AI починає вчитися читати мозок для керування роботами

Штучний інтелект уже навчився бачити світ через камери, чути звуки та аналізувати відео. Але для роботів цього виявляється недостатньо. Машині потрібно не просто знати, що відбувається навколо. Їй потрібно зрозуміти, чого саме хоче людина.

І тут у гонку за майбутнє physical AI несподівано входить мозок.

Дослідники та технологічні компанії дедалі активніше звертають увагу на нейронні сигнали як на нове джерело даних для навчання роботів. Якщо відео показує, що людина зробила, а камери фіксують рухи рук, то мозкові сигнали потенційно можуть показати, що людина планувала зробити ще до самої дії.

Це відкриває надзвичайно цікаву перспективу. Роботам більше не доведеться вчитися лише на відео з YouTube або на величезних масивах даних, зібраних вручну. У майбутньому вони можуть отримувати набагато глибше розуміння людських дій, аналізуючи те, що відбувається всередині мозку.

Але разом із цим з'являється і величезна проблема. Дані про мозкову активність набагато складніше отримувати, обробляти та захищати, ніж звичайне відео.

Роботам уже недостатньо просто дивитися відео

Сучасний physical AI розвивається за логікою, схожою на розвиток великих мовних моделей. Щоб навчити систему працювати з текстом, їй потрібні величезні масиви текстових даних. Для роботів таким джерелом стали відео, записи людських дій, сенсорна інформація та дані з реальних машин.

Але фізичний світ набагато складніший за інтернет.

Мова має відносно зрозумілу структуру. Текст можна зібрати, очистити та передати моделі для навчання. З роботами все інакше. Машині потрібно зрозуміти не лише те, що робить людина, а й чому вона це робить.

Людина бере чашку не просто тому, що побачила об'єкт перед собою. Вона розуміє, що чашка потрібна для конкретної дії, оцінює її положення, вагу, відстань і можливі перешкоди.

Для людини це відбувається майже автоматично. Для робота це величезний набір даних, який потрібно навчитися правильно інтерпретувати.

Саме тому сучасні AI-компанії збирають дедалі більше інформації. Роботам потрібні різні ракурси камер, детальні позначки на відео, дані про рухи, силу дотику та навколишнє середовище.

Але наступним шаром можуть стати сигнали мозку. Вони потенційно здатні показати не лише фінальну дію, а й намір, який передує їй.

Мозкові хвилі можуть показати намір людини

Уявімо робота, який спостерігає за людиною, що тягнеться до предмета.

Звичайна камера бачить руку, її рух і момент, коли пальці торкаються об'єкта. Але мозкова активність може почати змінюватися ще до того, як рука почне рухатися.

Для штучного інтелекту це потенційно дуже цінна інформація.

Модель може отримувати додатковий контекст про те, що людина збирається зробити. Це особливо важливо для роботів, які працюють поруч із людьми та повинні швидко передбачати їхні дії.

У майбутньому така технологія може використовуватися для навчання роботів виконувати складні завдання. AI зможе порівнювати мозкову активність людини з рухами тіла, а потім поступово вчитися встановлювати зв'язок між наміром і дією.

Фактично робот отримуватиме доступ до додаткового рівня людської поведінки.

Сьогодні AI бачить результат. Завтра він може отримувати більше інформації про процес, який передує цьому результату.

Це може бути особливо важливим у ситуаціях, де рухи людини не дають повної картини. Наприклад, коли вона вагається між кількома предметами, змінює рішення або планує дію, але ще не почала її виконувати.

Дані для фізичного AI стають надзвичайно дорогими

Є одна причина, через яку мозкові сигнали привертають так багато уваги: навчання physical AI коштує дуже дорого.

Великі мовні моделі змогли використати величезну кількість уже існуючих даних з інтернету. Тексти, зображення та програмний код уже були створені людьми, а AI-компаніям залишалося збирати та обробляти їх.

З роботами так не працює.

Щоб отримати якісні дані для навчання, потрібно створити фізичну ситуацію, встановити камери та сенсори, залучити людей або роботів, записати їхні дії, а потім розмітити отриману інформацію.

Це значно дорожче та повільніше.

