פריצות הדרך בבינה מלאכותית בתחום הרובוטיקה לא ישנו את חייכם בקרוב

בינה מלאכותית ברובוטיקה: למה פריצות הדרך עדיין לא יביאו רובוט לכל בית

להכניס פרוסת לחם לשקית, לסגור קופסה ולרכוס תיק אוכל: לאדם זו סדרת פעולות שגרתית, לרוב כמעט נטולת מחשבה. לרובוט, זו משימה שמחייבת תיאום עדין בין ראייה, אחיזה ותנועה — וכל שינוי קטן בחפצים עלול לשנות את התוצאה.

כאן נמצא הפער שמסתתר מאחורי הסרטונים המרשימים של רובוטים מקפלים, מגישים ומסדרים. ההתקדמות בבינה מלאכותית ברובוטיקה אמיתית, אבל היכולת להציג ביצוע מוצלח אינה זהה ליכולת לספק מוצר שיעבוד באופן עצמאי, בטוח ועקבי בבית שלא ראה מעולם.

השאלה אינה אם רובוטים יהפכו שימושיים יותר. השאלה היא כמה רחוקה הדרך ממכונה שמבצעת משימות נבחרות למערכת שאפשר להשאיר לבדה עם המטבח, הכביסה וההפתעות של החיים עצמם — והאם הכלים שחוללו את מהפכת הצ'אטבוטים יספיקו כדי לעבור אותה.

הבטחה של טריליונים, יכולת שעדיין נבחנת

אופטימוס, הרובוט דמוי האדם של טסלה, הפך לאחד הסמלים הבולטים של ההבטחה הזאת. בסרטונים המתוארים במקור הוא רוקד, מגיש פופקורן, משליך אשפה ומפעיל מכשירים; בסרטונים אחרים הוא נופל או מתקשה במשימות יומיומיות.

אילון מאסק מציג עבורו עתיד שאפתני במיוחד: עבודה במפעלים ובהמשך בבתים, מיומנות תנועה אנושית ואף מעבר לה, ומחיר יעד של כ־20 אלף דולר. לפי ההצהרה המובאת במקור, הוא אף העריך שמכירה לציבור עשויה להתאפשר עד סוף 2027 — תחזית עסקית, לא התחייבות לביצועים מוכחים.

הציפיות אינן מוגבלות לטסלה. לפי תחזית מורגן סטנלי המצוטטת במקור, מספר הרובוטים דמויי האדם עשוי להתקרב למיליארד עד 2050, וליצור שוק בשווי העולה על חמישה טריליון דולר.

תחזיות כאלה מתארות את גודל ההזדמנות בתרחיש של הצלחה, אך אינן מוכיחות שהחסמים הטכנולוגיים נפתרו. בין שוק פוטנציאלי עצום למוצר שכדאי לרכוש נמצאים אמינות, תחזוקה, בטיחות ועלויות הפעלה — פרטים פחות מצטלמים, אך מכריעים.

בינה מלאכותית ברובוטיקה אינה צ'אטבוט עם זרועות

חלק מההתלהבות נשען על היקש מפתה: אם מודלים למדו להפיק שפה ותמונות ברמה מרשימה, אולי אפשר ללמד אותם להפיק גם תנועה. במקום המילה הבאה במשפט, המערכת תבחר את הפעולה הבאה של היד או הרגל.

יש בהיקש הזה בסיס מחקרי, אבל גם מגבלה מהותית. רובוט אינו נדרש רק לתאר כיצד מרימים כוס; עליו לזהות את מיקומה, לבחור נקודת אחיזה, להפעיל כוח מתאים ולהתאים את התנועה כאשר הכוס מחליקה או מתגלה ככבדה מהצפוי.

בשיחה אפשר לעיתים לתקן תשובה שגויה בהודעה נוספת. בעולם הפיזי, טעות יכולה להפיל חפץ, לשבור כלי או לפגוע באדם, ולכן המערכת חייבת להתמודד לא רק עם משמעות ההוראה אלא גם עם השלכות הביצוע.

