Branża robotyki przechodzi obecnie fundamentalną zmianę, która przypomina ewolucję modeli językowych. Jeszcze do niedawna firmy budowały wyspecjalizowane systemy sztucznej inteligencji od podstaw, trenując je na ogromnych zbiorach danych dedykowanych konkretnym zadaniom. Dziś standardem stało się wykorzystywanie potężnych modeli ogólnego przeznaczenia, takich jak GPT, Claude czy Llama, które są następnie dostrajane do indywidualnych potrzeb. Pim de Witte, dyrektor generalny startupu General Intuition, przekonuje, że przyszłość robotyki podąży dokładnie tą samą ścieżką.
Zamiast gromadzić gigantyczne ilości danych z rzeczywistego świata dla każdego typu robota z osobna, branża powinna skupić się na tworzeniu wysokiej jakości modeli bazowych. Takie systemy posiadają wrodzoną zdolność do rozumienia przestrzeni i czasu, co pozwala im na przenoszenie intuicji dotyczącej ruchu i interakcji między różnymi środowiskami. Według de Witte’a, obecne podejście wielu firm, polegające na tworzeniu dedykowanych rozwiązań dla konkretnych maszyn, wkrótce stanie się nieefektywne. Kluczem do sukcesu nie jest ilość danych, lecz zdolność modelu do generalizacji, która sprawia, że do nauczenia robota nowych umiejętności wystarczą zaledwie minuty, a nie miliony godzin nagrań.
General Intuition zrealizowało tę wizję, trenując swój model na milionach godzin danych z gier wideo, które zawierały precyzyjne informacje o tym, jakie przyciski na kontrolerze naciskał człowiek i w jakim momencie. Zdaniem de Witte’a oraz głównego inwestora firmy, Vinoda Khosli, to właśnie dane o działaniach w środowisku wirtualnym stanowią fundament dla rozwoju ludzkiej intuicji w rozumowaniu przestrzenno-czasowym. Potwierdzeniem tej tezy jest niedawna runda finansowania, w której startup pozyskał 320 milionów dolarów (około 1,25 miliarda złotych), osiągając wycenę na poziomie 2,3 miliarda dolarów (około 9 miliardów złotych).
Skuteczność tego podejścia została już potwierdzona w praktyce. Model opracowany przez General Intuition potrafi nie tylko płynnie sterować postacią w grze wideo, ale po zaledwie ośmiu minutach dostrajania na danych z rzeczywistego świata, z powodzeniem przejął kontrolę nad czworonożnym robotem. Maszyna była w stanie poruszać się w biurze, omijając dynamiczne przeszkody i ludzi, korzystając wyłącznie z obrazu z przedniej kamery, bez wsparcia dodatkowych czujników. Dla twórców był to sygnał, że technologia ta jest gotowa na szersze zastosowanie.
Długofalowym celem General Intuition nie jest jednak produkcja własnych robotów, lecz stworzenie uniwersalnego fundamentu dla całej branży fizycznej sztucznej inteligencji. Firma chce dostarczać bazowe modele, na których inni producenci będą mogli budować własne, zaawansowane maszyny. Jak podkreśla de Witte, ich ambicją nie jest budowa kolejnej firmy produkującej autonomiczne pojazdy, lecz dziesięciokrotne ułatwienie pracy każdemu, kto chce taką firmę stworzyć.
