Серия «Роботы»

Базовые роботы запрограммированы на однообразные реакции, но для эффективного сотрудничества в сложной или социальной среде робот должен понимать контекст, состояние и цели человека. Персонализация решает эту задачу, превращая робота из пассивного исполнителя команд в активного участника взаимодействия. Такие системы, основанные на распознавании намерений, стремятся определить мотивы пользователя и предсказать его будущие действия.

Для создания модели пользователя или его «цифрового двойника», робот собирает и анализирует данные:

• Биометрические и поведенческие через особенности походки, паттерны движений рук, мимику и динамику голоса.

• Контекстуальные и средовые в виде распорядка дня, типичных маршрутов движения, предпочтений в доме, уровня освещённости и шума.

• Вербальные и невербальные, где учитываются часто используемые слова и фразы, характерные жесты, позы, выражающие усталость или сосредоточенность.

Чтобы собирать эти данные, роботы оснащаются комплектом сенсоров, каждый из которых отвечает за свой канал информации. Их комбинация повышает надёжность распознавания:

• Визуальные камеры анализируют жесты, позы, мимику, движение глаз, объекты в окружении. Робот видит, что человек тянется к книге, и подаёт её.

• Инерциальные отслеживают траекторию, скорость и угол движения конечностей или тела. Носимый экзоскелет анализирует паттерн ходьбы для коррекции.

• Микрофоны считывают голосовые команды, интонацию и фоновые звуки. Робот распознаёт не только команду «открой», но и тревогу в голосе.

• Тактильные анализируют силу нажатия, давление и вибрацию. Робот манипулятор регулирует усилие для хрупкого предмета.

• Биосигнальные получают электрическую активность мозга или мышц. Протез руки начинает движение по намерению, а не по явной команде.

Собранные данные лишь основа работы алгоритмов:

• Машинное обучение и нейросети выявляют скрытые закономерности в поведении конкретного человека. Например, гарвардский носимый робот для пациентов с ALS и после инсульта использует ML для 94%-ной точности распознавания индивидуальных движений плеча.

• Большие языковые модели выполняют роль универсального интерпретатора. Они связывают голосовую команду, контекст и знания о мире. Анализируется абстрактный запрос: «Мне нужен простой стул», - извлекается суть и передаётся техническим модулям для генерации 3D-модели и её последующей сборки роботом.

• Сенсорная интеграция объединяет потоки данных от разных сенсоров для формирования целостной картины.

Так, умная перчатка BrightSign, переводящая язык жестов в речь, обучается индивидуальным особенностям жестикуляции каждого пользователя, комбинируя данные с датчиков сгиба, инерции и касания.

Реализованные проекты

Современные протезы и экзоскелеты уже сегодня используют данные ЭМГ и IMU, чтобы предугадать желаемое движение и помочь человеку выполнить его плавно и с меньшими усилиями. Промышленные коботы с камерами глубины учатся считывать жесты оператора для совместной сборки, перенаправляя задачи без перепрограммирования.

Роботы с реалистичной мимикой как китайский Origin M1 с 25 микромоторами для управления лицом, используют камеры в «зрачках», чтобы читать эмоции собеседника и реагировать уместной мимикой, устанавливая эмоциональный контакт.

Несмотря на прогресс последних лет, путь к массовому использованию сложен. Ключевые вызовы на сегодня:

• Персональные поведенческие и биометрические данные требуют высочайшего уровня защиты.

• Пользователь должен понимать, как робот принимает решения, и быть уверенным в его надёжности. Прозрачность алгоритмов критически важна.

• Модель должна постоянно обновляться, подстраиваясь под изменения в привычках или физическом состоянии пользователя.

Дорожная карта внедрения может быть связана описанными десятилетними циклами:

• В 2020-х годах нишевое внедрение в медицине, реабилитации и премиальном сервисе. Доминируют закрытые, специализированные системы.

• Ближайшее будущее до 2030-х годов появляются открытые платформы обмена «цифровыми профилями» пользователей с их согласия. Робот в доме, офисе и автомобиле будет настраиваться под одного человека.

