Современной робототехнике не хватает реальных данных для обучения — объемы отстают от языковых моделей на десятки тысяч лет. Об этом заявил профессор Калифорнийского университета Беркли Кен Голдберг.
По его расчетам, создание универсального робота потребует объема обучающих данных, эквивалентного 100 тысячам лет человеческой практики. Однако даже крупнейшие эксперименты с участием роботов и операторов пока дают лишь годовой объем.
Голдберг считает, что сократить разрыв можно с помощью «старой доброй инженерии» — комбинации классических методов управления и современных ИИ-моделей. Такой подход применяют, например, в компаниях Waymo и Ambi Robotics, где роботы обучаются во время реальной работы — от такси до сортировки посылок.
Он подчеркивает, что только полное доверие «черным ящикам» ИИ не даст надежности, нужной в промышленности. Но объединение подходов позволит ускорить развитие и запустить процесс накопления данных, необходимых для следующего шага в робототехнике.
