Mwanadamu aliumba analogue ya "Cerebral Cortex" kwa AI katika fomu ya LLMs, lakini uumbaji wa cerebellum ni swali tofauti. Baada ya yote, thermodynamics na umbali wa batteries za kisasa ni tayari kuondoa mzunguko huu mweusi, wa haraka wa robotics. Katika makala hii, nitajaribu kuchambua changamoto na njia za ufumbuzi wao katika swali la kujenga ubongo kamili kwa robots. Tunaishi katika enzi ya euforia ya kiufundi, ningeweza hata kusema, ya unyogovu wa pamoja. Baada ya kuchapishwa kwa mashambulizi ya ChatGPT na ushindani uliofuata wa mifano ya lugha kubwa (LLMs), mawazo ya ulimwengu wa kiufundi alikuja kwa matokeo ya kimsingi kabisa ya mantiki: "Ikiwa tayari tunamiliki AI ambayo inapita mtihani wa Turing, kuandika msimbo wa kazi, na kuandika sonnets zinazoweza kutumika, basi Enzi ya Robots za Humanoid ni ya lazima na itakuja kesho asubuhi, mara moja baada ya kahawa." Tunamiliki "Mind" (mfano wenye nguvu zaidi kutoka kwa OpenAI, Anthropic, Google). Sisi kuwa na "Body" (mechanics kutoka Boston Dynamics, Tesla Optimus, picha). Wawekezaji kwa uaminifu, kwa ujasiri, wanaamini: inabaki tu kuunganisha vifaa, na hadi mwaka wa 2030, mtumiaji wa robots atafungua kwa usahihi nguo zetu na kunywa chupa. Lakini ningeweka shimo la maji ya baridi juu ya moto huu wa shambulio. Kwa sababu tatizo sio katika akili ya kisasa. tatizo sio katika programu, si katika msimbo, wala si katika mantiki. tatizo ni katika ufahamu wa msingi, wa kina wa tofauti kati ya Kufikiri (Cortex) na Harakati (Cerebellum). Binadamu amemuumba Einstein digital; hakuna mjadala. Lakini tunajaribu na uvumilivu wa mania kuwashawishi katika mwili ambao, kwa kuunganisha banal ya sandwiches, inahitaji, naomba msamaha, kituo cha nyuklia cha nyuklia kinachowekwa nyuma yake. Sisi ni kushindwa "Green Wall" - joto, nishati, na kimwili. ukuta ambayo haiwezi kuepukwa na kiasi chochote cha nambari katika Python. Ili kuelewa kwa nini hii ni hivyo, tunahitaji kuwa na mazungumzo makubwa kuhusu sofa rahisi katika nyumba yako. The "Couch Problem" — Why Physics Is Harder Than Poetry "Mchezo wa sofa" - Kwa nini Fizikia ni ngumu zaidi kuliko wimbo Katika ulimwengu wa AI, mara nyingi tunasoma Paradox ya Moravec kwa mtazamo wa busara: "Ni rahisi kuleta kompyuta kuonyesha utendaji wa kiwango cha watu wazima kwenye mtihani wa akili au kucheza checks, na ni vigumu au haiwezekani kuwapa ujuzi wa mtoto wa mwaka mmoja wakati inahusu ufahamu na uhamiaji." Hebu tuendane na jaribio la mawazo kali. Fikiria roboti iliyopangwa ya humanoid ya mfano wa 2030. Hebu tujibu, kwa masharti, "Adam." Unawapa Adamu amri rahisi, ya nyumbani: "Adam, kukaa kwenye sofa karibu nami." Kwa binadamu, hii ni rahisi. Ni refleks. Huwezi hata kufikiri juu yake. Hapa ni kile ambacho "Cerebellum" mbaya wa Adamu (msingi wa usindikaji wa harakati) anapaswa kuhesabu katika muda halisi, na muda (ping) wa chini ya milliseconds 2, vinginevyo maafa yatatokea: Approaching the couch, his vision system must instantly identify the surface. What is this? Is it leather? Is it velvet? Is it a rigid wooden bench with a thin cushion or a deep, sinking beanbag chair? He cannot simply "guess." If he calculates the coefficient of friction of the leather incorrectly, he will slip. If he underestimates the compressibility of the cushions, he will fall backward. Material Analysis: Unlike walking on concrete (a