ИИ-модель Claude Opus 4.7 в 20 раз быстрее людей научила робособаку новым трюкам
Эксперименты в области интеграции искусственного интеллекта с физическими роботами выходят на принципиально новый уровень. Компания Anthropic представила обновленные результаты своего проекта Project Fetch, и цифры впечатляют: модель Claude Opus 4.7 справилась с задачами по настройке и управлению четвероногим роботом в 20 раз быстрее, чем команды инженеров-людей, работавших с прошлогодними версиями ИИ.
Если в 2024 году нейросеть выступала лишь в роли ассистента, помогая сотрудникам без опыта в робототехнике быстрее находить решения, то теперь ситуация кардинально изменилась. В новой фазе тестирования Claude Opus 4.7 работала практически автономно. Под минимальным контролем исследователя нейросеть выполнила полный цикл задач:
- подключилась к датчикам видео и лидару;
- написала программу для ручного управления;
- создала систему мониторинга пути робота;
- настроила алгоритм распознавания предметов.
Сравнительный анализ показывает колоссальный разрыв в производительности. Модель Opus 4.7 оказалась в 18 раз быстрее команды, использовавшей старые версии ИИ, и в 37 раз быстрее людей, работавших без помощи чат-бота. Более того, сгенерированный нейросетью код оказался в 10 раз компактнее и эффективнее человеческих аналогов.
Физические ограничения остаются
Авторы эксперимента подчеркивают важный нюанс: прогресс в робототехнике стал побочным эффектом общего масштабирования языковых моделей. Anthropic не внедряла специализированные алгоритмы для управления «железом» — модель сама нашла способы взаимодействия с физической средой. Однако, несмотря на успехи в навигации и программировании, Claude все еще испытывает трудности с точными физическими действиями. Довести робота до цели удалось, но аккуратно подтолкнуть мяч в нужную точку модель не смогла. Для таких задач требуется сложная обратная связь в реальном времени, в которой люди пока превосходят ИИ.
В Anthropic заявляют, что индустрия вступает в эру «физических ИИ-агентов». По их мнению, в будущем нейросети смогут использовать стандартные инструменты и оборудование так же эффективно, как сейчас они работают с программным кодом.
Мнение эксперта: Результаты Project Fetch — это не просто очередной бенчмарк. Мы наблюдаем переход ИИ из сугубо цифрового пространства в физический мир. То, что модель смогла самостоятельно освоить управление роботом без специализированного обучения, говорит о появлении у нейросетей настоящей адаптивной логики. Однако проблема с точными моторными навыками — «бутылочное горлышко», которое отделяет нас от полноценных роботов-помощников. Пока ИИ не научится чувствовать физику взаимодействия с объектами, говорить о массовом внедрении таких систем рано.