זהו לב הספקנות שמבטאים חוקרים במקור. יאן לקון, מהחוקרים הבולטים בתחום הבינה המלאכותית, מתח ביקורת חריפה על היעדר פתרון ברור להקניית תבונה שימושית לרובוטים דמויי אדם; זו עמדה מקצועית בתוך מחלוקת פעילה, לא הוכחה שהיעד בלתי אפשרי.

השאלה המחקרית הפתוחה היא אם הרחבת המודלים, הנתונים והאימון הקיימים תספיק, או שיהיה צורך גם בשיטות אחרות ללמידת העולם הפיזי ולחיזוי תוצאות של פעולות.

מראה אנושי אינו מבטיח יכולת אנושית

קל לייחס לרובוט בעל ראש, שתי ידיים ושתי רגליים כישורים הדומים לשלנו. העיצוב מזמין את ההשוואה, אבל הוא עלול לטשטש את ההבדל בין צורת המכונה לבין מה שהיא יודעת לעשות.

ג'ונתן הרסט, מייסד שותף ומנהל הרובוטיקה הראשי של Agility Robotics ופרופסור באוניברסיטת המדינה של אורגון, מדגיש במקור שקל יחסית לבנות רובוט שנראה כמו אדם. קשה הרבה יותר לבנות מכונה שנעה ומתנהגת כמוהו מבחינה פיזית.

לתצורה האנושית יש היגיון: מדרגות, מדפים, דלתות וכלי עבודה רבים תוכננו עבור גוף אנושי. רובוט שיוכל להשתמש בהם עשוי להשתלב במרחבים קיימים בלי לחייב תכנון מחדש של הסביבה כולה.

אלא שלצד היתרון מגיעה מורכבות. הליכה, שמירת שיווי משקל ותיאום של הגוף מוסיפים בעיות שאינן קיימות באותה צורה אצל זרוע מקובעת לשולחן; במשימות מסוימות, מערכת פשוטה יותר עשויה להיות הבחירה המעשית.

לכן כדאי להפריד בין שתי שאלות: האם הרובוט דמוי אדם, והאם הוא רב־תכליתי. זרועות נטולות פנים יכולות לבצע מגוון משימות, ואילו מכונה בעלת מראה אנושי יכולה להישאר מוגבלת למספר קטן של פעולות.

ארוחת הצהריים שממחישה את ההתקדמות

דוגמה מועילה מגיעה מגוגל דיפמיינד וממערכת ALOHA 2. אין בה גוף אנושי שלם: זו פלטפורמה הכוללת שתי זרועות, תפסנים ומצלמות, המשמשת לבחינת יכולות של בינה מלאכותית לרובוטיקה.

כאשר מערכת Gemini Robotics מפעילה אותה בהדגמה המתוארת במקור, היא מסוגלת לארוז ארוחת צהריים: להכניס לחם לשקית ולסגור אותה, להניח ענבים בקופסה, להדק מכסה, להעביר את הפריטים לתיק ולרכוס אותו.

התפריט צנוע, אבל האתגר הטכני אינו כזה. שקית גמישה מתנהגת אחרת מקופסה קשיחה, מכסה דורש יישור, ורוכסן מחייב אחיזה ומשיכה בכיוון מתאים תוך שמירה על יציבות התיק.

החשיבות היא גם בחיבור בין השלבים. זו אינה רק תנועה יחידה שחוזרת על עצמה, אלא רצף פעולות שבו תוצאת שלב אחד יוצרת את תנאי הפתיחה של השלב הבא.

עם זאת, ההדגמה אינה מוכיחה שהמערכת תארוז כל ארוחה, בכל מטבח ובכל סוג של אריזה. היא מדגימה התקדמות ממשית במגוון המשימות ובמורכבותן, בלי לסגור את שאלת ההכללה: עד כמה היכולת עוברת למצבים שלא נכללו באימון.

