Нещодавно я спілкувався з кількома інвесторами, активними на первинному ринку. Порівнюючи з вторинним ринком, де ще у фінансових звітах шукають історії про AI для зниження витрат і підвищення ефективності, на первинному ринку з другої половини минулого року з’явилася зовсім інша атмосфера — у певному сенсі це "божевілля, яке руйнує консенсус". Чітким тригером цієї хвилі є те, що AI починає масово виходити з екранів і входити у реальний фізичний світ. Проекти, які інвестують, зосереджені саме на цій хвилі можливостей на кінцевих пристроях.

Наскільки безумним може бути AI у фізичному світі?

Я все ще підтримую загальне розуміння в індустрії, що найбільш конкурентоспроможними формами роботів у майбутньому ймовірно будуть три: гуманоїдні роботи, автономний транспорт і безпілотники. Ці три напрямки дійсно відображають прагнення до максимальної ефективності в рамках індустріальної логіки. Однак за останній час я помітив, що проникнення AI у фізичний світ вже стало більш раннім, дрібним і ширшим.

Ось два реальні кейси, які ілюструють цю різницю:

Перший — AI-розумні окуляри для спостереження за птахами. Тут складність у "нелогічності" фізичного світу. У польових умовах мігруючі птахи не будуть поводитися так, як машинні деталі. AI потрібно за кілька мілісекунд витягнути ключову інформацію про форму з хаосу тіней дерев, раптових змін освітлення та швидкості руху крил птахів, що махають десятки разів за секунду, і одночасно у реальному часі порівнювати цю інформацію з тисячами видів у базі даних. Тут випробовуються не лише обчислювальні потужності, а й здатність AI точно захоплювати динамічні цілі.

Другий — AI-маніпулятор на автозаправці. Це зовсім інший рівень — фізичне середовище з відкритим доступом і високим ризиком. Система має швидко визначити місцезнаходження залізничних кришок бензобаків тисяч моделей автомобілів і точно їх відкривати. Кожен крок — це серйозне випробування здатності AI адаптуватися до навколишнього середовища.

Ці проекти здаються вузькоспеціалізованими, але насправді вони демонструють одну й ту ж проблему: AI має виконувати завдання у надзвичайно складних і високоризикових реальних умовах. Це набагато складніше, ніж запускати моделі у цифровому світі — рівень складності тут зовсім інший.