hard, predictable surface), a couch is a deformable object. When Adam begins to lower his heavy, 80-kilogram metal frame, the surface changes shape. His onboard computer must solve partial differential equations in real time to predict exactly how the foam rubber will compress under his "rear end," in order to find a new center of gravity. "Crash" Simulation: This is the most complex part. A human has thousands of tactile sensors in the skin. When you sit down, your body instantly, at the level of spinal reflexes, micro-corrects muscle tension based on the pressure that you feel. Adam requires thousands of pressure sensors on the entire chassis. The flow of data from them is huge. He needs to process gigabytes of tactile data per second, combine them with gyroscope data, and send commands to dozens of actuators (motors) to balance. Feedback Loop: Ikiwa muda kati ya "kufurahia kipande" na "kuwekwa umeme kwenye injini" huchukua zaidi ya milliseconds 5-10, Adamu ataingia katika mzunguko wa uongofu wa kujitolea mwenyewe. Atashuka, na atashuka. Kufanya hili kwa urahisi - kukaa na neema ya binadamu, na sio kuanguka kama safu ya brick - inahitaji nguvu ya kisasa ya kompyuta ikilinganishwa na kituo cha data ya kisasa. Thermal Nightmare: A Server Rack on Legs Ndoto ya joto: Rack ya Server juu ya miguu Hebu tuangalie maelezo, kuondoa masoko. Ili kutatua "Kwa tatizo la sofa" - maono, kujenga ulimwengu wa voxel, simulation ya kimwili ya vifaa vidogo, na udhibiti wa motors 40 katika muda halisi - hatujadili chip ya smartphone. Kusahau processors ya simu. Tunaweza kuzungumza juu ya nguvu ya kompyuta sawa na angalau GPU mbili ya ngazi ya NVIDIA H100 (au analogies zao za baadaye B200), kufanya kazi ndani ya mwili, moja chip crunches namba kwa ajili ya Model ya Maono, ya pili grinds kupitia Fizikia Hebu tufanye hesabu ngumu ya uhandisi "katika saluni" kwa robot yetu ndogo Adam, kujengwa juu ya teknolojia ya miaka 2026-2030. Matumizi ya nishati (TDP): Mchakato wa juu wa AI chini ya mzigo wa juu unatumia kutoka 700 hadi 1000 W. Tutaweza kuwa na uhakika na kufikiri kwamba chips za ajabu, za juu za nishati za 2-nanometer zimeonekana. Tutafikiri "Brain" ya robot inatumia tu 1500 W (1.5 kW) ili kusindika ulimwengu kwa undani mkubwa. Kuongezea na hii sensors za ajabu (LiDAR, kamera za ubora wa juu) na injini za nguvu wenyewe (kutembea inahitaji nishati kubwa). Tunaangalia mashine ambayo inatumia kutoka 2.5 hadi 3 kW ya nishati ya kuendelea tu ili kuwepo na sio kuanguka. Thermodynamics: Thermodynamics, kama inajulikana, haiwezi kuwa na udanganyifu. Ikiwa chip inachukua 1500 W, inachukua tu 1500 W ya joto. Je, umewahi kuona PC yenye nguvu ya michezo na kifaa cha umeme cha 1000 W? Inahitaji radiators kubwa na fan. Sasa jaribu, kikamilifu kwa akili, kuharibu mfumo huu wa baridi katika kiasi cha kichwa cha binadamu au mwili mdogo. Hii ni haiwezekani kimwili. Uchafuzi wa hewa hawatakuwa ya kutosha; kichwa cha robot utachoma kama turbine ya Boeing 747 ya kuondoka na itapunguza kesi ya plastiki katika dakika tu. Unahitaji mzunguko mkubwa wa baridi baridi, pombe, reservoirs, na radiators. Kwa kimsingi, "Adam" ha Battery Limit Kisha inakuja tatizo la umaarufu wa nishati. Tesla Model S ina sehemu kubwa ya chini, inayojumuishwa kikamilifu na batteries (kuwezeshaji wa karibu 100 kWh). Robot ya humanoid ina tu udongo mdogo. Hata