Przez większość historii komputerów człowiek musiał nauczyć się mówić językiem maszyny. Najpierw były przełączniki, karty perforowane i komendy wpisywane w “czarnym okienku”, później klawiatury, myszki, ekrany dotykowe oraz sterowanie głosem. Każda kolejna generacja interfejsów miała skracać drogę między tym, czego chcemy, a tym, co ostatecznie wykonuje urządzenie. Nadal jednak musimy naszą intencję jakoś przetłumaczyć np. kliknięciem, ale to może ulec zmianie i w erze robotów takie coś będzie wręcz rewolucją.
Robot ma dostać polecenie bezpośrednio z głowy
Chińska firma BrainCo zaprezentowała podczas konferencji World Artificial Intelligence Conference w Szanghaju platformę Brain-Controlled Robot AI Platform. Producent określa ją jako pierwszy na świecie zintegrowany system badawczy łączący interfejs mózg-komputer, sztuczną inteligencję i różne rodzaje robotów. Jego zasada działania jest pozornie prosta. Użytkownik zakłada lekki zestaw EEG, którego elektrody rejestrują aktywność elektryczną widoczną na powierzchni głowy. Algorytm analizuje sygnał, próbuje rozpoznać określoną intencję ruchową lub sterującą, a następnie zamienia ją w komendę zrozumiałą dla podłączonej maszyny.
Czytaj też: Robot awansował z praktykanta. Tylko jeden punkt dzieli robota Xiaomi od człowieka
Podczas demonstracji tej technologii robotyczne ramię chwytało kubek i podnosiło jabłko bez naciskania przycisków, wypowiadania poleceń oraz wykonywania gestów. Według BrainCo cały proces, od wykrycia sygnału wygenerowanego w mózgu do przekazania instrukcji robotowi, zajmuje mniej niż 200 milisekund. Co ważne, platforma ma współpracować nie tylko z jednym ramieniem pokazowym, ale również z dostępnymi na rynku humanoidami, robotami czworonożnymi i innymi maszynami wykorzystywanymi w laboratoriach.
BrainCo nie próbuje więc sprzedawać następnego robota, którego trzeba będzie rozwijać w zamkniętym ekosystemie producenta. Chce dostarczyć warstwę łączącą człowieka z różnym sprzętem. Mózg ma stać się interfejsem, sztuczna inteligencja tłumaczem, a robot wykonawcą. Dlatego firma określa swój model mianem “Neuro-Embodied-AI”. Interfejs mózg-komputer ma rozpoznawać zamiar, warstwa sztucznej inteligencji rozkładać go na kolejne kroki, a system robota odpowiadać za ich fizyczne wykonanie.
To nie jest telepatia ani prawdziwe czytanie myśli
Naturalnie nie jest to telepatia czy sterowanie myślami, bo robot nie przegląda przecież swobodnego strumienia świadomości i nie odkrywa, że użytkownik przypomniał sobie właśnie o niezamkniętym oknie albo zastanawia się, co zjeść na obiad. Zamiast tego proponowany system próbuje rozpoznać ograniczony zbiór wcześniej zdefiniowanych wzorców aktywności. Człowiek wyobraża sobie określony ruch, skupia się na konkretnym poleceniu albo wykonuje zadanie poznawcze, z którym algorytm nauczył się wiązać daną komendę. Następnie model klasyfikuje sygnał i wybiera najbardziej prawdopodobną akcję. Jest to wprawdzie nadal imponujące, ale znacznie bliższe rozpoznawaniu gestów niż telepatii.
Sam temat nie jest zresztą zupełnie nowy. Już wcześniej pisałem o robocie sterowanym myślami przy wykorzystaniu suchych elektrod, które miały uprościć przygotowanie użytkownika i ograniczyć konieczność nakładania przewodzącego żelu. Nowa platforma BrainCo wygląda więc bardziej jak próba zebrania podobnych osiągnięć w bardziej uniwersalny i gotowy do prowadzenia badań system niż wynalezienie sterowania za pomocą mózgu od podstaw. Różnica między efektowną demonstracją a praktycznym produktem nadal pozostaje ogromna. Sygnał EEG musi przedostać się przez tkanki, płyn mózgowo-rdzeniowy i czaszkę, przez co dociera do elektrod osłabiony oraz przestrzennie rozmyty. Do tego dochodzą zakłócenia generowane przez ruchy oczu, mięśnie twarzy, zmianę położenia elektrod, otoczenie elektromagnetyczne, zmęczenie, poziom skupienia i różnice między poszczególnymi użytkownikami.