• Перспектива на 2040-е годы в формировании «единого цифрового профиля» человека, к которому будут обращаться любые устройства для интуитивно понятной синхронизации.

Синхронизация человека и робота через большие данные и LLM — это следующий логический шаг в эволюции взаимодействия. Это поле для экспериментов, где сегодня закладывается фундамент будущего, в котором технологии не просто получают наши команды, но и понимают наши намерения.

Если большие данные и мультимодальные сенсоры дают роботу «органы чувств» для восприятия внешних действий человека, то психометрические данные открывают доступ к его внутреннему миру. Это измеряемые показатели психических состояний, установок, эмоций и личностных черт. В их сборе и анализе заключается следующий эволюционный шаг к по-настоящему интуитивному взаимодействию, где робот будет понимать не только команду, но и контекст, настроение и невысказанные потребности пользователя.

Психометрия

Успешное внедрение роботов, особенно социальных и домашних, зависит не только от их технических возможностей, но и от готовности людей их принять. Простое физическое присутствие робота в жизни человека не гарантирует, что тот захочет с ним взаимодействовать. На это желание влияет сложная совокупность психологических измерений от базовых установок и тревог до восприятия полезности, удобства, удовольствия, доверия, социального присутствия и ожиданий.

Сбор и анализ этих данных позволяют перейти от универсального взаимодействия к персонализированному. Робот, обладающий психометрическим профилем пользователя, может:

• Адаптировать стиль коммуникации, снижать темп и упрощать язык для тревожного пользователя или, наоборот, переходить к сложным темам с заинтересованным.

• Предвосхищать эмоциональные потребности и распознавать признаки стресса или подавленности по косвенным признакам через паттерны движения, тон голоса и активность. В результате, робот может предлагать помощь от включения расслабляющей музыки до предложения позвонить родственнику.

• Строить долгосрочные доверительные отношения, понимая границы комфорта и ценности пользователя, робот может действовать предсказуемо и уважительно, что является основой для принятия технологии.

Хотя эта область считается новой, для оценки психологических аспектов взаимодействия человека и робота уже создан целый арсенал инструментов. Именно в сфере этого взаимодействия и следует искать новые решения — как разработчикам роботов, так и создателям программного обеспечения самого разного назначения включая мобильные приложения. Любой новый сенсор или алгоритм может помочь совершить прорыв, который кратно ускорит развитие технологий и повысит эффективность взаимодействия человека и робота.

Опросники

Сегодня используются стандартизированные опросники, прошедшие проверку на надёжность и точность измерения. Систематический обзор выявил 27 таких инструментов, предназначенных для оценки отношения людей к социальным и домашним роботам. Они измеряют широкий спектр состояний и установок. Примеры включают шкалу негативного отношения к роботам NARS. Это одна из самых ранних и цитируемых систем, которая оценивает тревогу, связанную с взаимодействием с роботами. Шкала принятия человекообразных роботов HARS и шкала воспринимаемой социальности роботов ПСРС охватывают более широкий спектр отношений, включая положительные и нейтральные аспекты. Анкета интереса к робототехнике RIQ используется, например, для оценки интереса, знаний и эффективности учителей в контексте образовательной робототехники. Эти инструменты важный первый шаг, но у них есть ограничения. Они основаны на отчёте и фиксируют состояние «до» или «после» взаимодействия, а не в реальном времени.

Передовые прототипы работают с состояниями в реальном времени, считывают психофизиологические и поведенческие сигналы для вывода о состоянии человека. Это будущее, которое уже начинает сбываться:

1. Emo от Колумбийского университета США.

Это роботизированная голова, которая не только копирует мимику человека, но и способна предугадать улыбку за 840 миллисекунд, чтобы улыбнуться синхронно с человеком. Это прямой пример предсказания намерения и эмоционального состояния на основе визуальных данных.