na mbolea nzuri, vifaa vya kudumu vya kizazi cha pili, utakuwa na uwezo wa kuharibu 2-3 kWh ya nishati ndani ya mwili. Vinginevyo, robot itakuwa ngumu sana kwa kutembea na kuharibu viungo vyake. Hebu tuangalie uchumi wa nishati: Uwezo wa 3 kWh Utumiaji: 3 kW Muda wa kufanya kazi: 1 saa. Na hii bado ni chanya. Hiyo ni kama anasimama tu na kuangalia. Ikiwa robot anafanya kitu ngumu (kuongezeka kwa ngazi na mzigo au kuhesabu fizikia ya sofa hiyo yenyewe), muda wa uendeshaji wa kujitegemea utaanguka hadi dakika 20-30. Je, robot ya kila aina inahitajika na mtu yeyote katika maisha ya kila siku au katika uzalishaji, ambaye anapaswa kurejesha kwa masaa 4 baada ya kila dakika 20 ya kazi? The Memory Bottleneck: The World Weighs A Lot Bottleneck ya kumbukumbu: Dunia inachukua uzito mkubwa Mambo si tu katika processor, mambo ni pia katika kumbukumbu. LLMs (Large Language Models), ambayo sisi ni kawaida, kazi na maandishi. maandishi ni viumbe vidogo. Ulimwengu wa kimwili ni mbaya. Ili robot anaweza kuendesha mwenyewe katika nyumba mbaya, inahitaji dynamic Voxel Ramani - rangi ya kina ya 3D ya dunia. Uwanja mrefu (10m+): Usimamizi wa chini (meters). Uwanja wa karibu (1m): Ufafanuzi wa juu (centimeters). Ndani ya kuwasili (0m): Ufafanuzi wa micro (millimeters / microns). Wakati roboti hufikia kwa mkono wake kwa ajili ya tumbler kidogo ya maji ya kioevu, lazima kukumbuka kiwango cha usahihi cha shinikizo na sura ya tumbler, nafasi ya sliding ya maji juu ya meza, na nafasi ya vidonge vyake na usahihi wa milimita moja. Hii inahitaji kumbukumbu ya aina ya HBM (High Bandwidth Memory), ambayo ni gharama kubwa na ya kusisimua. Tunahitaji kifaa cha mkononi cha mkononi kuleta ndani ya kumbukumbu ya supercomputer. The Dotcom Bubble in Robotics Bubble ya Dotcom katika robotics Tumewahi kuona mfano huu kabla, historia ni ya mzunguko. Katika 1999, wakati wa burudani ya dotcom ya kushangaza, wawekezaji walipiga mabilioni katika makampuni kama Webvan (utoaji wa bidhaa za bidhaa). Wazo lilikuwa sahihi, laini. Biashara ya mtandaoni ilikuwa kweli siku za usoni. Lakini wakati ulikuwa wa makosa. Katika 1999, hakuwa na smartphone, hakuwa na 4G ya bei nafuu / 5G, hakuwa na uhifadhi wa hifadhi iliyo bora. Miundombinu ya kimwili haiwezi kuunga mkono maono haya. Ilikuwa inachukua miaka 15 ya maendeleo ya "hardware" kwa Uber, Instacart, na Amazon ili kufanya mawazo haya ya kuwezekana na ya faida. Leo, katika 2026, tunajikuta katika Bubble ya Robotics. Tunajaribu kuendesha mfumo wa uendeshaji wa 2040 kwenye vifaa vya 2026. Hiyo ni hasa kwa nini katika miongo ijayo, roboti sawa na R2-D2 kutoka Star Wars filamu itapata ushindi juu ya C-3PO. C-3PO (chip ya neuromorphic na matumizi ya chini) lazima daima kutumia nishati juu ya usawa juu ya miguu miwili. R2-D2 (bot maalum) inapiga kimya juu ya miguu. Hiyo ni kwa nini haina haja ya "kuona" sofa na lakinitocks; anahitaji tu kujua jinsi ya kuanguka ndani yake. Pragmatism ya kiuchumi ya dharura inasema kwamba roboti maalum ("boots juu ya miguu") itachukua mpaka tatizo la fizikia linapita. "Avatar Protocol" — How to Break the Iron Wall "Avatar Protocol" - jinsi ya kuvunja ukuta wa chuma Hivyo nini, hii yote? Je, tunatakiwa kusubiri hadi mwaka wa hali ya 2045 kwa robots ambayo itakuwa na uwezo wa kuleta bia kutoka kwenye baridi na si kuanguka kwa njia? Je, tunashikiliwa na "vakuumi