Dlatego czas reakcji krótszy niż 200 milisekund niewiele mówi samodzielnie. System może reagować błyskawicznie, ale najważniejsze jest przecież to, jak często reaguje prawidłowo. BrainCo nie ujawniło szczegółowych wyników dotyczących dokładności, liczby uczestników, czasu kalibracji, odsetka błędnych poleceń ani zachowania platformy podczas długiego użytkowania poza kontrolowanym pokazem. Bez tych informacji nie wiemy, czy widzieliśmy początek rewolucji, czy bardzo dobrze przygotowaną demonstrację.
Dzisiejsze EEG nadal bardzo często się myli
Dobre pojęcie o aktualnych możliwościach tej technologii daje badanie opublikowane w 2025 roku w Nature Communications. Naukowcy stworzyli w nim nieinwazyjny system EEG pozwalający sterować pojedynczymi palcami robotycznej dłoni. W eksperymencie z udziałem 21 doświadczonych użytkowników BCI średnia skuteczność rozpoznawania wyobrażonych ruchów dwóch palców wyniosła 80,56 procent. Po zwiększeniu liczby rozpoznawanych palców do trzech spadła do 60,61 procent.
Na papierze wynik robi wrażenie, bo chodzi o bardzo subtelne różnice aktywności związane z poszczególnymi palcami. W praktyce 60-procentowa skuteczność oznacza jednak, że maszyna może błędnie rozpoznać niemal cztery na dziesięć poleceń. Trudno wyobrazić sobie domowego robota, który z podobną regularnością sięga po niewłaściwy przedmiot, a tym bardziej maszynę przemysłową albo medyczną.
Czytaj też: D-Day godny XXI wieku. Po raz pierwszy roboty trafiły na brzeg i zaczęły szturm
Co więcej, w badaniu uczestniczyli ludzie mający wcześniejsze doświadczenie z interfejsami mózg-komputer, a osoby ze słabszymi wynikami wstępnymi zostały odrzucone. Autorzy zaznaczyli również, że od 15 do 30 procent ludzi może mieć problem z uzyskaniem stabilnych sygnałów potrzebnych do sterowania systemami opartymi na wyobrażeniach ruchowych. Właśnie dlatego do deklaracji o “robotach rozumiejących człowieka” podchodzę z ostrożnością. Nieinwazyjne EEG jest wygodne, relatywnie tanie i nie wymaga operacji, ale fizyki nie da się oszukać samą sztuczną inteligencją. Lepsze modele mogą wydobyć z zaszumionych danych więcej informacji. Nie sprawią jednak, że sygnał rejestrowany na skórze głowy nagle uzyska jakość pomiaru prowadzonego bezpośrednio przy neuronach.
Najważniejszy może być nie robot, lecz dane
Sterowanie ramieniem przyciąga uwagę, ale mam wrażenie, że BrainCo pokazało coś potencjalnie ważniejszego. Równolegle firma zaprezentowała system zbierania danych treningowych dla tzw. ucieleśnionej sztucznej inteligencji, czyli modeli uczących się działać w świecie fizycznym. W przypadku modeli językowych sytuacja była stosunkowo prosta. Internet przez dekady gromadził teksty, obrazy, nagrania i kod, więc firmy mogły trenować algorytmy na ogromnych zbiorach istniejących już informacji. Robot nie potrzebuje jednak wyłącznie zdjęcia kubka i opisu czynności “podnieś kubek”. Musi znać pozycję dłoni, trajektorię ruchu, siłę chwytu, opór przedmiotu, położenie ciała, informacje z kamer i czujników oraz konsekwencje każdej drobnej korekty.