איך רובוט לומד לפעול — ולמה הנתונים חשובים כל כך

אחד המושגים המרכזיים בתחום הוא "מדיניות פעולה": המנגנון שמקשר בין המידע שהרובוט מקבל לבין הפעולות שהוא מבצע. במערכות מבוססות למידה, חלק מהקשר הזה נלמד מדוגמאות ולא נכתב כהוראות מפורטות לכל מצב אפשרי.

המערכת יכולה להיעזר בתמונות מהמצלמות, במצב הזרועות ובהוראה שקיבלה כדי לבחור כיצד להמשיך. האתגר הוא להפוך מידע חלקי ומשתנה לפעולות המתאימות למשימה, ולעדכן אותן כשהסביבה משתנה.

הפעלה מרחוק בידי בני אדם היא דרך אחת לאסוף נתוני אימון. אדם מדגים פעולה באמצעות שליטה ברובוט, וכך אפשר לתעד את הקשר בין מה שהמערכת קלטה לבין התנועות שבוצעו.

בהקשר של ALOHA 2, המקור מציין במפורש שחלק מהתיעוד מבוסס על הפעלה אנושית מרחוק ומשמש לאימון המודלים. חשוב להבחין בין תיעוד כזה לבין הדגמה שבה מודל מפעיל את הרובוט בעצמו.

גם דוגמאות איכותיות אינן מבטיחות כיסוי של המציאות. כדי להתמודד עם שקיות מקומטות, חפצים מוסתרים או אחיזה שנכשלה, צריך ללמוד לא רק כיצד נראה ביצוע מוצלח, אלא גם כיצד לזהות שהפעולה אינה מתקדמת כמתוכנן.

האתגר האמיתי מתחיל כשהמשימה משתבשת

נניח שרובוט למד להכניס חולצה למגירה. בבית מסוים המגירה נפתחת בקלות; בבית אחר היא נתקעת, הידית רופפת והחולצה מסתירה חלק מהפתח — אותה הוראה מילולית, אבל בעיה פיזית שונה.

אדם עשוי לשנות זווית, להניח לרגע את החולצה או לבדוק מה חוסם את המסילה. מרובוט רב־תכליתי מצפים לאותה גמישות, אך זו אינה תוצאה אוטומטית של הצלחה בתנועה המקורית.

לכן יכולת התאוששות מכשל חשובה כמעט כמו יכולת הביצוע. מערכת שימושית צריכה להבחין בין מצב שבו כדאי לנסות שוב, מצב שמחייב שינוי דרך פעולה ומצב שבו נכון לעצור ולבקש עזרה.

גם רצף של פעולות מוצלחות בדרך כלל עלול להפוך למשימה שאינה אמינה מספיק. ככל שנוספים שלבים, מתווספות הזדמנויות לתקלה, וכל שלב תלוי באופן שבו הסתיים קודמו.

זה ההבדל בין סרטון שמציג הצלחה לבין שירות שאפשר לסמוך עליו. הצרכן אינו קונה את הרגע הטוב ביותר של המערכת, אלא מצפה לתפקוד סביר לאורך זמן, גם כשהחפצים והנסיבות אינם מסודרים עבורה.

מדוע מפעל עשוי ליהנות מהרובוט לפני הבית

מפעל או מרכז לוגיסטי יכולים להציע תנאים נוחים יותר לאוטומציה: משימה מוגדרת, מיקומים ידועים וסוגי חפצים שאפשר לצמצם מראש. הבית, לעומתם, משתנה ללא הרף ולעיתים אינו צפוי אפילו לדייריו.

אין פירוש הדבר שסביבה תעשייתית פשוטה או נטולת סיכון. היתרון הוא האפשרות לתכנן את העבודה סביב מגבלות המכונה: לקבוע מסלול, להתאים עמדת עבודה ולהגדיר מתי עובד אנושי מתערב.

למשל, עסק שבוחן העברת פריטים בין שתי עמדות יכול להתחיל מטווח מוגדר של משקלים ואריזות. רובוט ביתי שמקבל הוראה כמו "סדר את הסלון" צריך להתמודד גם עם שאלה עמומה יותר: מה שייך לאן, ומה אסור להזיז.

