Zosobnená inteligencia je inteligentný systém, ktorý integruje vnímanie, kogníciu, rozhodovanie a činnosť prostredníctvom reálneho interaktívneho vzťahu medzi fyzickými entitami a prostredím, pričom zahŕňa rôzne formy, ako sú humanoidné roboty, biologicky inšpirované roboty a zabudované environmentálne systémy.
Embodied intelligence je inteligentný systém, ktorý integruje vnímanie, kogníciu, rozhodovanie a činnosť prostredníctvom reálneho interaktívneho pôsobenia medzi fyzickými entitami a prostredím. Zahŕňa rôzne formy, ako napríklad humanoidné roboty, biologicky inšpirované roboty a zabudované environmentálne systémy. V súčasnosti sa embodied intelligence neustále vyvíja prostredníctvom opakovaného interaktívneho pôsobenia so svojím prostredím, čím výrazne zvyšuje schopnosť kognitívneho rozhodovania aj praktický výkon v reálnom svete a zrýchľuje svoju evolúciu smerom k viac autonómnej a univerzálnej inteligencii pre rôzne scenáre. Presné zachytenie globálneho technologického inovačného trendu embodied intelligence a aktívna reakcia na hlboké, základné výzvy majú veľký význam pre využitie príležitostí a získanie iniciatívy v novej vlny priemyselnej transformácie.
Globálny vývoj technológií embodied intelligence vykazuje päť hlavných trendov
V súčasnosti sa globálna technológia inkorporovanej inteligencie vyvíja zrýchleným tempom, pričom sa dosahujú prelomové výsledky v piatich dimenziách: vnímanie a interakcia, rozhodovanie a kognícia, riadenie a vykonávanie, fúzia dát z virtuálnej a reálnej domény a integrovanie systémov, čo posúva inkorporovanú inteligenciu z laboratória do rozsiahlych aplikácií.
Jednou z týchto inovácií je začlenenie svetových modelov a prechod k interakcii založenej na vnímaní. Poháňaná svetovými modelmi a technológiami multimodálneho vnímania sa „inkarnovaná inteligencia“ výrazne zlepšila v schopnosti porozumieť fyzickému prostrediu a s ním interagovať, čím sa dosiahla paradigmatická zmena – od reakcie na podnety k deduktívnemu rozhodovaniu a od reštrukturalizácie údajov k pochopeniu vzorov. Spoločnosť Meta spustila svetový model V-JEPA2, ktorý dokáže predpovedať dôsledky rôznych správaní a usporiadať ich podľa stanovených cieľov, čím sa výrazne zvyšuje presnosť vykonávaných akcií. Pekingská univerzita navrhla architektúru viacsenzorového jazykového akčného modelu MLA, ktorá zavádza komplexný viacsenzorový režim a poskytuje spoľahlivejší základ pre rozhodovanie integráciou heterogénnych signálov.
Po druhé, pozorujeme trend od začiatku do konca a zmenu paradigmy v rozhodovacom procese. Hierarchická architektúra rozhodovania v rámci „zosobneného“ inteligentného systému – tzv. „mozog + mozgová kôra“ – dosiahla zrelosť a jej využívanie sa postupne rozširuje; model od začiatku do konca, ktorý ponúka výhody širokej pokrytosti, nízkej latencie, vysokej autonómie a silnej spolupráce, ukázal veľký potenciál pri výskume „zosobneného“ inteligentného systému s cieľom dosiahnuť všeobecnú generalizáciu. Gemini Robotics od Google DeepMind vychádza z architektúry VLA od začiatku do konca a disponuje vynikajúcou schopnosťou generalizácie cez rôzne ontológie; model DOBOT-VLA, ktorý nezávisle vyvinula čínska spoločnosť Yuejiang, integruje vizuálne, jazykové a riadiace schopnosti a bol optimalizovaný prostredníctvom posilňovacieho učenia v reálnom prostredí. Spoločnosť ho vybavila svojím humanoidným robotom ATOM, ktorý sa v roku 2025 dostal do sériovej výroby a dokáže plniť komplexné úlohy, ako sú chôdza, dynamická rovnováha a presná montáž.
