Zamiast wygładzonego show, zobaczyliśmy coś, co można nazwać historycznym momentem w dziedzinie „fizycznej AI”. Dwa humanoidalne roboty, Aria i David, stanęły naprzeciw siebie i przez ponad dwie godziny prowadziły rozmowę, której nikt wcześniej nie zaplanował. Bez scenariusza, bez pomocy chmury i bez operatora sterującego nimi z tabletu. Choć efekt nie przypominał jeszcze błyskotliwych dialogów z filmów science-fiction, to był to jeden z najbardziej szczerych pokazów możliwości sztucznej inteligencji, jakie widzieliśmy w ostatnich latach.
Jak rozmawiają maszyny?
Największym technologicznym osiągnięciem tej demonstracji nie była sama rozmowa, ale fakt, że odbywała się ona całkowicie lokalnie. Procesy decyzyjne i językowe robotów nie były przesyłane do zewnętrznych serwerów, lecz przetwarzane bezpośrednio przez układy wbudowane w ich konstrukcję. Dzięki temu Aria i David mogli prowadzić dialog wielojęzyczny, płynnie przeskakując między angielskim, hiszpańskim, francuskim i niemieckim.
Dialogi, które wygenerował system, bywały zaskakująco autoironiczne. W pewnym momencie jeden z robotów rzucił: „Żadnego drżenia rąk od kawy, żadnych niezręcznych pauz i tylko krzemowa charyzma”. To zdanie nie pochodziło z bazy gotowych tekstów – zostało wygenerowane przez model językowy w odpowiedzi na przebieg rozmowy. Oczywiście, jak to w przypadku braku scenariusza bywa, nie wszystko poszło idealnie. Widzowie i dziennikarze szybko zauważyli, że rozmowa była rwana, pełna nienaturalnych pauz i potknięć w wymowie.
Pod względem wizualnym roboty Realbotix wciąż ustępują pola takim konstrukcjom jak Ameca, której mimika twarzy budzi niemal lęk swoim realizmem. Aria i David poruszali się dość sztywno, a niektórzy internauci bezlitośnie nazwali ich „gumowymi manekinami z głośnikami”. Niemniej, Andrew Kiguel, CEO Realbotix, podkreślił, że celem było pokazanie „fizycznej AI” w działaniu, a nie estetycznego ideału. Firma chciała udowodnić, że ich maszyny potrafią nie tylko wchodzić w interakcję z ludźmi, ale też z sobą nawzajem, budując spójny, choć niedoskonały dialog.
Nie tylko słowa — wzrok, który analizuje emocje
Obok dyskutującej pary, Realbotix zaprezentował także trzeciego robota, który służył do demonstracji opatentowanego systemu wizyjnego. Tutaj technologia pokazała swój pazur w kontakcie z odwiedzającymi targi. Dzięki kamerom umieszczonym bezpośrednio w gałkach ocznych, robot potrafił identyfikować konkretne osoby, śledzić ich ruch w tłumie i – co najważniejsze – analizować mimikę twarzy oraz ton głosu, by odgadnąć stan emocjonalny rozmówcy.
Czytaj też: Emo i przyszłość cyfrowej empatii. Ten robot czyta z Twoich ust
System ten pozwala robotowi na znacznie bardziej naturalne reagowanie na otoczenie. Zamiast patrzeć „przez” człowieka, maszyna nawiązuje kontakt wzrokowy i dostosowuje swój sposób mówienia do nastroju gościa. Według Realbotix, ich humanoidalne roboty, produkowane w całości w USA, mają docelowo służyć w rozrywce, obsłudze klienta oraz jako towarzysze osób samotnych. Właśnie dlatego zdolność do rozpoznawania emocji i prowadzenia swobodnej rozmowy jest dla nich ważniejsza niż idealnie płynne ruchy taneczne.
Czytaj też: Robot z „ludzkim wyczuciem”. Przełom w naśladowaniu dotyku przy minimalnej ilości danych
Jedno trzeba przyznać, ten pokaz był naprawdę odważnym ruchem ze strony firmy, która w ten sposób naraziła się na krytykę z powodu braku technicznego szlifu i mechanicznego sposobu wysławiania się robotów. Jednak w świecie zdominowanym przez idealne, ale często zmanipulowane prezentacje, takie „surowe” podejście ma ogromną wartość. Pokazało nam ono dokładnie, w którym miejscu znajduje się obecnie komercyjna, lokalna sztuczna inteligencja wbudowana w ciała robotów. Aria i David nie są jeszcze mistrzami elokwencji, ale kolejny krok w tym kierunku został poczyniony.