smart" daima, wakati ndoto za androids kukusanya mvua kwenye shamba la kisayansi? Ikiwa tuendelee kufuatilia njia ya sasa - kujaribu kuingiza supercomputer katika kichwa cha mfupi cha robots ya kujitegemea - basi pengine ni hivyo. Fizikia ya silicon itatuushinda. Lakini... kuna upungufu. Mimi kupendekeza usanifu wa uhandisi ambao utawezesha kutupilia vikwazo juu ya joto, kupitia vikwazo vya battery, na kujenga "Super-intelligent Humanoid," kwa kutumia chips ambazo tunayo tayari leo. Concept: Split-Brain Architecture Mfumo wa Split-Brain Architecture Labda makosa ya mizizi ya mbinu ya sasa (Tesla Optimus, Figure, nk) ni jaribio la kushinikiza mfumo wote wa kisaikolojia ndani ya robot. Wote Cortex (logic, mpango), Cerebellum (fizikia, usawa), na Spinal Cord (reflexes). "Avatar Protocol" inapendekeza upasuaji wa kimapenzi: sisi kuhamisha kazi za ubongo wa juu nje ya mwili. Katika usanifu huu, robot huacha kuwa kiumbe wa kujitegemea. Anakuwa Terminal - high-tech "puppy" ya sensors na actuators, iliyounganishwa na umbo la umbo la kasi ya kuunganishwa na super-kompyuta ya nje. Hii ni analog ya jinsi "cloud gaming" (GeForce Now) kazi, tu badala ya graphics, 1. Body (Local Level / The Edge) Robot ya humanoid inayotembea juu ya ardhi ya duka ni kifahari sana katika suala la hesabu. Inside the robot stands only a low-power, cold specialized chip (for example, based on FPGA or an energy-efficient ARM processor). "Spinal Cord" on board: It does not think. It does not plan the route. It does not calculate the physics of the couch. Its tasks are exclusively Reflexes and Safety. Functions of the Spinal Cord: Maintaining a vertical position at rest. Stabilization (PID controllers): This is critically important. If the connection with the External Brain is interrupted for even 50 milliseconds, the Spinal Cord instantly intercepts control and transfers the robot into a safe pose (for example, crouch and freeze) so that it does not fall. Emergency Stop (Dead Man's Switch): The robot consumes minimum energy on calculations. The entire battery goes to the motors, which increases the operating time by 3-4 times. Result: 2. Brain (Remote Level / The Core) Hapa ni mahali ambapo uchawi hutokea. Katika mzunguko wa mita 100-500 kutoka kwa robot (katikati ya makazi, katika chumba cha seva cha jengo, au katika chumba cha mkononi kwenye eneo la ujenzi) kuna Node ya Kompyuta. Hili si wingu la Amazon mahali fulani huko Virginia. Hili ni "kabina" ya ndani - rack ya seva na baridi, iliyounganishwa na mtandao wa umeme wa viwanda. Nishati isiyo na mwisho: Hapa tunachukua kadi za NVIDIA H100 / B200 za moto sana na za kifahari. Functions of the External Brain: Construction of that very super-detailed 3D map of the world in real time. Voxel Mapping: The Brain receives data from the robot's sensors and runs thousands of simulations of "sitting on the couch" per second, choosing the optimal trajectory. Physical Simulation (Isaac Sim): It sends the robot not a high-level command "Sit," but a low-level stream of data: "In 10ms bend knee actuator No. 4 by 1.2 degrees with force X." Movement Generation: Moyo wa nje hauwezi kuzuiliwa na battery wala joto. Tunaweza kuweka hata 10 kilowatt ya nguvu ya kompyuta. Tunaweza kuendesha mitandao ya neural na trilioni ya vigezo ambavyo hazipatikani kwa chips za ndani. 