2. Helix от Figure AI, США.

Представлена проприетарная система для робота Figure 03. Хотя в релизе акцент сделан на тактильном и визуальном восприятии для манипуляций, архитектура системы заточена под сквозное обучение от восприятия к действию. Такой фундамент позволяет в будущем интегрировать модули для анализа эмоционального состояния человека через тон голоса, скорость речи и выражение лица, что потенциально открывает путь к распознаванию десятков сложных состояний.

3. Психометрическая аналитика в образовании от НИУ ВШЭ, Россия. Хотя это и не прототип робота, но зато передовой пример использования больших данных для анализа «цифрового следа» учащихся. Система автоматически анализирует поведение через просмотры видео и выполнение тестов для оценки вовлеченности, трудности контента и изменения подготовленности. Перенос этой логики на взаимодействие с роботом позволил бы ему непрерывно оценивать и адаптироваться к эмоциональному и когнитивному состоянию пользователя на основе его поведенческих паттернов.

Сегодня мы находимся на стыке технологий. С одной стороны, существует острая необходимость в разработке новых, более строгих и всеобъемлющих психометрических инструментов специально для сферы взаимодействия робота с человеком, а с другой идёт стремительное развитие больших языковых LLM и визуально-языковых моделей VLA как в случае с Figure и OpenAI. Это открывает путь к созданию систем, которые будут учиться понимать человека напрямую, через естественное общение и наблюдение.

Идёт активное слияние опросников с решениями на базе искусственного интеллекта через использование стартового набора данных для обучения нейросетей распознаванию психологических особенностей по поведенческим паттернам. Также популярна мультимодальная интеграция через комбинирование анализа речи по тону и скорости, компьютерного зрения через мимику, позу и данных с носимых устройств через пульс и кожно-гальваническую реакцию для составления целостной картины состояния. Особенно актуальна разработка прозрачных протоколов сбора и использования сверхчувствительных психометрических данных, сбор которых упирается в вопросы доверия и этики. Без решения этих вопросов массовое внедрение будет невозможным.

Психометрические данные — это мост от функциональной синхронизации робота, выполняющего задачу, к эмоциональной и когнитивной синхронизации когда робот понимает контекст и состояние человека. Как появление тачскрина совершило революцию в коммуникации человека и смартфона, сделав её интуитивной, так и внедрение психометрического интерфейса способно вывести взаимодействие с роботом на качественно новый уровень. Это превращает робота из сложного инструмента в чуткого помощника, способного не просто реагировать на команды, а поддерживать, предвосхищать потребности и действовать синхронно с человеком в его повседневной жизни.

Читать книгу "Время роботов" полностью

(Спасибо за лайки и комментарии, которые помогают продвигать статью)

Развитие общества неразрывно связано с внедрением новых технологий. Например, эволюция смартфонов показывает, как их популяризации способствовала грамотная реклама в блокбастерах, внедрившая идею гаджета в массовое сознание. Таким образом, успех технологий напрямую зависит от укоренения в обществе идеи комфортного сосуществования с ними. Современная киноиндустрия постоянно работает на формирование тех или иных идей в обществе. Реклама — это внедрение продукта в нашу жизнь, маркетинг — наука о таком внедрении. Социальные сети сортируют и упорядочивают людей для более эффективного управления, а нейросети анализируют и структурируют информацию. Всё это позволяет точечно доносить сообщения, собирать обратную связь и совершенствовать методы продвижения новых идей.

Все эти технологии уже работают, однако ключевая проблема состоит в невозможности резко нарушить социальные и возрастные барьеры. Именно поэтому после первой громкой рекламы смартфона в кино прошли десятилетия, прежде чем они стали поистине массовым явлением. Человек в наибольшей степени открыт к изменениям лишь в определённые возрастные периоды. Смартфоны со своими персуазивными технологиями и элементами геймификации немного расширили эти рамки. Например, они вовлекли пенсионеров, которые никогда не пользовались персональным компьютером. Однако радикальных изменений быть не может из-за того, что базовые психологические установки формируются в детстве. Поэтому внедрение по-настоящему революционных идей возможно прежде всего через смену поколений.

