Érdemes figyelemmel követni a Pekingben augusztus 22–26. között zajló Humanoid Robot Világjátékokat. Az eseményre 666 csapat és több mint kétezer robot nevezett, 51 versenyszámban. Ez nem a teljes világpiaci rangsor, de jó látkép arról, hogy kik és milyen technológiákkal tartoznak ma az élmezőnyhöz.
A robotok hagyományos olimpiai számokra emlékeztető versenyeken is elindulnak. A világsajtót bejárta például, hogy az egyik humanoid robot 9,39 másodperc alatt teljesítette a száz métert. Ez számszerűen jobb Usain Bolt 9,58-as világrekordjánál – még ha a két teljesítmény természetesen nem is tartozik azonos kategóriába.
Korábban leginkább szatírákban találkozhattunk a gondolattal, hogy a emberek szendvicscsomagolásban, takarításban vagy más hétköznapi munkákban versenyeznek egymással. Mivel ezekre a robotokra éppen az ilyen területeken lehet majd szükség, könnyen elképzelhető, hogy a következő évek igazán fontos „versenyszámai” már nem a százméteres síkfutásról szólnak majd, hanem arról, hogy melyik robot tud önállóan, gyorsan, pontosan és biztonságosan rendet rakni, árut csomagolni, egy szállodai szobát előkészíteni vagy veszélyes helyzetben beavatkozni. Mindezt akár emberekkel is versenyben, nem csupán egymással.
Ma még mosolygunk azon, ahogy a robotok ügyetlenkednek, elesnek, vagy a sprint végén nem tudnak időben megállni. Node, két-három éve a ChatGPT magabiztos butaságain mosolyogtunk, ma már komoly munkafolyamatokat is rábízunk. A fizikai világ persze nehezebb terep, ezért lehet, hogy a robotika fejlődése ezért nem lesz olyan gyors. De előbb-utóbb azonban szorosabban összeér a két terület: a mesterséges intelligencia mai tudása és a fizikai világban cselekvő gépek képessége.
Pontosan erre mutatott rá Yann LeCun is Paul Graham friss bejegyzésére válaszolva. Graham azt írta, hogy ha ma lenne 17 éves, megtanulna a nulláról nagy nyelvi modelleket építeni. LeCun szerint az igazán érdekes kérdés inkább az, hogy egy LLM miért tud esszét írni, miközben a hálószobáját nem tudja kitakarítani. Ő olyan, az LLM-eken túlmutató módszereket és architektúrákat keresne, amelyek az emberekhez és az állatokhoz hasonló hatékonysággal tanulnak meg fizikai feladatokat végrehajtani.
Ez a következő nagy határterület.