Po tretie, prelom v pružných materiáloch viedol k vzniku schopnosti samozhojovania sa. Materiálová revolúcia posúva vývoj zosobneného umelého intelektu od „tuhej vykonávacej jednotky“ k „inteligentnej ontológii adaptácie“. Dotykové senzory podobné koži a elektronická koža umožňujú zosobnenému umelému intelektu vysokej citlivosti vnímať prostredie, zatiaľ čo biomimetická pružná štruktúra udeľuje zosobneným inteligentným životným formám viacmodálne pohybové schopnosti, ako sú plazenie sa, kotúľanie sa a peristaltika, čím sa efektívne prispôsobujú a rozširujú aplikačné scenáre. Samooprávujúce sa materiály dosahujú aktívne prelomové výsledky v oblasti samozhojovania sa. Po poškodení tela je možné za pôsobenia svetla a tepla dosiahnuť reverzibilnú rekombináciu chemických väzieb. Tieto materiály integrujú funkcie detekcie poškodenia, lokalizácie poškodenia a samozhojovania sa, čím výrazne zvyšujú trvanlivosť a spoľahlivosť zosobneného umelého intelektu v komplexných a náročných prostrediach a zabezpečujú dlhodobý autonómny chod.
Štvrtým bodom je integrácia virtuálnych a reálnych dát a zjednotenie štandardov dát. Vysoké náklady a malý rozsah zbierania dát z reálnych strojov, ako aj slabá schopnosť generalizácie v nepoznaných prostrediach, sa stali úzkymi hrdlami pri vývoji „inkarnovanej“ (embodied) inteligencie. Generatívny zdroj dát je simulačné prostredie vytvorené z veľkého modelu, ktoré poskytuje veľké množstvo štruktúrovaných dát a dokáže tak lacno vyplniť medzeru v dátach. Spolu s obmedzeniami založenými na fyzikálnych zákonoch, zmiešanými paradigmi dát a kalibráciou pomocou dát z reálnych strojov môže výrazne znížiť rozdiel medzi simuláciou a realitou. Čínska spoločnosť 51Sim nahromadila scénáre pre asistované riadenie od začiatku do konca a syntetické dáta založené na platforme Nvidia, ktoré boli úspešne využité na tréning robotov v komplexných scenároch, napríklad v prístavoch a baních. Platforma „Dome DOME“ zjednotila rozhrania dát a špecifikácie formátov, odstránila izolované dátové ostrovy (data silos), vytvorila univerzálny jazyk pre tento priemysel a účinne podporuje interoperabilitu medzi rôznymi scenármi a dodávku vysokej kvality dát.
Piata je dosiahnuť heterogénnu spoluprácu a vytvoriť bezpečný základ. Oddelenie softvéru od hardvéru a modulárna integrácia urýchľujú rozvoj operačných systémov pre zosobnenú inteligenciu, čím sa dosahuje kompatibilita cez rôzne ontológie a heterogénna spolupráca. Architektúra OpenRMF jednotí „pravidlá premávky“ a „komunikačný jazyk“ robotov, čo umožňuje spoločné operácie medzi heterogénnymi klastermi strojov; OM1, ktorý spustil OpenMind, podporuje funkciu plug and play a vývoj cez rôzne ontológie pomocou API hlavných veľkých modelov. Systémová integrácia posilňuje základ projektu a zaisťuje bezpečnosť, dôveryhodnosť a dodržiavanie základných obmedzení. Adverzárne trénovanie, diferenciálna súkromnosť a iné technológie súkromného výpočtu umožňujú spoluprácu medzi inštitúciami bez úniku surových dát a vytvárajú aktívny a bezpečný systém hlbokého obranného postavenia pre škálovateľné aplikácie zosobnenej inteligencie.
Prijať viacero opatrení na posilnenie konkurencieschopnosti Číny v oblasti hmotnej umelej inteligencie
V súčasnosti sa čínska hmotná umelej inteligencia nachádza v kritickom štádiu súčasného dosahovania technologických prelomov, zavádzania priemyslu a rozvíjania ekosystému. Lokalizácia kľúčového hardvéru sa zrýchlila a výkon veľkých modelov sa výrazne zlepšil. Domáca výpočtová kapacita dokáže efektívne prevádzkovať zložité modely a v niektorých oblastiach sa už vytvorili predbežné aplikačné schopnosti. Avšak vzhľadom na stále intenzívnejšiu medzinárodnú súťaž nemožno ignorovať hlboké výzvy spojené s hmotnou umelej inteligenciou.
