ИИ-агенты берутся за «железо»: Claude Opus 4.7 управляет робособакой в 20 раз быстрее людей
Рынок искусственного интеллекта продолжает удивлять темпами эволюции. Новый эксперимент компании Anthropic, известный как Project Fetch, показал, что языковые модели уже способны не просто генерировать текст, а полноценно управлять физическими устройствами. В рамках второй фазы тестирования модель Claude Opus 4.7 самостоятельно запрограммировала и настроила четвероногого робота, выполнив задачу в 20 раз быстрее, чем команда инженеров-людей годом ранее.
Для сравнения: в августе 2024 года сотрудники Anthropic, не имевшие опыта в робототехнике, пытались заставить робота двигаться с помощью подсказок ИИ. Тогда нейросеть выступала лишь в роли помощника. Сегодняшняя версия Claude Opus 4.7 работала практически автономно, под минимальным контролем исследователя.
Что сделал ИИ?
Модель выполнила полный цикл настройки «железа» без вмешательства человека. В частности, Claude самостоятельно:
- подключился к датчикам видео и лидару;
- написал программу для ручного управления роботом;
- создал систему мониторинга траектории движения;
- настроил алгоритм распознавания объектов.
Примечательно, что код, написанный нейросетью, оказался в 10 раз компактнее, чем у человеческих команд. Это говорит не только о скорости, но и о качестве исполнения. В цифрах: Opus 4.7 оказался в 18 раз быстрее команды, использующей старые версии ИИ, и в 37 раз быстрее людей, работающих без помощи чат-бота.
Парадокс физического взаимодействия
Несмотря на впечатляющий прогресс в программировании и логистике, Claude всё ещё испытывает серьёзные трудности с точными физическими действиями. Модель успешно довела робота до цели, но не смогла аккуратно подтолкнуть мяч в нужную точку. Как отметили разработчики, задача требует сложной обратной связи в реальном времени — области, в которой люди пока сохраняют преимущество.
Важно подчеркнуть, что Anthropic не внедряла специализированные алгоритмы для управления «железом». Весь прогресс — побочный эффект общего масштабирования языковых моделей. Это подтверждает гипотезу о том, что универсальные ИИ-агенты способны адаптироваться к физическим задачам без специального обучения.
Взгляд аналитика
Мы вступаем в эру «физических ИИ-агентов», как справедливо отмечают в Anthropic. Уже сейчас нейросети могут работать с инструментами и оборудованием так же эффективно, как с программным кодом. Однако, на мой взгляд, ключевым барьером остаётся не скорость вычислений, а тактильная обратная связь и понимание физики реального мира. Как только ИИ научится чувствовать среду так же хорошо, как он чувствует контекст, границы между цифровым и физическим миром окончательно сотрутся.