Robotikk bremser forventningene: AI-fremskritt gir ikke umiddelbart intelligente roboter

Spekulasjoner om at roboter snart vil utføre nesten alle menneskelige oppgaver, slik som Teslas Optimus, dempes nå av fremtredende AI-forskere. De advarer mot å overføre suksessen fra store språkmodeller (LLM) direkte til robotikk, fordi den fysiske verden er langt mer uforutsigbar og kompleks enn språk og bilder. Eksperter som Yann LeCun, en av AI-feltets grunnleggere, påpeker at ingen av selskapene som bygger humanoide roboter har en klar vei til å gjøre dem tilstrekkelig intelligente for praktisk bruk. Robotikk krever modeller som kan håndtere støyfylte, kontinuerlige data med mange dimensjoner, noe dagens språkbaserte AI-systemer ikke er designet for. Googles DeepMinds Gemini Robotics-modell, som bruker såkalte VLA-modeller (vision-language-action), representerer et skritt fremover. Den kan utføre sammensatte oppgaver som å pakke en matpakke, men modellen er strengt begrenset til oppgaver den er trent på. Dersom en oppgave faller utenfor treningssettet, er sjansen stor for at roboten vil feile, noe som hindrer reell generalisering. Den mest lovende veien videre er å utvikle «verdensmodeller» – AI-systemer trent på video, 3D-skanninger og sensordata. Disse modellene skal kunne forutsi utfallet av handlinger i den virkelige verden. Målet er en intern representasjon av virkeligheten som er presis nok til å fange hvordan fysiske objekter beveger seg og samhandler, noe som ville muliggjøre resonnement i stedet for kun reaksjon. Selskaper som Nvidia og Google investerer tungt i feltet, og nyetablerte selskaper som World Labs og AMI Labs har hentet inn betydelig kapital. Forskningen er imidlertid fortsatt i et tidlig stadium, og det gjenstår store utfordringer før disse modellene kan lede til generelle, allsidige roboter.