Взрослый, сформировавшийся человек с устоявшимся образом жизни и привычками подсознательно сопротивляется переменам. Новая технология для него — это угроза комфорту и необходимость переобучения. Поэтому для подлинной технологической революции мало создать работающий прототип. Нужно вырастить новое поколение, для которого эта технология будет не странной новинкой, а естественной частью окружающего мира с детства. Здесь на помощь приходит мощнейший механизм культурного импринтинга, а ключевым временным интервалом становится десятилетие.

Десятилетие значительный временной отрезок в современном мире, продолжительность экономических циклов, срок планирования корпоративных стратегий и, что важнее всего, критический период социализации человека. Примерно десять лет проходит с момента, когда подросток впервые видит захватывающий образ технологии в кино, игре или медиа, до того момента, когда он, став взрослым, финансово самостоятельным человеком, начинает активно потреблять соответствующие сервисы и продукты.

Стадии:

• Закладывается культурное семя. В массовой культуре появляется яркий, привлекательный образ робота C-3PO из «Звёздных войн», дружелюбный R2-D2 или, наоборот, технологичный вызов андроидов в «Бегущем по лезвию» и «Терминаторе». Для подростка это часть развлекательного контента, формирующая бессознательное принятие идеи.

• Технологическое вызревание идёт на протяжении десяти лет. Пока поколение растёт, инженеры и учёные бьются над материализацией образа. Идёт колоссальная работа, создаются микропроцессоры, разрабатываются сенсоры и алгоритмы искусственного интеллекта. Технология из фантастической становится сначала лабораторной, а затем и промышленной.

• Массовое внедрение происходит через десять лет. Поколение вступает в фазу активного потребления. С детства подготовленные культурой, они не боятся технологий, а ждут их. Они становятся первыми покупателями роботов-пылесосов, радуются возможностям голосовых помощников и воспринимают сервисных роботов не как нечто чуждое, а как логичное улучшение жизни. Это та самая критическая масса, которая переводит технологию из категории «инновация» в категорию «повседневность».

Поколения

Ключевыми агентами изменений становятся именно поколения людей, чьё мировоззрение сформировано под воздействием определённых факторов. Характеристики поколения определяют его роль в принятии новых технологий.

• Миллениалы или поколение Y это люди, рождённые в 1985–1995 годах. Появление персональных компьютеров, начало бурного развития интернета, первые мобильные телефоны, фильмы «Терминатор 2» и «Железный человек». Им характерны технооптимизм, восприятие технологий как инструмента для улучшения жизни и самовыражения. Именно они приняли идею смартфона как центра управления жизнью. Для них робот всего лишь полезный гаджет.

• Зумеры или поколение Z, рождённые в 1995–2010 годах. У них смартфон и соцсети с детства, высокоскоростной мобильный интернет и стриминговые сервисы. Для них выпускались игры и сериалы, где роботы уже стали частью социума. Они не разделяют онлайн и офлайн, ценят персонализацию и удобство. Это основные потребители сервисов сегодня. Для них не стоит вопрос: «Зачем робот?» Им важно насколько эффективно робот интегрируется в их цифровую экосистему и решит конкретную задачу доставки, уборки или общения.

• Поколение альфа, рождённые в 2010 году. Они используют голосовые помощники с младенчества, интерактивные игрушки с искусственным интеллектом и образовательные робоплатформы VR/AR. Технологии ими воспринимаются как естественное, почти органическое расширение собственных возможностей и среды. Вот они, потребители будущего. Для них взаимодействие с роботами, обучающими ассистентами и автономными системами будет интуитивным и ожидаемым. Именно под их запросы будут создаваться следующие поколения роботов.

Довольно часто в интернете встречаются мнения публичных людей о том, что современные люди глупеют от использования нейросетей и смартфонов. В этом есть как эмоциональная составляющая, так и доля правды. Люди на Земле очень разные. У них может быть разный уровень образования, жизненные приоритеты и уровень интеллекта, но обобщать, на мой взгляд, не стоит. Смещение одних составляющих может компенсироваться другими. Попробуем копнуть глубже, чтобы увидеть причинно-следственные связи.

