В массовой культуре роботы часто выглядят как люди, что исторически было обусловлено техническими ограничениями кинопроизводства. Однако по мере того как технологии переходят из научной фантастики в реальную жизнь, компании вроде Figure активно инвестируют в создание андроидов. Возникает вопрос: действительно ли форма человека необходима для выполнения полезных задач, или это просто дань моде?
Интеграция в существующую среду
Основным аргументом в пользу гуманоидной формы является архитектура окружающего мира. Большинство производственных площадок и бытовых пространств спроектированы под антропометрические параметры человека. Использование двуногих роботов позволяет внедрять автоматизацию как «brownfield-решение»: компании могут переоборудовать уже существующие заводы, не перестраивая инфраструктуру с нуля.
Вместо создания узкоспециализированных устройств для каждой отдельной задачи робот-гуманоид способен занять место человека там, где раньше требовался физический труд. Конечно, в будущем появятся полностью автоматизированные пространства, спроектированные исключительно для машин, где гуманоидная форма окажется избыточной, однако на текущем этапе переходного периода она остается наиболее эффективным инструментом.
Психология взаимодействия и коммуникации
Помимо чисто технических аспектов, важна роль человекоподобного дизайна в социальном взаимодействии. Люди биологически настроены на общение с себе подобными, поэтому роботам, предназначенным для работы в социуме, требуются элементы человечности: лицо, мимика, зрительный контакт и базовый язык тела. Попытка наделить «ящик на колесах» способностью вызывать эмпатию или понимание наталкивается на серьезные барьеры, в то время как гуманоиды естественным образом встраиваются в привычную модель коммуникации, делая процесс взаимодействия более интуитивным.
Обучение ИИ на человеческом опыте
Современные методы машинного обучения стали решающим фактором, предопределяющим успех гуманоидных роботов. Для обучения ИИ выполнению бытовых задач — например, мытью посуды — наиболее эффективным способом является демонстрация процесса на примере миллионов людей. Согласно отчетам, исследователи, включая команды Google, используют видеозаписи действий человека для тренировки нейросетей. Подобные методы применяются и в проектах, где операторы в VR-гарнитурах дистанционно управляют роботами, записывая свои действия.
Поскольку обучение основано на данных о том, как люди совершают типичные действия в привычных для них условиях, использование робота с человеческой анатомией позволяет применить эти данные максимально прямолинейно. Это значительно упрощает развитие алгоритмов на текущем этапе развития технологий.
Перспективы развития робототехники
Текущая зависимость от человекоподобных форм обусловлена легкостью получения и использования обучающих данных, однако это не будет длиться вечно. По мере совершенствования симуляций и методов машинного обучения важность имитации человеческих движений будет снижаться. Роботы с нечеловеческими форм-факторами, использующие продвинутые методы обучения, уже способны открывать двери и перемещать грузы. В конечном счете, в текущем столетии мир ждет огромное разнообразие роботизированных систем, многие из которых будут существенно отличаться от человека, но на текущий момент гуманоидная форма остается наиболее прагматичным решением.
Почему нам проще симпатизировать «человеку», а не «коробке»
В вопросе выбора дизайна роботов есть и чисто психологический аспект: нам крайне сложно испытывать эмпатию к объектам вроде коробок на колесах. Человеческий мозг биологически запрограммирован на коммуникацию, ответную реакцию и считывание намерений других людей. В этом смысле гуманоидная форма — это не просто прихоть дизайнеров, а способ сделать взаимодействие с машиной интуитивно понятным.
Если робот предназначен для прямого интерфейса с человеком, наличие лица для визуального контакта, выразительной мимики, характерных жестов и индивидуальности становится критически важным. По сути, требование человекоподобия для некоторых типов роботов продиктовано тем же, что заставляет нас отказываться от использования командной строки или написания программ в «чистом» бинарном коде в пользу удобных интерфейсов. Мы нуждаемся в коммуникации, адаптированной под человеческое восприятие, и на эту роль вряд ли подойдет скрежещущий Далек из «Доктора Кто».
Обучение через имитацию: роль «гиг-работников»
Помимо видеороликов, на которых обучаются нейросети Google и других исследовательских групп, существует еще более специфический метод подготовки данных. Издание MIT Technology Review подробно описывало практику привлечения так называемых «гиг-работников». Этим людям предлагают закреплять камеры на голове и выполнять повседневные домашние хлопоты, фиксируя свои действия с точки зрения первого лица (POV).
Эти записи создают уникальный массив данных для машинного обучения. Когда робот-гуманоид пытается освоить работу по дому, он «видит» задачу глазами человека, находясь в аналогичных физических условиях. Это позволяет ИИ справляться с тем хаосом и бесконечным разнообразием ситуаций, которые неизбежно возникают в реальной бытовой жизни. Поскольку база для обучения основана исключительно на том, как люди совершают привычные дела, использование робота с человеческой анатомией позволяет применить эти данные максимально прямолинейно и эффективно.
За пределами «человеческой» формы
Любопытно осознавать, что нынешнее доминирование андроидов — это, по сути, следствие того, что обычному «контейнеру на колесах» крайне сложно обучаться, подражая прямоходящим приматам. Однако это ограничение временное. По мере того как методы симуляционного обучения становятся совершеннее, а робототехника преодолевает текущие барьеры, зависимость от «человеческих» обучающих данных будет неизбежно снижаться.
«В конечном счете, в текущем столетии мир ждет огромное разнообразие роботизированных систем, многие из которых будут существенно отличаться от человека, но на текущий момент гуманоидная форма остается наиболее прагматичным решением», — отмечают эксперты отрасли.
Уже сегодня существуют впечатляющие примеры роботов, чья архитектура тела совершенно не похожа на человеческую, но которые тем не менее используют передовые алгоритмы машинного обучения для выполнения сложнейших задач: от манипуляций с объектами до перемещения грузов в пространстве. В будущем, когда методы обучения станут более гибкими, потребность в строгом соответствии человеческой анатомии отпадет сама собой, уступив место функциональной эффективности.
