Roboty uczą się same w nocy, a badacze czytają rano raporty. Nie podoba mi się to ani trochu

👁 156 przeczytań

Postawię tezę, której będę bronił do ostatniego akapitu: moment, w którym laboratorium robotyczne zaczyna ulepszać samo siebie w nocy, podczas gdy ludzie śpią, to jeden z tych przełomów, które wyglądają uroczo w poście na LinkedInie i niepokojąco, gdy się nad nimi chwilę pomyśli. A właśnie taki post napisał Jim Fan, dyrektor ds. AI w Nvidii.

Część naszego laboratorium NVIDIA GEAR teraz samodzielnie się doskonali, niestrudzenie, przez całą noc. Rano po prostu czytamy raporty.

To jego słowa o systemie opisanym przez Ars Technica. Fan dorzucił jeszcze żart, że cały zespół mógłby pojechać na wakacje, a Jensen (czyli Jensen Huang, szef Nvidii) nawet by tego nie zauważył. Brzmi jak korporacyjna anegdotka. Moim zdaniem to najszczersza definicja tego, dokąd zmierzamy.

Co właściwie zbudowali

Rzecz nazywa się ENPIRE i jest tak zwanym agent harness - warstwą oprogramowania, która opakowuje modele AI, daje im pamięć, kontekst, ograniczenia i pętle sprzężenia zwrotnego, a potem pozwala sięgać po narzędzia. Powstała w laboratorium Nvidia GEAR przy współpracy z Carnegie Mellon i Uniwersytetem Kalifornijskim w Berkeley. Pomysł: dajesz agentom kodującym salę pełną ramion robotycznych, trochę mocy obliczeniowej i, cytuję, „hojny budżet tokenów„, a oni sami wymyślają, jak nauczyć maszyny wykonywać zadania.

I tu zaczyna się część, która mnie naprawdę zatrzymała. Roboty pod dyktando AI nauczyły się nie tylko klasycznego zadania „Push-T” (przesuwanie klocka w kształcie litery T na wyznaczone miejsce), ale też przecinania plastikowych opasek zaciskowych oraz - to nie żart - wkładania karty graficznej do gniazda na płycie głównej, a potem jej wyciągania, żeby zresetować scenę do kolejnej próby. Czyli AI uczy roboty montować GPU. Wąż zjadający własny ogon, tylko że ogon ma 99 procent skuteczności.

Bo właśnie taki wynik osiągnęli agenci na kilku zadaniach manipulacyjnych. Architektura ENPIRE ma cztery moduły: automatyczny reset i weryfikację zadań, dopracowywanie strategii sterujących zachowaniem robota, ocenianie tych strategii równolegle na wielu fizycznych maszynach oraz radzenie sobie z porażkami przez analizę logów, czytanie prac naukowych i poprawianie własnej infrastruktury treningowej. Tak, dobrze przeczytaliście - system sam wczytuje papery, żeby się douczyć.

Maszyna szybsza od ludzi, którzy ją zaprojektowali

Framework przetestowano na trzech agentach kodujących: Codeksie OpenAI z GPT-5.5, Claude Code od Anthropic z Opus 4.7 oraz Kimi Code od Moonshot AI z modelem Kimi K2.6. Pracowały zespołowo i niezależnie wymyślały różne podejścia algorytmiczne, testowały je na prawdziwych robotach, a potem zostawiały tylko te zmiany, które podnosiły skuteczność w kolejnych cyklach samodzielnych prób.

Najbardziej znamienny wynik dotyczy zadania z układaniem pinów w pudełku. Agenci AI osiągnęli prawie stuprocentową skuteczność szybciej niż „przełomowa metoda z człowiekiem w pętli” opracowana przez tych samych badaczy, którzy teraz piszą o ENPIRE. Innymi słowy: ludzie zbudowali narzędzie, które pobiło ich własne, ręcznie dopieszczane rozwiązanie. Do tego skala robi swoje - ośmioosobowy zespół agentów osiągnął 99 procent skuteczności w Push-T w dwie godziny czasu badawczego, podczas gdy czteroosobowe ekipy i pojedynczy agenci potrzebowali więcej.

I tutaj wracam do mojej tezy. Wszyscy mówią o tym jak o oszczędności czasu, a ja widzę raczej zamknięcie pętli. Dotąd nawet najbardziej autonomiczne AI potrzebowało człowieka gdzieś w środku - do oznaczania danych, do resetu, do oceny, czy wyszło. ENPIRE wycina człowieka z większości tych ról. Zadanie typu „włóż GPU, wyjmij GPU, powtórz” to przecież idealny, samowystarczalny obwód treningowy, który nie wymaga, żeby ktokolwiek wstał z krzesła.

Fan zapowiedział, że zespół udostępni wszystko jako open source, żeby każdy mógł postawić „samodzielnie działające laboratorium robotyczne w domu”. Brzmi demokratycznie i pewnie takie będzie w intencjach. Ale ja mam słabość do ironii sytuacji: oto firma, która sprzedaje karty graficzne, publikuje narzędzie uczące roboty wkładać te karty graficzne, żeby uczyły się szybciej dzięki kartom graficznym. Jensen rzeczywiście mógłby tego nie zauważyć - byłby zbyt zajęty liczeniem zamówień.

Nie twierdzę, że jutro obudzimy się w fabryce zarządzanej przez maszyny. Twierdzę, że „rano czytamy raporty” to zdanie, które za pięć lat będzie się cytować zupełnie inaczej niż dziś. I że warto je zapamiętać teraz, póki brzmi jeszcze jak żart.

// czytaj dalejZamknięcie dnia: Narzędzia psują myślenie, ale roboty uczą się z filmikówNewsyBadacz używa Codex i ChatGPT do szukania nowych cząsteczek przeciwdrobnoustrojowychNewsyOpenAI o modelu Astra: badacze spierają się, czy AI ukrywa swoje rozumowanieNewsy