Sekite pasaulinę technologinės raidos tendenciją ir pasinaudokite įgyvendintosios intelekto plėtros galimybe

Įkūnytoji intelekto sistema – tai išmanioji sistema, kuri integruoja suvokimą, pažinimą, sprendimų priėmimą ir veiksmus per realiuoju laiku vykstančią sąveiką tarp fizinės būtybės ir aplinkos; ji apima įvairias formas, tokius kaip žmogaus pavidalo robotai, biomimetiniai robotai ir įterptosios aplinkos sistemos. Šiuo metu įkūnytoji intelekto technologija nuolat tobulėja dėl pakartotinės sąveikos su aplinka, reikšmingai gerinant pažinimo ir sprendimų priėmimo gebėjimus bei ontologinį praktinį našumą, taip pat pagreitinant jos evoliuciją link vis labiau autonomiško ir įvairių scenarijų apimamo bendrojo intelekto. Tikslus šios pasaulinės technologinės inovacijos tendencijos supratimas ir aktyvus giluminių iššūkių sprendimas yra itin svarbus galimybėms pasinaudoti ir pralenkti kitus šio naujo pramonės pertvarkos etapo dalyvius.

　　Pasaulinė įkūnytosios intelekto technologijos plėtra rodo penkias pagrindines tendencijas

Šiuo metu visame pasaulyje įkūnytosios intelekto technologijos sparčiai vystomos, o penkių matmenų – suvokimo ir sąveikos, sprendimų priėmimo ir pažinimo, valdymo ir vykdymo, virtualiųjų ir realiųjų sričių duomenų sujungimo bei sistemos integracijos – srityse pasiekiami pralūžiai skatina įkūnytąjį intelektą perkelti iš laboratorijų į masines taikymo sritis.

Vienas yra pasaulio modelių įterpimas ir suvokimo sąveikos perėjimas. Judėdama pasaulio modelio ir daugiarežiminės suvokimo technologijos pagalba, įkūnytoji intelektualinė veikla žymiai pagerino savo gebėjimą suprasti ir sąveikauti su fizinėmis aplinkomis, pasiekdama paradigmos poslinkį nuo „stimulo–atsako“ prie „išvadų grindžiamos sprendimų priėmimo“ ir nuo duomenų pertvarkymo prie modelių supratimo. „Meta“ paleido V-JEPA2 pasaulio modelį, kuris gali prognozuoti skirtingų veiksmų pasekmes ir jas rūšiuoti pagal tikslus, taip žymiai padidindamas veiksmų tikslumą. Pekino universitetas pasiūlė MLA daugiarežiminį kalbos ir veiksmų modelių architektūros sprendimą, kuriame įdiegtas visiškai daugiarežiminis suvokimo būdas ir kuris, integruodamas heterogeniškus signalus, suteikia patikimesnį sprendimų priėmimo pagrindą.

Antrasis, stebima galinės–galinės tendencija ir sprendimų priėmimo paradigmos poslinkis. Įkūnytosios intelekto hierarchinė sprendimų priėmimo architektūra „smegenys + smegenėlės“ pasiekė brandą ir vis dažniau taikoma; galinės–galinės modelio privalumai – plačus apimančios galimybės, žemas uždelstumas, didelis autonomiškumas ir stipri bendradarbiavimo galimybė – parodė puikią potencialą tyrinėjant įkūnytąjį intelektą, siekiant bendrosios bendravimo galimybės. „Google DeepMind“ „Gemini Robotics“ remiasi galinės–galinės VLA architektūros principu ir turi puikią kryžminę ontologinę bendravimo galimybę; Kinijoje „Yuejiang“ nepriklausomai sukurtas „DOBOT-VLA“ modelis integruoja vaizdinės, kalbinės ir valdymo funkcijas bei buvo optimizuotas naudojant realaus pasaulio stiprinamąjį mokymąsi. Šis modelis įdiegtas žmogaus pavidalo robotui „ATOM“, kuris 2025 metais pasiekė masinės gamybos lygį ir gali atlikti sudėtingus uždavinius, tokius kaip vaikščiojimas, dinaminė pusiausvyra ir tikslus surinkimas.

