ChatGPT nie poprowadzi pociągu. W wyścigu o „fizyczne AI” karty rozdają przemysłowi giganci
Zamiast generować zabawne wierszyki i obrazki, nowa generacja sztucznej inteligencji ma sterować robotami, liniami produkcyjnymi i ruchem pociągów.
To tak zwane „fizyczne AI” (Physical AI). Szybko okazuje się jednak, że w tej grze potęga programistów Google czy OpenAI to za mało. Kiedy wirtualne modele zderzają się z prawami fizyki, do akcji wkraczają giganci przemysłowi z dekadami inżynieryjnego doświadczenia.
Rynek sztucznej inteligencji wyraźnie dzieli się na warstwy. Na samej górze błyszczą medialnie firmy takie jak OpenAI czy Google, trenujące potężne, multimodalne modele językowe. Piętro niżej operuje Nvidia, dostarczająca platformy i sprzęt do ich rozwoju. Jednak na samym dole, tam, gdzie kod spotyka się z twardą rzeczywistością, rośnie w siłę trzeci obóz: weterani przemysłu tacy jak japońskie Hitachi czy niemiecki Siemens.
Ich argument biznesowy jest prosty, ale niezwykle mocny: nie da się wytrenować maszyn do poruszania się w świecie fizycznym bez głębokiego, inżynieryjnego zrozumienia tego świata.
Kod to nie wszystko, fizyki nie oszukasz
Kosuke Yanai, wicedyrektor Centrum Innowacji Technologicznych AI w Hitachi, stawia sprawę jasno: „Fizycznego AI nie da się wdrożyć w społeczeństwie bez systematycznego zrozumienia, które zaczyna się od fundamentalnej wiedzy z zakresu fizyki i urządzeń przemysłowych” (oryginalna wypowiedź dla AI News: „Physical AI cannot be implemented in society without a systematic understanding that begins with foundational knowledge of physics and industrial equipment”).
Dolina Krzemowa potrafi napisać genialny algorytm, ale to firmy takie jak Hitachi od dekad budują koleje, infrastrukturę energetyczną i systemy sterowania. Japończycy dysponują potężną technologią symulacji płynów termicznych czy narzędziami do przetwarzania sygnałów z maszyn. To wiedza, której nie da się po prostu „zeskrapować” z internetu do treningu modelu LLM.
Zamiast halucynacji – twarde dane z fabryk i kolei
To nie są tylko teoretyczne dywagacje. Hitachi już teraz wdraża swoją wizję w życie (w ramach architektury IWIM – Integrated World Infrastructure Model). Współpracując z firmą Daikin, gigant wdrożył system AI, który diagnozuje usterki na liniach produkcyjnych klimatyzatorów komercyjnych. System przetrawił instrukcje konserwacji i rysunki techniczne, dzięki czemu potrafi wskazać, który element ulega awarii, gdy tylko wykryje anomalię. Wcześniej taka intuicja operacyjna istniała wyłącznie w głowach najbardziej doświadczonych inżynierów.
Z kolei dla linii kolejowych East Japan Railway (JR East), Hitachi stworzyło sztuczną inteligencję, która identyfikuje przyczyny awarii w systemach sterowania ruchem w potężnej aglomeracji tokijskiej, pomagając operatorom w błyskawicznym tworzeniu planów awaryjnych. W sieci, w której każda minuta opóźnienia wpływa na miliony pasażerów, taka diagnostyka jest warta fortunę.
Sztuczna inteligencja przynosi też twarde oszczędności w pracach badawczo-rozwojowych. W sektorze motoryzacyjnym nowe systemy automatycznego generowania skryptów testowych dla sterowników pojazdów (ECU) pozwoliły inżynierom Hitachi skrócić czas testów integracyjnych aż o 43%.
Awaria chatbota to uśmiech, awaria fabryki to katastrofa
Kluczową przewagą firm przemysłowych jest podejście do bezpieczeństwa. Gdy ChatGPT „zahallucynuje” i wymyśli nieistniejący fakt historyczny, co najwyżej najemy się wstydu. Gdy fizyczne AI kontrolujące ramię robota w fabryce lub zwrotnicę kolejową popełni błąd, stawką jest ludzkie życie i wielomilionowe straty.
Dlatego Hitachi buduje swoje rozwiązania w oparciu o sztywne, inżynieryjne bariery ochronne. Algorytmy w czasie rzeczywistym weryfikują, czy parametry generowane przez AI nie wykraczają poza zatwierdzone przez ludzi granice bezpieczeństwa.
Wyścig o dominację w „fizycznym AI” dopiero się rozpoczyna. Wiele wskazuje jednak na to, że wygrają go nie ci, którzy napiszą najładniejszy kod, ale ci, którzy potrafią połączyć moc obliczeniową najnowszych kart Nvidii z surową, inżynieryjną wiedzą gromadzoną przez dekady w fabrykach i fizycznym świecie.
