最近 и несколько активных инвесторов, работающих на первичном рынке, обсуждали многое. В отличие от вторичного рынка, где в финансовых отчетах продолжают искать истории о снижении затрат и повышении эффективности с помощью ИИ, с второй половины прошлого года на первичном рынке проявляется совершенно иная динамика — в некотором смысле, это «безумие, нарушающее консенсус». Точка кипения этого ажиотажа ясна: ИИ начал массово выходить за пределы экранов и проникать в реальный физический мир. Проекты, в которые инвестируют, в основном сосредоточены на захвате этой возможности на краю устройств.

Насколько безумен физический мир с ИИ?

В этом я склонен согласиться с общим мнением в индустрии: в будущем наиболее конкурентоспособными формами роботов, скорее всего, станут три типа: гуманоидные роботы, системы автопилота и беспилотники. Эти направления действительно отражают стремление к максимальной эффективности в рамках индустриальной логики. Однако за последнее время я заметил, что проникновение ИИ в физический мир уже началось раньше, оно более раннее, более мелкое и более широкое.

Два реальных примера позволяют почувствовать разницу:

Первый — умные очки с ИИ для любителей наблюдения за птицами. Самая сложная часть — это «беспорядочность» физического мира. В полевых условиях перелетные птицы не будут вести себя как механические детали. ИИ должен за несколько миллисекунд выделить ключевую информацию о форме, несмотря на хаос теней деревьев, резкие изменения освещения и сотни взмахов крыльев в секунду, а затем в реальном времени сопоставить её с тысячами видов из базы данных. Здесь проверяется не только вычислительная мощность, но и способность ИИ точно захватывать динамические цели.

Второй — робот-манипулятор на заправочной станции. Он сталкивается с полностью открытой и очень рискованной физической средой. Система должна быстро определить расположение крышки бензобака у тысяч моделей автомобилей и точно выполнить операцию. Каждый шаг — это жесткий тест на адаптивность ИИ к окружающей среде.

Эти проекты кажутся нишевыми, но по сути они выявляют одну и ту же проблему: ИИ должен выполнять задачи в крайне сложных и высоко неопределенных условиях реальности. Это гораздо сложнее, чем запускать модели в цифровом пространстве — уровень сложности совершенно иной.