Po prvé, je potrebné zlepšiť autonómnu ovládateľnosť kľúčových komponentov, pričom sa stále veľmi závisí od externých dodávateľov servomotorov, reduktorov a senzorov vysokej triedy. Výdrž energetického systému je nedostatočná a celková schopnosť vlastného vývoja celej technologickej vrstvy stále vykazuje slabiny. Po druhé, je potrebné zlepšiť štandardný systém a priemyselný ekosystém: rozhrania hardvéru, komunikačné protokoly a štandardy kompatibility softvéru sú nejednotné, dochádza k rozšíreniu dátových ostrovov, otvorené zdrojové komunity majú obmedzený vplyv a chýba dostatok interaktívnych dát vysokej kvality. Po tretie, je potrebné zlepšiť systém bezpečnostného riadenia: ťažko sa definuje rozdelenie zodpovednosti za nehody autonómnych systémov. Trvalé zhromažďovanie citlivých údajov môže ľahko viesť k rizikám, ako je únik dát alebo porušenie súkromia, a mechanizmus dôveryhodnej spolupráce medzi inštitúciami potrebuje zlepšenie.
Pred tvárou vyššie uvedenými výzvami by Čína mala využiť obdobie príležitostí pre rozvoj, pričom by za jadro prijala nezávislú inováciu, za východiskový bod budovanie noriem a za základnú hranicu riadenie bezpečnosti, aby sa zrýchlil rozvoj celostnej inteligentnej priemyselnej ekológie a poskytol silný impulz pre rozvoj novej kvality produktivity a výstavbu technologicky silnej krajiny.
Jednou z možností je posilovať rozmiestnenie strategických technologických síl a upevniť základy nezávislého inovovania. Využitím nového národného systému posilníme strategické vedecko-technologické kapacity národných kľúčových laboratórií v oblasti inkarnovanej inteligencie a uskutočníme organizovaný výskum v súvislosti s pokročilými smermi, ako sú trojdoménový model fúzie „informačnej fyzikálnej kognície“, architektúra rozhodovania koniec–koniec a biomimetické flexibilné materiály. Hlbšie integrujeme priemysel, akadémiu a výskum pod vedením podnikov, podporujeme vedúcich technologických podnikov, aby viedli tvorbu inovačných konsorcií, sústredíme výhodné zdroje na prekonanie zábran lokalizácie kľúčových komponentov, ako sú servomotory, reduktory a planetárne valivé skrutky, prepojíme celý reťazec „základný výskum – vývoj technológií – priemyselné využitie“ a prekonáme obmedzenia priemyselného rozvoja priamo v ich zdroji.
Druhým krokom je vytvoriť otvorenú a spolupracujúcu priemyselnú ekosystémovú sieť, ktorá bude viesť k vysokej kvalite rozvoja prostredníctvom vysokých štandardov. Zrýchliť vývoj medzipriemyselných hardvérových rozhraní, komunikačných protokolov a softvérových štandardov kompatibility a podporiť nezávislé a kontrolovateľné základné softvéry, ako sú operačné systémy a middleware. Preskúmať možnosť založenia organizácií na agregáciu a riadenie dát vysokej úrovne, vyvinúť štandardy pre multimodálne zber a anotáciu dát, vytvoriť simulačné referenčné testy a platformy na otvorené dáta pre kľúčové scenáre, ako je inteligentná výroba a činnosti s vysokým rizikom, a odstrániť prekážky vo voľnom obehu dát. Dôrazne podporovať miestny open-source ekosystém, povzbudiť univerzity, výskumné inštitúty a podniky, aby spoločne vytvorili systémy zdieľania výpočtových výkonov pre algoritmy, znížiť prekážky výskumu a vývoja, urýchliť technologickú iteráciu a viesť k kvalitnému zvyšovaniu úrovne priemyslu prostredníctvom štandardizácie vysokej úrovne a open-source prístupu.
Tretie je zaviesť zdravý systém bezpečnostnej správy a vytvoriť pevný základ pre dôveryhodný rozvoj. Vytvoriť hierarchický mechanizmus ochrany, ktorý pokrýva algoritmy, údaje a fyzickú bezpečnosť, pričom sa jasne určia hranice práv a povinností všetkých strán zapojených do výroby, používania, dodávky algoritmov a dozoru. Predbežný výskum týkajúci sa určovania zodpovednosti za nehody, medzinštitiučnej spolupráce a pravidiel vzájomnej dôvery v rámci správy, ako aj bezpečnostných a etických smerníc pre konkrétne navigačné činnosti, skupinovú spoluprácu a iné správanie. Preskúmať inkluzívne a opatrné regulačné modely, vykonať hodnotenia bezpečnostných a etických aspektov počas celého životného cyklu, zaviesť proaktívne a komplexné bezpečnostné obranné systémy a poskytnúť inštitucionálne záruky pre rozsiahle nasadenie a dlhodobý zdravý rozvoj hmotnej inteligencie.
EN