3. Umbilical Cord (Communication Channel) Ili "Avatar" kufanya kazi, latent kati ya "macho saw" na "kati twitched" lazima iwe ndogo. Mahitaji: Ping (Usafiri wa Round Time) lazima iwe chini ya milliseconds 10-15. Teknolojia: Biashara ya kawaida ya Wi-Fi haitafaa. ufumbuzi wa viwanda unahitajika: Wi-Fi 7 (802.11be) au 5G binafsi / 6G (mmWave). Utengenezaji wa mtandao wa simu binafsi kwenye eneo la kampuni (mito ya milimita) hutoa kasi kubwa na ping ya chini katika umbali mfupi. Hebu kurudi kwa mfano wetu. Robot Avatar inakaribia sofa nyembamba. How does this solve the "Couch Problem" in practice? Sensorics (T = 0ms): Kamera na lidars kwenye mwili wa robot kukusanya data nyekundu. Uhamisho (T+5ms): Data hutembea kupitia 5G kwenye chumba cha seva katika pembe ya chumba. Fikiria (T+20ms): Brain ya nje (Cerebellum) inakubali data. GPU yenye nguvu huunda mfano wa kimwili wa sofa, kutabiri deformation yake chini ya uzito wa robot, na kuzalisha mstari mzuri wa shinikizo kwa 40 ya misuli-akutors kwa 100ms ya harakati inayofuata. Amri (T+25ms): Pakiti ya maagizo inafanya kurudi kwenye robot. Action (T+30ms): Spinal Cord ya ndani inapokea maagizo na kuwasilisha kwa maagizo ya injini. Ambapo uvuvi ni wapi? Hata 30ms ya muda mfupi inaweza kuwa mengi kwa usawa mzuri. Kwa hiyo, Brain ya nje haifanyi tu majibu, inapendekeza. Inatoa amri na kutarajia kidogo wakati. Economic and Strategic Justification Uhalali wa kiuchumi na mkakati Uumbaji wa "Intelligence artificial - Cerebellum": Kwa nini kujenga hii Rube Goldberg mashine ya seva, mitandao ya viwanda, na miundombinu ngumu, badala ya tu kukaa na kusubiri kwa chips mpya? Jibu haliko katika mbinu. Jibu haliko... au, itakuwa sahihi zaidi kusema, msingi wa jibu haliko katika mkakati wa kimataifa wa maendeleo ya AI. Tunahitaji kubadilisha kiini. Tunahitaji kuacha kuangalia robotics kama kazi ya kujenga "Iron Man" kutoka vitabu vya cartoon. Tunahitaji kuanza kuangalia kama kazi ya kujenga aina mpya kabisa ya akili ya msingi - "Digital Cerebellum." 1. Laboratory without Constraints (Freedom from Constraints) Kujaribu kuendeleza akili kamili ya injini ndani ya mdomo mkali wa roboti ya kujitegemea ni, kimsingi, kazi ya Sisyphus. Ni sawa na kujaribu kufundisha GPT-4 kwenye kompyuta. Hii ni mwisho wa mauti. Mwisho wa kimapenzi wa teknolojia. "Avatar Protocol" huunda hali ya "School ya Sayansi ya Juu." Kuendesha ubongo kwenye rack ya seva ya baridi, tumepoteza kikamilifu vikwazo vyote vya kimwili juu ya nishati na nguvu ya kompyuta. Sisi kutoa wanasayansi na wahandisi rasilimali isiyo na mwisho. Carte blanche. Ni hasa katika mazingira haya, katika inkubator hii ya digital, kwamba tunaweza kujenga, kukua kweli AI-Cerebellum - mtandao wa ne 2. Body Polymorphism: From Humanoid to Factory Jambo muhimu zaidi, ambayo kwa mtazamo wa kwanza inaweza kupuuzwa: katika usanifu huu, humanoid ni kesi maalum tu. Hii ni moja tu ya miili iwezekanavyo. Mara tu sisi kujenga nguvu ya kituo cha "Cerebellum" katika chumba cha seva, inakuwa kabisa haina umuhimu kwetu nini hasa kudhibiti. Mwili huwa kifaa cha nje kinachoweza kubadilishwa. Mchoro A: Hii inaweza kuwa moja ya ngumu humanoid-kuokoa kuondoa umaskini. Scenario B: Hii inaweza kuwa kundi la robots rahisi na za bei nafuu 100 kwenye chombo cha Amazon. Wao hawana haja ya akili zao wenyewe, wao ni "dumbie." Wao ni kudhibitiwa na "Driver" mmoja katika