ІІ-агент Anthropic у 20 разів швидше за людей навчив робособаку виконувати команди
Компанія Anthropic представила оновлені результати свого експерименту Project Fetch. Цього разу мовна модель Claude Opus 4.7 продемонструвала вражаючий стрибок в автономності: вона впоралася з налаштуванням та керуванням чотириногим роботом у 20 разів швидше, ніж команди інженерів-людей, які працювали минулого року.
У серпні 2024 року співробітники Anthropic, які не мали досвіду в робототехніці, намагалися запрограмувати робособаку за допомогою ШІ. Тоді модель лише допомагала людям швидше знаходити рішення. Нова фаза тестування кардинально змінила підхід: Claude Opus 4.7 працювала практично повністю автономно під мінімальним контролем дослідника.
Нейромережа самостійно виконала повний цикл завдань:
- підключилася до датчиків відео та лідару;
- написала програму для ручного керування;
- створила систему моніторингу траєкторії руху;
- налаштувала алгоритм розпізнавання об'єктів.
Порівняльний аналіз показав приголомшливі результати. Модель Opus 4.7 виявилася у 18 разів швидшою за команду, яка використовувала старі версії ШІ, та у 37 разів швидшою за людей, які працювали без допомоги чат-бота. При цьому нейромережа генерувала значно ефективніший код — його обсяг виявився у 10 разів меншим, ніж у людських команд. Це свідчить про глибоке розуміння завдання та здатність до оптимізації на рівні, недоступному більшості інженерів.
Важливо зазначити, що, за заявою розробників, цей прогрес став побічним ефектом загального масштабування мовних моделей. Anthropic не впроваджувала спеціалізовані алгоритми для керування «залізом» — модель просто навчилася краще розуміти фізичний світ через код.
Однак не все ідеально. Claude, як і раніше, має труднощі з точними фізичними діями в реальному часі. Модель змогла довести робота до цілі, але не впоралася із завданням акуратно підштовхнути м'яч у потрібну точку. Для цього потрібен складний зворотний зв'язок, у якому люди поки що зберігають перевагу.
Моя експертна оцінка: Ми спостерігаємо зародження ери «фізичних ШІ-агентів». Anthropic має рацію — у найближчі роки нейромережі почнуть використовувати стандартні інструменти та обладнання так само ефективно, як зараз працюють із кодом. Але слабке місце — взаємодія з непередбачуваним фізичним середовищем — залишиться головним викликом. Індустрії належить вирішити проблему адаптації ШІ до реального світу, де помилка в міліметр може коштувати всього експерименту.