Trečia, pažangos lankstiuose medžiagose leido sukurti saviregėjimo galimybes. Medžiagų revoliucija skatina įkūnytosios intelektualiosios sistemos evoliuciją nuo „standžios vykdymo pabaigos“ iki „intelektualios adaptacinės būtybės“. Odos pavidalo taktiliniai jutikliai ir elektroninė oda suteikia įkūnytajai intelektualiajai sistemai labai jautrią aplinkos suvokimo galimybę, tuo tarpu biomimetinė lanksti konstrukcija suteikia įkūnytoms intelektualioms gyvybės formoms daugiarežiminį judėjimą – tokį kaip slinkimas, vartymasis ir peristaltika – ir taip efektyviai prisitaiko prie įvairių sąlygų bei plečia taikymo sritis. Saviremontuojamosios medžiagos pasiekė aktyvaus saviregėjimo pralūžį. Kai įkūnytosios intelektualiosios sistemos kūnas pažeidžiamas, šviesos ir šilumos poveikiu gali įvykti atvirkštinis cheminių ryšių sujungimas. Šios medžiagos integruoja pažeidimų aptikimo, lokalizavimo ir saviregėjimo funkcijas, kurios žymiai padidina įkūnytosios intelektualiosios sistemos patikimumą ir ilgaamžiškumą sudėtingose bei nepalankiose aplinkose, užtikrindamos ilgalaikį autonomišką veikimą.

Ketvirtasis aspektas – virtualių ir realių duomenų integruotė bei duomenų standartų suvienodinimas. Realios technikos duomenų rinkimo didelės sąnaudos ir mažas mastas, taip pat silpnas bendrinamumas nepažintose aplinkose tapo kūno intelekto plėtros kliūtimis. Generuojamų duomenų šaltinis – tai didžiojo modelio sukurtas imitacinis aplinkosauga, kurioje yra daug duomenų ir aukštas struktūrizuotumas, todėl ji gali užpildyti duomenų spragas žemomis sąnaudomis. Su fizikos dėsnių apribojimais, mišriais duomenų paradigminiais metodais ir tikslinama realios technikos duomenimis ji gali reikšmingai sumažinti skirtumą tarp imitacijos ir realybės. Kinų įmonė 51Sim sukaupta galutinio produkto lygio pagalbinių važiavimo scenarijų ir sintetinių duomenų, paremtų Nvidia platforma, kurie sėkmingai naudojami robotų mokymui sudėtingose aplinkose, pvz., uostuose ir kasyklose. „Dome DOME“ platforma suvienodina duomenų sąsajas ir formatų specifikacijas, pašalina duomenų izoliuotumą, sukuria visuotinei pramonei bendrą kalbą ir veiksmingai skatina tarpscenarinius sąveikos ryšius bei aukštos kokybės duomenų tiekimą.

Penktasis tikslas – pasiekti heterogeninį bendradarbiavimą ir sukurti saugų pagrindą. Programinės įrangos ir aparatinės įrangos atskyrimas bei modulinė integracija skatina įkūnytųjų intelektualiųjų operacinės sistemų plėtrą, kad būtų pasiektas kryžminis ontologinis suderinamumas ir heterogeninis bendradarbiavimas. OpenRMF architektūra suvienija robotų „eismo taisykles“ ir „komunikacijos kalbą“, leisdama heterogeniniams mašinų klasteriams veikti kartu; OpenMind paleistoji OM1 palaiko „įkiš ir veikia“ principą bei kryžminę ontologinę kūrimo galimybę su pagrindinėmis didžiosiomis modelių API. Sisteminė integracija sustiprina projekto pagrindą, užtikrindama saugumą, patikimumą ir laikymąsi minimalių ribų. Priešpriešinio mokymo, diferencialinės privatumo ir kitos privatumo apsaugos technologijos leidžia bendradarbiauti tarp įstaigų be neapdorotų duomenų nutekėjimo, kuriant aktyvią ir saugią giluminės apsaugos sistemą įkūnytųjų intelektualiųjų taikymams mastu.

　　Įdiegti kelis priemones, kad būtų sustiprinta Kinijos įkūnytosios intelekto konkurencingumo pozicija

Šiuo metu Kinijos įkūnytoji intelekto technologija yra kritinėje stadijoje, kai reikia suderinti technologinius pralūžius, pramoninį įdiegimą ir ekosistemos ugdymą. Pagrindinių techninių priemonių lokalizacija paspartėjo, o didelių modelių našumas žymiai pagerėjo. Vidinė skaičiavimo galia gali efektyviai vykdyti sudėtingus modelius, o kai kuriose srityse jau suformuotos pirminės taikymo galimybės. Tačiau dėl vis labiau intensyvėjančios tarptautinės konkurencijos negalima nepaisyti įkūnytosios intelekto technologijos giluminių iššūkių.

Pirma, reikia pagerinti pagrindinių komponentų autonomišką valdymą, nes šiuo metu yra didelė išorinė priklausomybė nuo servorinių variklių, reduktorių ir aukštos kokybės jutiklių. Energijos sistemos ištvermė nepakankama, o visos technologinės grandinės savarankiško kūrimo gebėjimai vis dar silpni; antra, reikia tobulinti standartų sistemą ir pramoninę ekosistemą – nevienodas įrangos sąsajų, ryšio protokolų ir programinės įrangos suderinamumo standartai, plačiai paplitę duomenų izoliuoti segmentai, ribotas atvirosios programinės įrangos bendruomenių poveikis ir nepakankamas aukštos kokybės sąveikos duomenų pasiūla; trečia, reikia tobulinti saugumo valdymo sistemą, nes sunku nustatyti atsakomybę už autonomiškų sistemų avarijas. Nuolatinis jautrių duomenų rinkimas gali lengvai sukelti pavojų, pvz., duomenų nutekėjimą ar privatumo pažeidimą, o patikimų mechanizmų tarpinstituciniam bendradarbiavimui reikia gerinti.

