Главный аргумент Брукса — сенсорика. Человеческая кисть — это тонкая система с примерно 17 000 специализированных рецепторов, тысячами датчиков на кончиках пальцев. Роботам такого уровня чувствительности просто нечем компенсировать нехватку тактильной информации. Машинное обучение в прошлые годы совершило прорыв в речи и зрении, потому что опиралось на десятилетия накопленных, аккуратно размеченных данных. Для осязания ничего подобного не создано: нет масштабных наборов тактильных измерений, нет единых стандартов, из-за чего лабораторные демонстрации плохо переводятся в устойчивую работу на складе или конвейере. «Прежде чем мечтать о ловкости, надо научиться „чувствовать“ мир руками», — резюмирует он.
Не менее приземлённый вопрос — безопасность. Двуногие машины тратят много энергии просто на то, чтобы не упасть. Чем крупнее робот, тем опаснее его падение: если габариты увеличить вдвое, запас кинетической энергии при потере равновесия вырастет примерно в восемь раз. Для предприятий это означает реальные риски для людей и серьёзные барьеры сертификации.
Поэтому Брукс полагает, что в горизонте ближайших 10–15 лет наиболее успешными окажутся не «копии человека», а практичные машины: чаще на колёсах, с несколькими руками, с узкоспециализированными датчиками, — внешне всё меньше похожие на людей, но гораздо полезнее в конкретных задачах.
Заявления Брукса адресованы крупнейшим игрокам формирующегося рынка и их инвесторам. Tesla показывает видео, где её Optimus складывает футболки, а инженеры записывают «жизненные» манипуляции на камеры, надеясь перенести их на робота. Стартап Figure, поддержанный Microsoft и фондом OpenAI, сначала объявил о сотрудничестве с OpenAI, а затем сообщил о «прорыве» собственной сквозной модели — и продолжил идти своим курсом. В сентябре Figure привлёк более 1 млрд долларов, а оценка компании достигла 39 млрд долларов — космические цифры для отрасли, где серийных внедрений всё ещё единицы. Стартап Apptronik, собравший сотни миллионов, заключил союз с Google DeepMind, обещая «объединить передовой ИИ с передовым железом». Для Брукса всё это — прежде всего большие ожидания рынка капитала, которые пока не подтверждаются инженерной практикой.
Сомнения усиливают и результаты «наземных» испытаний ИИ-инструментов в смежных областях. Этим летом некоммерческая организация METR привлекла 16 опытных разработчиков, дала им 246 реальных задач и сравнила скорость работы с помощниками на базе ИИ и без них. Выяснилось, что в среднем с ИИ на решение уходило на 19% больше времени, хотя сами участники были уверены, что ускорились примерно на 20%. Вывод осторожный, но показательный: ощущения от «умного помощника» и фактическая производительность — не одно и то же.
Ключевая мысль Брукса проста и печальна для инвесторов: робототехника — это не реклама и не слайды, а физика, материалы, сенсоры, силовая электроника и годы доводки.
Чтобы роботы уверенно брали, перекладывали и закручивали — не раз в ролике, а миллионы раз подряд в цехе, — им нужно научиться чувствовать контакт, распознавать трение, предугадывать срыв захвата и мгновенно перестраивать траекторию. Пока у инженеров нет массивов тактильных данных и стандартизованных методик обучения, попытки «натаскивать» роботов на видеороликах не дадут никакого промышленного результата. Вдобавок остаётся нерешённой тема совместной работы с человеком: падение полноразмерного двуногого робота — это не зрелище, а опасный инцидент.
Отсюда прогноз: после периода оглушительных раундов рынок отсеет подходы, которые не ведут к серийному продукту. Победят не самые «человекообразные» роботы, а самые полезные: мобильные платформы с высоконадёжными манипуляторами, насыщенные датчиками и способные без суеты делать одно и то же правильно миллионы раз. «Развёртывание в масштабе занимает десятилетия», — напоминает Брукс и призывает измерять прогресс не хайпом, а фактом: сколько таких машин сегодня безопасно и экономично работают бок о бок с людьми.