Takich danych nie da się po prostu skądś pobrać Trzeba je wygenerować podczas rzeczywistego działania, zebrać w symulacji albo nagrać, gdy człowiek zdalnie steruje robotem. Właśnie dlatego proces uczenia humanoidów pozostaje drogi, powolny i trudny do skalowania. BrainCo chce łączyć dane z fizycznego robota, demonstracje wykonywane przez człowieka oraz symulacje. System wykorzystuje mobilną platformę z dwoma ramionami i precyzyjną rękawicę rejestrującą ruch. Do tego dochodzi EEG operatora, a więc informacja nie tylko o tym, co zrobiła jego dłoń, ale potencjalnie również o tym, jaki cel próbował osiągnąć przed wykonaniem widocznego ruchu.
Czytaj też: Roboty dostały nowy zmysł. Teraz mogą zobaczyć to, czego dotykają
W teorii pozwala to wzbogacić dane o dodatkową warstwę intencji. Kamera widzi, że człowiek przesunął rękę w lewo. Czujniki mierzą ułożenie palców i siłę chwytu. EEG może natomiast pomóc oznaczyć, czy operator zamierzał chwycić, odłożyć, poprawić pozycję albo przerwać ruch. Nie oznacza to jeszcze, że platforma rzeczywiście odczytuje wszystkie te zamiary z wysoką dokładnością. Pokazuje jednak ciekawy kierunek – robot ma uczyć się nie tylko kopiowania końcowego ruchu, ale także związku między ludzkim celem i jego fizyczną realizacją.
Tego typu problem widać przy robocie Xiaomi zbliżającym się skutecznością do pracownika fabryki. Maszyna może osiągnąć 98-procentową skuteczność w jednym zadaniu, ale prawdziwym wyzwaniem pozostaje reagowanie na wyjątki, przesunięcia elementów, zmianę oporu i sytuacje, których nie przewidział twórca programu. Jeszcze inaczej ten sam problem rozwiązuje Atlas uczący się pracy poprzez symulacje, gdzie kluczowe znaczenie ma ograniczenie różnicy między idealnym środowiskiem wirtualnym a nieprzewidywalnym światem fizycznym. BrainCo dokłada do tej układanki człowieka nie jako zwykłego operatora, lecz jako kolejne źródło danych.
Dane z mózgu będą wymagały szczególnej ochrony
Platforma BrainCo nie tylko wykonuje polecenia. Rejestruje sygnały neuronowe operatora i wykorzystuje je jako dane do uczenia modeli. Nie oznacza to, że ktoś będzie mógł odtworzyć z zapisu EEG wszystkie wspomnienia albo prywatne przemyślenia. Sygnały mogą jednak dostarczać informacji o skupieniu, zmęczeniu, reakcji na bodźce i wzorcach charakterystycznych dla konkretnego użytkownika. Co więcej, wraz z postępem algorytmów z pozornie mało użytecznych danych można będzie wydobywać coraz więcej.
Podobne wątpliwości pojawiają się przy czapce zamieniającej zamierzone słowa w tekst. Im bardziej interfejs zbliża się do ludzkiego mózgu, tym mniej przypomina zwykłą klawiaturę lub kontroler. Prywatność przestaje wtedy być dodatkową funkcją. Staje się podstawowym warunkiem zaufania. BrainCo będzie więc musiało odpowiedzieć nie tylko na pytanie, jak dobrze platforma rozpoznaje polecenia. Równie ważne będzie to, gdzie trafiają dane EEG, jak długo są przechowywane, czy można je powiązać z konkretnym człowiekiem i czy użytkownik może skutecznie zażądać ich usunięcia.
Przyszłość jest blisko, ale pokaz nadal nie jest produktem
Roboty potrafią już chodzić, podnosić ciężary i wykonywać zaprogramowane sekwencje. Nadal jednak bardzo słabo rozumieją, czego człowiek właściwie od nich oczekuje, a to szczególnie gdy nie poda im idealnie sformułowanego polecenia. Dlatego nie uważam, aby BrainCo rozwiązało właśnie problem komunikacji człowieka z robotem. Firma pokazała interesujący fundament, ale bez niezależnych testów, dokładnych wyników i długoterminowych eksperymentów nie wiemy, jak platforma poradzi sobie z potem, włosami, ruchem, zmęczeniem, różnymi użytkownikami, hałasem fabryki czy zwykłym pogorszeniem kontaktu elektrod ze skórą. Jednocześnie sama integracja EEG, modeli rozpoznających intencję, autonomii robota oraz systemu gromadzenia danych odpowiada na realne problemy.
Źródła: BrainCo, The Next Web, Nature Communications