מכאן שהשפעת הרובוטיקה עשויה להתרחב תחילה באמצעות משימות ממוקדות, בלי להמתין למכונה שמסוגלת לעשות הכול. הצלחה מסחרית בתחום צר אינה פתרון לרובוטיקה כללית, אבל היא יכולה להיות בעלת ערך בפני עצמה.

מחיר רכישה הוא רק תחילת החשבון

גם אם מחיר היעד שהציג מאסק יתממש, תג המחיר לבדו לא יקבע אם רובוט משתלם. העלות הכוללת כוללת התקנה, תחזוקה, תיקונים, זמן השבתה והיקף הפיקוח האנושי הנדרש להפעלתו.

מכונה שחוסכת שעת עבודה אך דורשת מעקב והתערבות תכופים אינה שקולה למכונה שעובדת עצמאית. עבור ארגון, המדד החשוב הוא העבודה שמושלמת בפועל בתנאים בטוחים ובאיכות הנדרשת, ולא מספר הפעולות שמופיעות במפרט.

לכן ניסוי מעשי צריך להתבצע עם החפצים, המרחב והחריגים האמיתיים של הלקוח. רצוי לבדוק גם ניסיונות שלא הצליחו, את משך ההתאוששות ואת תדירות הקריאות לעזרה, ולא להסתפק בביצוע נבחר.

לבית נכנסים שיקולים נוספים, ובהם מרחב תנועה, רעש ופרטיות. אם הרובוט משתמש במצלמות ובשירותים מרוחקים, צריך להבין אילו נתונים נאספים, היכן הם מעובדים ולמי יש גישה אליהם.

איך להבחין בין התקדמות אמיתית להבטחה מוקדמת

אין צורך לפסול הדגמה מפני שנערכה בתנאים מבוקרים; כך בוחנים טכנולוגיה ומפתחים אותה. צריך רק לדעת אילו מסקנות היא מאפשרת להסיק, ואילו שאלות נשארות פתוחות.

חמש שאלות שכדאי לשאול לפני שמתרשמים — או משקיעים

• האם הרובוט פועל באופן עצמאי, מופעל מרחוק או משלב עזרה אנושית בחלק מהשלבים?
• באילו תנאים נמדדה ההצלחה, וכמה ניסיונות נדרשו כדי להשיג את התוצאה המוצגת?
• מה קורה כשהחפץ זז, האחיזה נכשלת או אדם נכנס למרחב הפעולה?
• כמה פיקוח, תחזוקה והתאמות סביבתיות נדרשים, ומה עלותם הכוללת?
• האם רובוט רב־תכליתי הוא הפתרון המתאים, או שמערכת ייעודית ופשוטה תעשה את העבודה טוב יותר?

המהפכה עשויה להגיע, אבל לא במקשה אחת

ההתקדמות בבינה מלאכותית מאפשרת לרובוטים לבצע רצפים מורכבים יותר ולהתמודד עם מגוון רחב יותר של משימות. זו התפתחות משמעותית, גם אם היא אינה מצדיקה עדיין את הדימוי של עוזר בית מכני שמבין הכול ומסתדר לבדו.

אין במידע הזה בסיס ללוח זמנים ודאי לרובוט ביתי רב־תכליתי. יש בו סיבה להבחין בין שיפור מהיר ביכולות מחקריות לבין הקצב שבו אפשר להפוך אותן למוצר אמין, בטוח ומשתלם.

המבחן המכריע לא יהיה אם רובוט מצליח לקפל חולצה לעיני המצלמה. הוא יהיה אם אפשר לסמוך עליו שיעשה זאת שוב, עם חולצה אחרת ובתנאים אחרים — וידע מה לעשות גם כשהניסיון הראשון נכשל.

הכתבה מבוססת על המקור שנוצר בשיתוף MIT Technology Review ו־Aventine, קרן מחקר ללא מטרות רווח העוסקת בהשפעת המדע והטכנולוגיה על חיינו.