Sebbene i video virali di robot che eseguono parkour e salti mortali dominino i feed dei social media, gli esperti del settore suggeriscono che queste prodezze acrobatiche siano indicatori fuorvianti del progresso. I dirigenti presenti alla conferenza Fortune Brainstorm AI, tenutasi all’inizio di dicembre a San Francisco, hanno sostenuto che la vera rivoluzione nella robotica non risiede nell’agilità fisica, ma nella capacità dei robot di “pensare” autonomamente: una capacità che li sta finalmente avvicinando alla conquista del compito banale, eppure ingannevolmente difficile, di aprire una porta o salire una rampa di scale.
Per gli ultimi 70 anni, la robotica si è basata su un paradigma specifico: esseri umani intelligenti che pre-programmavano le macchine con calcoli matematici complessi per eseguire compiti specifici. Questo approccio è ormai obsoleto, hanno sostenuto Stephanie Zhan, partner di Sequoia Capital, e Deepak Pathak, CEO di Skild AI, in una conversazione con Allie Garfinkle di Fortune.
Il settore sta subendo un enorme cambiamento in cui i robot, proprio come i Large Language Models (LLM) alla base di strumenti come ChatGPT, imparano direttamente dai dati e dall’esperienza piuttosto che seguire codici rigidi. “Il cambiamento sta nel fatto che, in passato, la robotica era guidata maggiormente dall’intelligenza umana”, ha affermato Pathak, osservando che la nuova ondata è definita da modelli in grado di generalizzare e apprendere. “Ciò che è cambiato ora è che questi modelli, o questi robot, possono imparare dai dati”.
Nel luglio 2024, Zhan ha scritto sul blog di Sequoia riguardo alle profonde credenziali di Pathak nel settore e a ciò che lo distingue come CEO di un’azienda di robotica: le sue competenze in computer vision (visione artificiale) e deep learning. In confronto, la robotica tradizionale si concentrava sulla raccolta di dati specifici per addestrare i robot a compiti particolari. Pathak e il suo socio, Abhinav Gupta, hanno sfruttato dati su larga scala per costruire un “foundation model” (modello di fondazione). Originario di una piccola città in India, Pathak ha fatto notizia a livello nazionale venendo ammesso all’Indian Institute of Technology Kanpur senza lasciare la sua città natale rurale, ha scritto Zhan. Ha imparato a programmare scrivendo codice a mano a casa e utilizzando i minuti limitati in un internet café locale per eseguire i suoi programmi. Successivamente ha conseguito un dottorato di ricerca in IA a Berkeley unendosi al contempo a Facebook AI Research, lungo il percorso che lo ha portato a co-fondare Skild.
La conversazione di Zhan e Pathak con Garfinkle ha toccato un paradosso dell’intelligenza artificiale noto come Paradosso di Moravec: ciò che sembra difficile è spesso facile, e ciò che sembra facile è incredibilmente difficile.
Perché i salti mortali sono più facili delle porte
Un robot che fa un salto mortale richiede essenzialmente il controllo del proprio corpo nello spazio libero, un problema di fisica che i computer sanno risolvere bene da decenni. “In realtà è molto più facile programmare un robot per fare un salto mortale che fargli salire le scale”, ha sottolineato Garfinkle, trovando d’accordo entrambi i suoi ospiti.
La vera sfida — e il “sacro graal” dell’intelligenza fisica — risiede nell’interazione con il caotico mondo reale. Salire le scale o afferrare un bicchiere richiede che un robot utilizzi continuamente la vista per correggere i suoi movimenti in risposta a un ambiente che cambia. Questo “senso comune senso-motorio” è la radice dell’intelligenza generale umana, ed è la barriera che il nuovo software “cerebrale” sta tentando di infrangere.
Investitori e dirigenti vedono in questo un’opportunità di mercato paragonabile alla recente esplosione dell’IA generativa. Zhan ha notato che, proprio come OpenAI ha sbloccato il mercato per il lavoro intellettuale digitale, aziende come la Skild di Pathak mirano a sbloccare il mercato per tutto il lavoro fisico. L’obiettivo è creare un “software generalmente intelligente” che possa agire come cervello per qualsiasi hardware robotico, riducendo i costi di un ordine di grandezza.
A differenza del mondo del software, tuttavia, la robotica deve affrontare un ostacolo unico: la mancanza di dati. Mentre gli LLM sono stati addestrati sull’intero internet, non esiste un database equivalente per le interazioni fisiche dei robot. Pathak ha sostenuto che l’azienda che distribuirà per prima i propri robot vincerà creando un “volano di dati” (data flywheel), in cui i robot sul campo generano i dati necessari per rendere il sistema più intelligente.
Per i consumatori che si chiedono quando un robot farà il loro bucato, le tempistiche rimangono scaglionate. Pathak e Zhan hanno previsto che i robot prolifereranno prima in contesti industriali e ambienti “semi-strutturati” come hotel e ospedali, prima di entrare nell’ambiente più caotico di una casa privata.
Nonostante i timori di una perdita di posti di lavoro, hanno sostenuto che la tecnologia è necessaria per affrontare le “Tre S” del futuro: Sicurezza (Safety), Carenze (Shortages) ed Evoluzione Sociale (Social evolution). I robot sono pronti a rilevare lavori che attualmente costringono gli esseri umani a rischiare la vita o la salute. Inoltre, con milioni di posti di lavoro attualmente vacanti a causa della carenza di manodopera, i robot potrebbero colmare il divario nei lavori manuali essenziali. In definitiva, la speranza è quella di un cambiamento sociale in cui il lavoro pericoloso o di fatica diventi facoltativo, consentendo agli esseri umani di concentrarsi sui compiti che amano.
L’articolo completo è su Fortune.com
