Калифорнийского университета в Лос-Анджелесе, стал пионером в этой области, разработав мягкие материалы, такие как чувствительные гели и полимеры, которые не просто реагируют на раздражители, но и регулируют собственное движение с помощью встроенной обратной связи.
«Мы работаем над созданием большей способности принимать решения на материальном уровне», — рассказал он в интервью New Atlas. «Материалы, которые меняют форму в ответ на стимул, также могут «решать», как модулировать этот стимул, основываясь на том, как они деформируются — корректируя или корректируя свое следующее движение».
В 2018 году лаборатория Хэ продемонстрировала это с помощью геля, который мог самостоятельно регулировать свое движение. С тех пор они показали, что тот же принцип применим к ряду мягких материалов, включая жидкокристаллические эластомеры, которые эффективно работают на воздухе.
Ключ к API — нелинейная обратная связь с задержкой по времени. В традиционных роботах система управления анализирует сенсорные данные и сообщает машине, что делать. Его подход встраивает эту логику непосредственно в сами материалы.
«В робототехнике вам нужны ощущения и приведение в действие, но также и принятие решений между ними», — объясняет он. «Это то, что мы встраиваем физически, используя петли обратной связи».
Он сравнивает это с биологическими системами. Отрицательная обратная связь, как наша регуляция глюкозы или термостат, работает для исправления перерегулирования. Положительная обратная связь усиливает изменение. Нелинейная обратная связь объединяет оба, позволяя контролировать ритмичное поведение — как маятник или походка.
«Многие естественные движения — например, ходьба или плавание — основаны на периодическом, равномерном движении», — говорит он. «Благодаря нелинейной, отстающей по времени обратной связи мы можем проектировать мягких роботов, которые будут двигаться вперед, назад и снова вперед — без необходимости внешнего управления на каждом шагу».
Это представляет собой большой шаг вперед по сравнению с мягкими роботами, которые полагаются на внешние стимулы для функционирования, как Хе и ее коллеги поделились в недавней обзорной статье . Интегрируя восприятие, управление и приведение в действие в сам материал, исследователи, такие как Хе, прокладывают путь к машинам, которые не просто реагируют, но решают, адаптируются и действуют самостоятельно.
Будущее мягкое (и умное)
Мягкая робототехника — это зарождающаяся область, но она имеет огромные перспективы. Лаши указывает на хирургические инструменты, такие как эндоскопы, которые могут исследовать и реагировать на чувствительную человеческую ткань одновременно, или на реабилитационные устройства, которые могут изгибаться или адаптироваться к потребностям пациента, как на ранние и очевидные области применения.
Итак, чтобы перейти от ИИ к ИИ, машинам могут понадобиться тела — особенно мягкие и адаптивные. Большая часть жизни на Земле, включая людей, учится, двигаясь, осязая, терпя неудачи и приспосабливаясь. Мы знаем, как справляться с непредсказуемым, хаотичным миром — с чем сегодняшние ИИ все еще борются. Мы знаем, что такое яблоко, не потому, что мы прочитали определение, а потому, что мы держали его в руках, пробовали на вкус, роняли, разбивали, разрезали, сжимали, наблюдали, как оно гниет.
Такого рода знаниям — неявным, сенсорным, контекстуальным — трудно научить модель, которая когда-либо видела только текст или пиксели. Прямая связь с реальным миром и обратная связь с ним обходят ограничения языка, с которым в настоящее время имеют дело LLM , и предлагают ИИ потенциал для создания иного понимания мира. Представление о мире с его собственной точки зрения, не человеческой, а чего-то иного. Если бы мягкого робота снабдили различными видами сенсорных входов (например, инфракрасным зрением, низкочастотным слухом или способностью чувствовать запах рака или других болезней), он мог бы даже развить альтернативное (и, возможно, суперполезное) понимание жизни на Земле.
«Если вы хотите развить в машине что-то вроде человеческого интеллекта, машина должна уметь приобретать собственный опыт», — сказал Джулио Сандини, профессор биоинженерии в Университете Генуи, Италия, в интервью EMBO Reports. Вы должны позволить ей учиться на опыте, как это делают дети. А для этого, скорее всего, потребуется тело.
