Humanoidi imaju tijela. Ali i dalje trebaju mozak

Dok je Moonshotov Kimi K3 žario i palio po internetu, na najvećem kineskom samitu o umjetnoj inteligenciji u Šangaju stotine humanoidnih robota koji su zveckali izložbenom dvoranom ukrale su svu pažnju.

Mnoštvo se tiskalo kako bi ih gledalo kako boksaju, kuhaju latte kavu i peru ogromne količine rublja. Čak i kao netko tko je skeptičan prema žurbi da se strojevi grade po našem uzoru – i prema dijelu medijskih izvještaja koji oduzimaju dah – svjedočenje takvom razmjeru učinilo je taj spektakl na Svjetskoj konferenciji o umjetnoj inteligenciji (WAIC) teškim za zanemariti.

Ipak, izvan strogo tempiranih i koreografiranih demonstracija, većina robota stajala je nepomično. Čak i dok su razvrstavali predmete, slagali police ili svirali klavir, pokreti su im bili spori i trzavi. Na jednom štandu humanoidi su gradili Kineski zid od Lego kockica, ali sam uočila osoblje koje ih prati i popravlja pogrešno postavljene dijelove. Izložak tvrtke Yunmu Intelligent Manufacturing privukao je gomile zbog svojih nevjerojatno realističnih robota, u kompletu s borama i dlačicama na licu. Bilo je to prvi put da sam jednoga koji je stajao iza mene zamijenila za pravog čovjeka. No iluzija je prestala kada se činilo da ne mogu učiniti ništa više od rotiranja glave ili zurenja unaprijed sa staklenim pogledom.

Kineski humanoidni bum riješio je najvidljiviji dio problema: shvatio je kako sklopiti tijelo. Teži dio sada je izgraditi mozak. Sljedeća utrka u umjetnoj inteligenciji možda se neće toliko voditi oko sve većih velikih jezičnih modela (LLM), koliko oko "modela svijeta" (world models) – onih koji mogu razumjeti fizički svijet i robotima dati nešto bliže zdravom razumu.

Veliki jezični modeli privukli su većinu ulaganja i pažnje. No kako bi AI pobijedio digitalni svijet, mora naučiti navigirati kroz nepredvidive predmete i okruženja na način na koji to čini beba: promatranjem, djelovanjem i povratnim informacijama.

Taj se izazov više puta spominjao u Šangaju. Tijekom jednog od glavnih forumskih izlaganja, ACE Robotics – tvrtka proizašla iz kineskog pionira multimodalne umjetne inteligencije SenseTimea – predstavila je Kairos World Model 3.0. Tvrtka tvrdi da je postigla najsuvremenije rezultate u nekoliko mjerila, obilježene poboljšanjima u dugoročnom planiranju zadataka i rasuđivanju o fizičkoj interakciji. Tencent Holdings Ltd. predstavio je svoj cjeloviti pristup utjelovljenoj inteligenciji (embodied intelligence). Glavni znanstvenik Zhengyou Zhang sažeo je tezu vrlo jednostavno: "Prava inteligencija nastaje kada jezik, vid, prostorno razumijevanje, fizička kontrola i povratne informacije iz okoline rade zajedno."

Drugi kineski tehnološki divovi, uključujući Alibaba Group Holding Ltd. i ByteDance Ltd., također jure naprijed s modelima svijeta, pri čemu je potonji navodno to naveo kao jedan od svojih AI prioriteta za ovu godinu. A to je bez spominjanja niza startupova koji se nagomilavaju i privlače sve veću pažnju ulagača; pekinški GigaAI navodno planira inicijalnu javnu ponudu dionica (IPO) već ove godine. Šangaj je razjasnio jednu stvar: Kina se priprema za utrku koja dolazi nakon ChatGPT-ja.

Također donosi već dobro poznatu strategiju na ovo područje objavljujući modele svijeta otvorenog koda (open-weight) kako bi privukla developere i ubrzala napredak. Tencent je ranije ove godine objavio svoj vodeći model HY-World 2.0 kao otvoreni kod.

Ovaj je rad ključan za profilirane tvrtke poput Unitree Roboticsa. Miljenik industrije osvojio je globalnu pažnju plesnim i kung-fu nastupima, ali i dalje očajnički traži praktične primjene. A on je samo jedan od stotina. Ta širina daje Kini veliku prednost jer sav taj humanoidni hardver pruža idealan poligon za obuku, iteraciju i poboljšanje modela svijeta.

Zapad također prati ovo novo i drugačije područje umjetne inteligencije. Utjecajni glasovi, uključujući bivšeg glavnog znanstvenika za AI u Meta Platforms Inc.-u, Yanna LeCuna, i pionirsku znanstvenicu Fei-Fei Li, prikupili su sredstva za startupove (iako nisu ni blizu procjenama vrijednosti koje uživaju OpenAI i Anthropic PBC), dok Google DeepMind i Nvidia Corp. ulažu na sličan način.

U Kini je, međutim, utjelovljena inteligencija i politički prioritet. U svom uvodnom govoru na konferenciji, predsjednik Xi Jinping izjavio je da se AI "kreće iz digitalnog svijeta u fizički svijet". Da ne spominjemo prednosti u razvoju humanoida koje dolaze s proizvodnom dubinom te nacije. Izvješće McKinseyja s početka ove godine pokazalo je da Kina ima značajan tržišni udio u komponentama za robote, dijelom i zbog preklapanja s lancem opskrbe za električna vozila.

Možda neće postojati jedan, prepoznatljiv "ChatGPT trenutak" koji bi ovaj prelazak u sljedeću fazu umjetne inteligencije učinio očiglednim. Modeli svijeta napredovat će manje vidljivo, postupno, a zatim naizgled odjednom. Konkurenti i kreatori politika mogli bi ostati zatečeni napretkom Kine, ali znakovi upozorenja već su jasno vidljivi.

Ljudi s kojima sam razgovarala na izložbenom prostoru ponudili su industriji dobro poznatu prognozu: prekretnice u modelima svijeta udaljene su dvije do tri godine. To je vjerojatno optimistično. Richard Sutton, kanadski računalni znanstvenik i dobitnik Turingove nagrade, istaknuo je na šangajskom predavanju da izazov ide daleko iznad toga da se strojevi nauče fizici. Oni moraju shvatiti i apstrakciju, nagrade i iskustvo – bezbroj procjena koje ljudski mozak donosi gotovo bez napora u nesigurnim okruženjima koja se brzo mijenjaju. Veliki jezični modeli imali su svojih pet minuta slave, rekao je ovaj utjecajni istraživač, ali njihova ograničenja postaju sve jasnija. Što se tiče vremenskog okvira, Sutton je procjenio šanse za dublji proboj na jedan prema četiri do 2030. godine, te jedan prema dva do 2040. godine.

Za sada će LLM-ovi poput Kimija K3 nastaviti puniti naslovnice i izazivati zabrinutost u inozemstvu. No Kina već gradi temelje za natjecanje koje slijedi nakon toga.