За оцінкою, яку наводить TechCrunch, виробництво даних для фізичного AI може коштувати приблизно у 20 разів дорожче, ніж отримання традиційних даних для моделей, що працюють із цифровою інформацією. Саме тому компанії шукають нові способи зробити навчання роботів ефективнішим.

Мозкові сигнали можуть стати одним із таких джерел.

Вони не замінять відео, сенсори чи дані про фізичне середовище. Але можуть додати інформацію, якої роботам сьогодні особливо бракує: пояснення людського наміру.

Наступна гонка AI може перейти всередину людини

Поява нейронних даних у розвитку physical AI створює абсолютно новий напрям конкуренції.

Компанії вже змагаються за найкращі чипи, найпотужніші моделі та найбільші масиви відеоданих. Тепер перевагу можуть отримати ті, хто навчиться збирати та інтерпретувати сигнали, пов'язані з людським мозком.

Це не обов'язково означає, що кожному користувачеві доведеться носити складний шолом або імплант. Для збору нейронних даних можуть використовуватися різні технології, від неінвазивних пристроїв до складніших систем нейроінтерфейсів.

Але в будь-якому випадку це створює новий рівень складності.

Мозкові дані є надзвичайно особистими. Вони можуть містити інформацію, яку людина не хотіла б передавати навіть найближчим технологічним компаніям.

Тому разом із розвитком цієї технології виникнуть питання приватності, безпеки та контролю. Хто володіє даними про мозкову активність? Чи може компанія використовувати їх для навчання AI? Чи можна видалити такі дані? І наскільки точно взагалі можна інтерпретувати сигнали людського мозку?

Поки що відповіді на ці питання далекі від остаточних.

Проте сама тенденція вже очевидна. Фізичний AI потребує все більше даних про те, як люди взаємодіють зі світом. Камери показують рухи. Мікрофони записують звуки. Сенсори вимірюють силу та дотик. А нейронні інтерфейси потенційно можуть показати те, що передує всім цим діям.

Роботи можуть почати вчитися не лише на діях, а й на думках

Найбільш важливий момент у цій історії полягає в тому, що мозкові хвилі не є магічним способом перетворити робота на читача думок.

Сигнали мозку надзвичайно складні. Їх важко правильно розшифрувати, а результати можуть відрізнятися від людини до людини.

Але навіть обмежена інформація про наміри може бути надзвичайно корисною для навчання роботів.

Якщо AI зможе зрозуміти, що людина хотіла зробити, навіть коли її рух був невдалим, робот отримає набагато більше інформації для навчання. Він зможе розрізняти помилку виконання та неправильний намір.

Для робототехніки це принципова різниця.

Людина може хотіти взяти чашку, але випадково схопити її невдало. Робот, який бачить лише результат, може вирішити, що саме ця дія була запланованою. Сигнал про намір потенційно допоможе зрозуміти, що сталося насправді.

У перспективі це може зробити роботів значно чутливішими до людини.

Вони зможуть швидше адаптуватися до стилю поведінки конкретного користувача, передбачати дії та краще розуміти контекст.

Але до цього майбутнього ще дуже далеко. Наразі індустрія лише починає визначати, які дані потрібні physical AI і як їх збирати.

Одне вже зрозуміло: роботам недостатньо просто бачити світ. Їм потрібно розуміти його так, як це роблять люди.

І саме тому наступна революція у фізичному штучному інтелекті може відбутися не лише завдяки потужнішим камерам, кращим чипам чи новим алгоритмам.

Можливо, головним джерелом даних для майбутніх роботів стане те, що людина робить ще до того, як починає рухатися.

Спочатку AI навчився читати тексти. Потім він навчився бачити зображення та відео. Тепер він намагається зрозуміти фізичний світ.

Наступний крок може виявитися набагато ближчим до самої людини.

Роботи майбутнього можуть навчатися не лише на тому, що ми робимо, а й на сигналах, які передують нашим діям. І якщо технологія справді спрацює, physical AI отримає те, чого йому найбільше бракує сьогодні: можливість краще розуміти не тільки людський рух, а й людський намір.

А це може стати моментом, коли роботи нарешті почнуть не просто повторювати дії людей, а по-справжньому передбачати їх.