На образовательной конференции Яндекса YaC/E эксперты из индустрии и науки обсудили, что нужно для развития физического ИИ (Physical AIi) — систем, которые не генерируют текст, а воспринимают реальный мир через сенсоры и действуют в нём. Привычный подход «больше данных и вычислений» здесь не работает: по мере выхода алгоритмов в реальный мир резко растут требования к инфраструктуре, а главной проблемой становится не обучение робота, а проверка его решений в нестандартных ситуациях.

ИИ-робототехника превращается в отдельную инженерную дисциплину со своими специалистами и методами контроля. Индустрия разделяет подготовку и проверку роботов: обучение уходит в симуляции и синтетические данныеi, а финальная проверка решений остаётся за человеком или дополнительными системами — по аналогии с тем, как меняется экономика образования людей в эпоху ИИ.

• Один пробег беспилотного автомобиля генерирует гигабайты информации, и даже 5G не справится с таким трафиком при массовом использовании (данные Яндекса, конференция YaC/E).
• Заводской манипулятор работает по жёстким заранее заданным правилам — с ним всё просто; робот, принимающий решения в меняющейся среде, сравнивают со «школьником с идеальной домашкой, который попал на экзамен»: справляется отлично, пока не встретит непредвиденную ситуацию.
• Подготовка роботов переносится в симуляции, на синтетические (сгенерированные, а не собранные с реальных датчиков) данные и world modelsi — нейросети, которые «понимают» физику и предсказывают последствия действий (например, толчок коробки или резкое торможение).
• В симуляциях можно бесконечно прогонять редкие и опасные сценарии без риска для людей и техники — например, ребёнок выбежал на дорогу или ящик упал с паллета.
• По мнению авторов канала «Дизраптор», главный сдвиг — индустрия меняет местами подготовку и контроль роботов: обучение становится дешевле и масштабируется в симуляциях, а проверка реального умения действовать — дорожает и выходит на первый план.