Šių iššūkių veikiamos Kinijos valdžia turėtų pasinaudoti šiuo plėtros langu, savarankišką inovaciją laikyti pagrindu, standartų kūrimą – pradžios tašku, o saugos valdymą – minimaliu reikalavimu, greičiau formuoti įkūnytą protingą pramoninę ekologiją ir suteikti stiprią impulsą naujos kokybės gamybos pajėgumų vystymui bei technologiškai stiprios šalies statymui.

Vienas iš tikslų – stiprinti strateginių technologijų pajėgų išdėstymą ir įtvirtinti nepriklausomos inovacijos pagrindus. Remiantis naująja nacionaline sistema, bus stiprinamos nacionalinių raktinių laboratorijų strateginės mokslinės ir technologinės galimybės kūno intelekto srityje, o taip pat vyks organizuoti moksliniai tyrimai pačiose pažangiausiose kryptimis, tokiomis kaip „informacijos–fizikos–požiūrio“ trijų sričių sujungimo modelis, galutinio taikymo sprendimų priėmimo architektūra bei biomimetiniai lankstūs medžiagų sprendimai. Bus gilinama pramonės, mokslo ir tyrimų integracija, kurios iniciatorių vaidmenį atlieka įmonės; bus remiamos lyderinės technologinės įmonės, kurios vadovaus inovacinėms sąjungoms, koncentruodamos privalumus turinčius išteklius, kad būtų įveikti vietinės gamybos kliūčių taškai – tokie kaip servoriniai varikliai, reduktoriai ir planetiniai ritininiai sraigtažnypiai. Bus sujungta visa grandinė nuo „pagrindinių tyrimų–technologijų plėtojimo–pramoninio taikymo“, o tai leis pašalinti pramonės plėtros apribojimus jų šaltinyje.

Antrasis tikslas – sukurti atvirą ir bendradarbiaujančią pramonės ekosistemą, kuri aukšto lygio standartais skatintų aukštos kokybės plėtrą. Pagreitinti įvairių pramonės šakų programinės įrangos sąsajų, ryšių protokolų ir programinės įrangos suderinamumo standartų kūrimą bei skatinti nepriklausomą ir valdomą pagrindinę programinę įrangą, pvz., operacinės sistemos ir tarpinės programinės įrangos (middleware) kūrimą. Tyrinėti galimybę steigti aukšto lygio duomenų kaupimo ir valdymo struktūras, kurti daugiarežiminės duomenų rinkimo ir žymėjimo standartus, sukurti modeliavimo etaloninius rodiklius ir atviras duomenų platformas pagrindinėms scenarijams, tokiems kaip protinga gamyba ir didelės rizikos veiksmai, bei pašalinti kliūtis laisvam duomenų cirkuliavimui. Aktyviai ugdyti vietinę atvirojo kodo ekosistemą, skatinti universitetus, mokslo tyrimų institutus ir įmones bendrai kurti algoritmų skaičiavimo galios bendrinimo sistemas, sumažinti tyrimų ir plėtros barjerus, pagreitinti technologijų tobulėjimą ir aukšto lygio standartizacija bei atvirojo kodo principais vadovauti pramonės kokybės gerinimui.

Trečia – sukurti patikimą saugos valdymo sistemą ir užtikrinti patikimo vystymosi pagrindus. Sukurti hierarchinę apsaugos mechanizmą, apimantį algoritmų, duomenų ir fizinės saugos aspektus, aiškiai nustatant visų su gamyba, naudojimu, algoritmų tiekimu ir priežiūra susijusių šalių teises ir atsakomybę. Ateities orientuoti tyrimai dėl avarijų atsakomybės nustatymo, bendradarbiavimo tarp įstaigų ir abipusio pasitikėjimo valdymo taisyklių bei saugos ir etikos gairių konkrečioms navigacijos, grupinėms bendradarbiavimo ir kitoms veiklos rūšims. Tyrinėti įtraukiančius ir atsargius reguliavimo modelius, atlikti viso gyvavimo ciklo saugos ir etikos vertinimus, sukurti aktyvią ir giluminę saugos gynimo sistemą bei užtikrinti institucines garantijas įkūnytosios intelekto masinei įdiegimui ir ilgalaikiam sveikam vystymuisi.