pembe ya chombo, kuunganisha harakati zao kama kiumbe kimoja, kuzuia machafuko na kuboresha njia na ufanisi usio na upatikanaji kwa watu wenye kujitegemea. Scenario C (Industrial): Mwili wa AI hii inaweza kuwa kiwanda kamili. Fikiria kitambaa cha CNC au ufungaji wa fries ngumu zaidi. Ikiwa mtu ataunganisha kwenye "Cerebellum ya nje," mashine huanza "kuona" chuma. Inaweza katika muda halisi, katika milliseconds, kurekebisha kupiga, kugundua micro-vibrations na unhomogeneity ya vifaa, kama kiongozi mwenye uzoefu anahisi miti na chisel. Katika dhana hii, kiwanda kinakuwa robot, na mashine - viungo vyake. 3. The "Spillover Effect" of Discoveries Hii ni kanuni ya kawaida ya miradi kubwa ya kisayansi, kama programu ya Apollo ya mwezi. Kwa kufanya kazi juu ya kazi ya kushangaza na ya mahitaji ya kudhibiti humanoid kutoka kwa mbali, sisi bila shaka kuunda teknolojia ambayo biashara inahitaji tayari: Protocols ya haraka sana, dhamana ya uhamisho wa data ya tactile (Tactile Internet). Mifumo ya adaptive ya wakati halisi ya kudhibiti vifaa vya viwanda. Njia mpya ya kushinikiza data ya kimwili. Hata kama android bora, kamili ya kujitegemea itaonekana tu mwaka wa 2040, teknolojia ya "Avatar Protocol" itaanza kulipa na kuleta faida tayari kesho - katika viwanda vya smart, katika telemedicine, na katika vifaa ngumu. Conclusion: We Are Building a Mind, Not Just a Doll "Avatar Protocol" sio tu njia ya uhandisi wa akili ya kuepuka kuongezeka kwa processor. Hii ni mabadiliko ya paradigm. Sisi ni kawaida kufikiri juu ya robots kama moja, vifaa vya kujitenga. Lakini baadaye, pengine, si kwa watu wenye kujitegemea, lakini kwa centralized Motor Intelligence. Sisi ni mbele ya uchaguzi mgumu: Ili kuendelea kupiga kichwa chetu dhidi ya "Udongo wa Chuma" wa kimwili, kujaribu kuingiza uncrammable katika battery ndogo, na katika output kupokea "vakuumi smart." Au kwa uaminifu kukubali kwamba akili (kama Cortex na Cerebellum) inapaswa kuishi ambapo kuna nishati na baridi - katika seva. Mimi kupendekeza njia ya nambari ya pili. Njia ya nguvu ya kisasa ya kompyuta. Hebu kujenga hii "Big Cabinet." Hebu kujenga ndani yake "Cerebellum" kamili zaidi duniani. Na kuruhusu kuendesha humanoid ya majaribio ya ajabu leo, kesho itakuwa kudhibiti mashine ya usahihi wa juu. Hatuna haja ya kusubiri kwa siku zijazo. Tunahitaji tu kuchukua ubongo nje ya usawa. Ufafanuzi: Mimi si mkurugenzi wa kampuni ya robotics au CTO ya kampuni kubwa. Mimi ni uchambuzi wa kifedha ambaye anafurahia mada hii na anaona mipaka ya kimwili ya mbinu za sasa. Dhana iliyoelezwa hapo juu ni usanifu wa nadharia, jaribio la kutafuta njia ya kuondoka kwenye uharibifu wa teknolojia. Inawezekana, mtu ambaye anapata matatizo haya katika vitendo - katika maabara ya R & D au katika uzalishaji - atapata katika mawazo haya bidhaa muhimu ambayo itasaidia kuleta baadaye karibu zaidi. Ufafanuzi: Mimi si mkurugenzi wa kampuni ya robotics au CTO ya kampuni kubwa. Mimi ni uchambuzi wa kifedha ambaye anafurahia mada hii na anaona mipaka ya kimwili ya mbinu za sasa. Dhana iliyoelezwa hapo juu ni usanifu wa nadharia, jaribio la kutafuta njia ya kuondoka kwenye uharibifu wa teknolojia. Inawezekana, mtu ambaye anapata matatizo haya katika vitendo - katika maabara ya R & D au katika uzalishaji - atapata katika mawazo haya bidhaa muhimu ambayo itasaidia kuleta baadaye karibu zaidi.