Интерфейсы наших смартфонов, уведомления и алгоритмы контента заточены на формирование привычек и рефлексов. В современном мире они являются инструментами массового обучения. Особенно это заметно в глобальном масштабе. Для миллионов людей в развивающихся странах, где доступ к книгам и школам ограничен, телефон становится главным окном в мир знаний. Как эта постоянная связь с цифровым миром, включая виртуальную реальность, влияет на наш разум?

В странах, где традиционные образовательные ресурсы в дефиците, мобильные технологии совершили настоящую революцию. Исследования показывают, что в развивающихся странах смартфоны эффективно способствуют развитию навыков чтения и грамотности. Там, где не хватает книг, люди читают целые произведения на простейших устройствах. Это демонстрирует, что на глобальном уровне технологии выступают мощным инструментом выравнивания образовательных возможностей.

Однако в контексте отдельных стран, где доступ к образованию уже налажен, картина сложнее. Смартфоны легко превращаются из инструмента в источник отвлечения. Доклад ЮНЕСКО 2023 года констатирует, что мобильные устройства отвлекают учащихся и отрицательно сказываются на обучении. Данные по России подтверждают это. Школьники, проводящие с телефоном более 3 часов в день, показывают на 15% худшие результаты по ключевым предметам, а 40% учителей наблюдают явное ухудшение концентрации у детей.

Это не случайность, а системный эффект. Цифровые технологии эффективно работают с базовыми рефлексами и эмоциями, развивая скорость реакции, но зачастую в ущерб глубине обработки информации и долговременной памяти. Виртуальная реальность выводит взаимодействие с цифровым миром на новый уровень. Она не просто отвлекает или информирует, а трансформирует само восприятие. Анализ влияния VR на поколение Y показывает, что под её воздействием меняются приоритеты и формируются принципиально новые навыки, более соответствующие запросам современности.

Это влечёт за собой сдвиг в мышлении, запоминании и внимании. С одной стороны, VR может быть мощным образовательным инструментом, позволяя проводить сложные эксперименты или тренировать навыки в безопасной среде. С другой стороны, возникает риск ещё большего разрыва между способностью быстро реагировать на стимулы и возможностью долго концентрироваться на сложных задачах.

История робототехники предоставляет нам доказательства этой теории:

• Образ коллективного разума и автономных систем. Идея сетевого интеллекта и роботов, действующих согласованно, долго мелькала в фантастике. Через десятилетие после популяризации этих образов Amazon внедряет на своих складах тысячи синхронизированных роботов Kiva, которые формируют именно такую эффективную роевую систему.

• Образ робота хирурга. Фантастические представления о микроскопических механизмах, оперирующих внутри тела, или сверхточных машинах, помогающих врачам, материализовались в системе Da Vinci. Первая модель 2000 года стала технологическим чудом, а её развитие к 2024 году до модели Da Vinci 5 сделало роботизированную хирургию стандартом в сложных операциях. Врачи, выбравшие эту специальность, росли вместе с идеей этой технологии.

• Образ социального взаимодействия с роботами демонстрировался во многих художественных фильмах. Но именно последние 10-15 лет, когда это стало массовой культурой для зумеров, начали активно развиваться области социальной робототехники, чат-ботов и исследований в области человеко-машинного взаимодействия.

Таким образом, путь технологии от смелой идеи в научной фантастике до массового продукта на полке магазина — это не случайность, а во многом управляемый процесс с десятилетними итерациями по внедрению идей и отслеживанию реакции общества, внесению корректировок в стратегию внедрения и планирования следующих волн.

Компаниям инноваторам, государствам и общественным институтам недостаточно финансировать НИОКР. Необходимо активно участвовать в культурном программировании следующих поколений через поддержку соответствующих фильмов, видеоигр, образовательных программ и медийного контента. Нужно сеять правильные образы сегодня, чтобы через десять лет пожать урожай в виде подготовленного и лояльного потребителя.

