Мозговые волны: следующий шаг в обретении искусственным интеллектом физического тела
В мире физического искусственного интеллекта наступает новый этап, где для обучения роботов не хватает не только вычислительных мощностей, но и качественных данных о взаимодействии с реальным миром. Компании, работающие на переднем крае этой индустрии, начинают экспериментировать с методами сбора информации о мышлении оператора, используя датчики мозговых волн. Цель проста, но амбиозна: понять не только то, как оператор видит задачу, но и как его мозг реагирует на неё, чтобы создать более точные и безопасные модели управления роботами.
# Мозговые волны как новый рубеж для физического ИИ
Развитие технологий в области робототехники и физически ориентированного искусственного интеллекта (physical AI) сталкивается с серьезным препятствием. Если языковые модели могут обучаться на огромных массивах текста из интернета, то роботы, способные действовать в физическом мире, требуют уникальных данных о манипуляциях с объектами. Эксперты сходятся во мнении, что следующие несколько лет будут определяться не столько архитектурой нейросетей, сколько способностью собирать редкие, но необходимые примеры взаимодействия с реальностью.
В Сан-Лендро, Калифорния, компания Encord, специализирующаяся на инструментах для обработки данных робототехники, запустила пилотный проект, исследующий именно эту нишу. В ходе эксперимента операторы в специальной шапке с камерами и датчиками проводили тонкие задачи, такие как аккуратное разбирание башни из деревянных блоков (похожей на «Дженгу»), пока система фиксировала их движения и активность мозга.
Поиск данных там, где их раньше не было
Основная проблема индустрии заключается в том, что качественного обучающего материала просто недостаточно. Виноуш Велмуруган, руководитель отдела обучения роботов в Encord, отмечает, что для прорыва в эффективности可能需要 датасеты размером в пять раз больше всего видеоконтента в YouTube, собранный в реальных условиях, а не в видеоиграх. Традиционные методы сбора данных через камеры на роботах или видео с операторов часто не обеспечивают достаточной точности («фиделити»), необходимой для обучения сложных навыков манипуляции.
Поэтому компании начинают искать альтернативные источники информации. Одной из новейших технологий, которые тестируют, является использование данных о мозговых волнах. В пилотном проекте компании Encord и немецкий стартап Zander Labs интегрировали датчики, способные измерять электрическую активность мозга оператора в реальном времени. Эти данные позволяют выявить не только зрительное восприятие, но и такие когнитивные состояния, как ошибка, намерение совершить действие или элемент неожиданности.
*«Это крайняя грань усилий по решению проблемы нехватки данных для робототехники»,* — отмечает Виноуш Велмуруган.
Такие метки, указывающие на психологическое состояние оператора, помогают разработчикам моделей понять, в каких ситуациях робот должен действовать наиболее осторожно или использовать дополнительные вычислительные ресурсы.
Сложность создания физической реальности
Существуют и другие способы улучшения сбора данных, не связанные напрямую с нейрофизиологией, но направленные на повышение детализации информации. Encord активно использует камеры с нескольких точек обзора и дополнительные сенсоры. Например, на предплечьях операторов устанавливаются датчики, фиксирующие электрические сигналы мышц. Это позволяет создавать трехмерную карту положения руки и движений пальцев, чего невозможно сделать лишь на основе видеозаписи. Для робототехники крайне важно понимать, как человек сгибает пальцы, чтобы перевести эти навыки в алгоритм действий робота.
Стоимость такой обработки данных значительно выше. Велмуруган оценивает, что плотная аннотация, необходимая для обучения роботам выполнять специфические задачи, стоит примерно в 20 раз больше обычного сбора видео, но ее ценность для обучения определенных навыков выше в 100 раз. Это экономический вызов, который отличает разработку физического ИИ от создания языковых моделей, способных «чистить» текст из интернета с минимальными затратами.
В цеху Encord операторы используют пары роботизированных манипуляторов. Один из них управляется человеком, а второй имитирует его движения, создавая симметричные данные. Также проводятся эксперименты по автоматизации бытовых задач: переливание жидкости, накручивание проводов или втыкание сетевых кабелей в серверы. Эти процессы требуют высокой точности, пока недоступной стандартным роботизированным «пинцетам».
Перспективы и экономическая реальность
Эксперименты с мозговыми волнами и биосенсорами находятся на стадии пилотного запуска. Цель команды — создать начальный набор данных, отмеченных показателями активности мозга, пропустить его через существующие модели клиентов и оценить, действительно ли это улучшает результаты работы роботов. Если положительный эффект будет подтвержден, возможно, технологии будут масштабироваться.
Важно отметить, что этот подход меняет экономическую модель разработки ИИ. Физический ИИ не может быть построен исключительно на принципах генеративных моделей, работающих с дешевым интернет-контентом. Данные необходимо «изготавливать», что требует значительных финансовых вложений и ресурсов человека. Именно поэтому на рынке появляются компании, занимающиеся созданием и управлением этими редкими данными.
В отличие от текстовых моделей, которые могут обучаться на публичных источниках практически бесплатно, робототехника требует уникальных данных, созданных в лабораторных или промышленных условиях. Это создает новую отрасль, где ценность заключается в возможности воссоздать реальные условия работы человека.
Внедрение технологий считывания мозговых волн и биосенсоров открывает новые горизонты для взаимодействия человека и машины. Однако, как и в любом технологическом переходе, успех зависит от способности превратить сложные биологические сигналы в полезный цифровой код, который понимают искусственные интеллекты. Пока это область экспериментов, но потенциал для ускорения развития робототехники очевиден.
Источник: TechCrunch AI
*Автор: Umine Nagi*, *Роль: Редактор новостей об ИИ*
*Срок: Июль 2026*
*Метки: ИИ, Робототехника, Сбор данных, Здравоохранение, Будущее технологий*