Гуманоидные роботы и кризис интеллекта: предупреждение от главного ученого Meta
Ян ЛеКун, главный ученый по искусственному интеллекту компании Meta и лауреат Премии Тьюринга, выступил 17 сентября 2025 года на первом симпозиуме MIT Generative AI Impact с тревожным предупреждением о состоянии индустрии гуманоидных роботов. Робототехника сегодня оказалась в парадоксальной ситуации: компании успешно привлекают миллиарды долларов инвестиций и демонстрируют впечатляющие прототипы, но не имеют четкого понимания, как создать искусственный интеллект, необходимый для превращения этих машин в по-настоящему полезные решения.
«Есть большое количество компаний, которые за последние годы сосредоточились на создании гуманоидных роботов. Главный секрет отрасли в том, что ни одна из этих компаний не знает, как сделать этих роботов достаточно умными, чтобы они были полезны в общем смысле», — заявил ЛеКун на симпозиуме в Массачусетском технологическом институте.
Разрыв между аппаратным обеспечением и интеллектом
Парадокс современной робототехники состоит в том, что разработчики гуманоидных роботов достигли впечатляющих успехов в создании аппаратного обеспечения и механики. Однако при этом они серьезно отстают в разработке интеллектуальных систем управления, которые смогли бы обеспечить этим машинам реальную автономность и адаптивность к различным ситуациям.
«Мы можем обучить эти роботы для выполнения конкретных задач, например в производстве. Но когда речь идет о домашних роботах и универсальных помощниках, есть целый ряд фундаментальных прорывов в области искусственного интеллекта, которые должны произойти прежде», — пояснил глава исследовательского направления Meta.
ЛеКун указал на критическую проблему: современные большие языковые модели не способны обеспечить необходимый уровень интеллекта для управления гуманоидными роботами. По его словам, искусственный интеллект для робототехники должен обучаться на высокополосных сенсорных данных, включая видеопотоки, а не только на текстовых данных.
Мировая модель как ключевое решение
Решение, которое предлагает ЛеКун, связано с разработкой так называемых мировых моделей — специализированных систем искусственного интеллекта, которые обучаются на основе видеоданных и сенсорной информации, создавая внутреннее понимание физического мира.
«Дана нам репрезентация состояния мира в момент времени T, и дано действие, которое агент решит совершить — сможете ли вы предсказать состояние мира после этого действия? Это и есть мировая модель», — объяснил 65-летний ученый.
Исследователь указал на собственные разработки Meta в области самоконтролируемого обучения, такие как V-JEPA (Video Joint Embedding Predictive Architecture). Эти системы предсказывают будущие состояния видео на основе анализа прошлых кадров, демонстрируя элементарное понимание физических законов.
«Эти системы показывают, что они изучили элементарный здравый смысл. Если показать им видео, где происходит что-то физически невозможное — объект исчезает или спонтанно меняет форму — ошибка предсказания резко возрастает. Таким образом, система может сказать, что произошло что-то необычное», — продолжил ЛеКун.
Глубокое обучение и ограничения текстовых данных
Одна из ключевых проблем современного подхода к развитию гуманоидных роботов заключается в недостаточности текстовых данных для обучения высокоинтеллектуальных систем. ЛеКун подчеркнул, что четырехлетний ребенок видит больше информации через свои глаза, чем самые большие языковые модели получают из всего доступного публичного текста в интернете. Это означает, что для создания по-настоящему интеллектуальных роботов нужна совершенно иная архитектура глубокого обучения.
Будущее робототехнических стартапов, которые привлекли миллиарды долларов инвестиций, теперь зависит от того, удастся ли им добиться значительного прогресса в разработке архитектур планирования типа мировой модели.
Аналогичные предупреждения поступают от других экспертов. Андрей Карпатский, один из основателей OpenAI и известный исследователь в области машинного обучения, также отметил, что нынешним системам искусственного интеллекта не хватает способности к непрерывному обучению — способности запоминать и интегрировать новую информацию в реальном времени.
«Они не имеют непрерывного обучения. Вы не можете просто сказать им что-нибудь, и они это запомнят. Они когнитивно неполноценны, и это просто не работает. Потребуется примерно десять лет, чтобы разобраться со всеми этими фундаментальными проблемами», — сказал Карпатский в интервью на подкасте.
Робототехнические стартапы на перекрестке путей
Робототехника находится на пороге критического момента в своем развитии. С одной стороны, аппаратное обеспечение развивается быстрыми темпами, и компании регулярно демонстрируют впечатляющие прототипы гуманоидных роботов. С другой стороны, разработка искусственного интеллекта, необходимого для превращения этих машин в по-настоящему автономные и полезные системы, требует фундаментальных прорывов в области машинного обучения.
Робототехнические стартапы должны переориентировать свои стратегии с акцента на механику на развитие интеллектуальных алгоритмов. Это означает привлечение экспертов в области искусственного интеллекта и переориентацию бюджетов на исследования в области обучения и нейронных сетей.
О Яне ЛеКуне
Ян ЛеКун — французско-американский компьютерный ученый с экспертизой в области машинного обучения, вычислительной нейробиологии, компьютерного зрения и мобильной робототехники. Он известен как один из трех основателей глубокого обучения (Deep Learning). В 2018 году ЛеКун получил Премию Тьюринга — высшую награду в области информатики — вместе с Джеффри Хинтоном и Йошуа Бенджио. Его работы над сверточными нейронными сетями изменили способ, которым машины видят и понимают окружающий мир.
Заключение
Предупреждение Яна ЛеКуна о проблемах в гуманоидной робототехнике отражает более широкую озабоченность в технологическом сообществе. Инвестиции в робототехнику и искусственный интеллект растут экспоненциально, но не всегда сопровождаются четким пониманием того, как достичь реального коммерческого успеха и практического применения.
Робототехника и гуманоидные роботы остаются одной из самых перспективных областей технологического развития. Однако очевидно, что путь от концепции к практическому применению намного длиннее и сложнее, чем казалось многим инвесторам и предпринимателям. Развитие мировых моделей, совершенствование глубокого обучения и создание систем непрерывного обучения станут ключевыми вызовами для индустрии в предстоящие годы.
Вам также может быть интересно:
- Коллаборативная робототехника: Новый этап взаимодействия человека и машины
- Китай и глобальная гонка по робототехнике
- Figure 03 в 2025 году: гуманоидный робот третьего поколения
Источники:
- Meta’s chief AI scientist warns that humanoid robot startups are in a bubble — Indian Express
- MIT Generative AI Impact Symposium
- Meta AI Research
Примечание:
Настоящий материал подготовлен на основании информации, размещённой в открытых источниках, и носит исключительно информационно-справочный характер. Представленные сведения не являются официальным заключением и не могут рассматриваться в качестве юридической, финансовой или иной профессиональной консультации. Публикация не имеет рекламного характера. Упоминание торговых марок, брендов и наименований организаций носит исключительно информационный характер и не подразумевает их продвижение или одобрение.