ИИ-инженер Claude Opus 4.7 в 20 раз быстрее людей справился с управлением робособакой — новый этап Project Fetch
Мы наблюдаем знаковый рубеж в развитии искусственного интеллекта: языковая модель Claude Opus 4.7 от Anthropic продемонстрировала способность самостоятельно программировать и управлять четвероногим роботом, выполнив задачи в 20 раз быстрее, чем команды инженеров-людей. Это второй этап эксперимента Project Fetch, и результаты впечатляют.
В августе 2024 года, когда стартовала первая фаза проекта, ИИ выступал лишь в роли ассистента, помогая сотрудникам без опыта в робототехнике быстрее находить решения. Теперь же модель Opus 4.7 работала практически автономно, под минимальным надзором исследователя. Нейросеть самостоятельно 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. Opus 4.7 оказалась в 18 раз быстрее команды, использовавшей предыдущие версии ИИ, и в 37 раз быстрее людей, работавших без помощи чат-бота. При этом нейросеть генерировала код, объем которого был в 10 раз меньше, чем у человеческих команд. Это говорит не только о скорости, но и о качественно ином уровне эффективности.
Ключевой вывод, к которому приходят авторы эксперимента: прогресс в робототехнике стал побочным эффектом общего масштабирования языковых моделей. Anthropic не внедряла специализированные алгоритмы для управления «железом» — модель просто научилась понимать контекст и применять свои знания к физическим объектам.
Однако не все так гладко. Claude по-прежнему испытывает трудности с точными физическими действиями. Модель смогла довести робота до цели, но не справилась с задачей аккуратно подтолкнуть мяч в нужную точку. Это требует сложной обратной связи в реальном времени, где люди пока сохраняют преимущество.
В Anthropic заявляют, что индустрия вступает в эру «физических ИИ-агентов». В ближайшем будущем нейросети смогут использовать стандартные инструменты и оборудование так же эффективно, как сейчас они работают с программным кодом.
Мнение эксперта. Этот эксперимент — четкий сигнал о том, что граница между цифровым и физическим миром стирается. То, что модель без специализированного обучения справляется с управлением роботом быстрее и эффективнее человека, меняет правила игры в автоматизации. Однако провал с мячом напоминает: грубая физика и нюансы реального времени остаются последним бастионом, который ИИ пока не штурмовал. Инвесторам и разработчикам стоит готовиться к тому, что следующее поколение нейросетей будет не только писать код, но и управлять станками, дронами и, возможно, автомобилями.