Роботы будущего не появятся просто потому, что их соберут инженеры. Они появятся тогда, когда общество будет внутренне готово их принять, понять и впустить в свою жизнь. Работа с этим культурно-временным циклом и есть главный ключ к успешному построением мира, в котором человек и машина сосуществуют в гармонии.

Глава из книги. Прочитать книгу полностью "Время роботов"

Для инвестора декада — это период, который позволяет нивелировать краткосрочную волатильность и получить доходность от роста экономики и производительности. Исследования показывают, что на горизонте десяти лет вероятность убытков при инвестициях в диверсифицированный портфель акций резко снижается. Это срок, за который рынок проходит через разные фазы цикла, компенсируя падения последующими ростами. Финансовые консультанты часто рекомендуют именно десятилетний горизонт для достижения таких целей как формирование пенсионного капитала или накопление на образование детей.

Мы рассмотрели на примерах, что для перехода от инновации к массовому принятию часто требуется также около десяти лет. Этот период охватывает этапы первоначального ажиотажа, корректировки, постепенное совершенствование и, наконец, продуктивную зрелую фазу.

Подведём итог по циклам внедрения информационных технологий:

• Интернет и мобильная связь. От первых коммерческих браузеров середины 1990-х до повсеместного проникновения и появления социальных сетей в середине 2000-х прошло как раз около десяти лет. Аналогичный путь прошли и смартфоны, совершив революцию в коммуникациях и доступе к информации с 2007 по 2017 год.

• Электрический транспорт и электромобили. После выхода Tesla Roadster в 2008 году и Model S в 2012 году индустрии потребовалось десятилетие, чтобы решить ключевые проблемы с инфраструктурой, стоимостью батарей и ассортиментом моделей. Сегодня большинство прогнозов автопроизводителей и аналитиков по доле электромобилей на рынке также даётся на горизонт до 2030 года. Десятилетие — это срок, за который можно построить фабрику, сеть зарядных станций и изменить потребительские привычки.

• Облачные вычисления и искусственный интеллект. Проникновение облачных технологий в бизнес-среду с 20% в 2014 году до 94% в 2024 году также уложилось в десятилетие. При этом такие технологии, как генеративный искусственный интеллект, демонстрируют ускорение этого цикла и переход от лабораторных образцов к массовым инструментам не за 10 лет, а всего за 2–3 года. Однако даже для искусственного интеллекта полный цикл интеграции в бизнес-процессы и получения масштабной экономической отдачи, скорее всего, займёт те же самые 7–10 лет.

Копнём глубже. Успех или провал массового внедрения технологий часто связан с доступностью ключевых природных ресурсов. Мы разбирали, как важно было уложиться в бюджет для массового внедрения смартфонов. Каким же образом достигается ресурсный фундамент технологического бума? Взрывное распространение электромобилей в 2020-х было бы невозможно без резкого снижения себестоимости их производства. Критически важна была доступность редкоземельных металлов как незаменимых компонентов для производства мощных электродвигателей и аккумуляторов.

Ценовой шок

В 2010–2011 годах из-за ограничения экспорта со стороны Китая, контролирующего около 70% мировой добычи, цены на редкоземельные металлы взлетели до исторических максимумов. Однако к концу 2012 года они обрушились. Этот ценовой коллапс был вызван запуском новых месторождений по всему миру и стал мощнейшим катализатором для производителей электроники и автопрома, позволив планировать массовый выпуск продукции с приемлемой себестоимостью.

Параллельно с этим, после достижения пика в 2011 году по цене около $1900 за унцию, цена на золото вступила в длительный нисходящий тренд, который продолжался до 2015 года. Падение цены на главный «защитный» актив сигнализировало о восстановлении доверия инвесторов к экономическому росту и рисковым активам, таким как акции технологических компаний. Капитал уходил из «тихой гавани» золота в инновации. Таким образом, фаза массового внедрения технологий совпала с окном низких цен на критическое сырье, что сделало революционные продукты коммерчески жизнеспособными.

Золото против доллара

Связь между золотом, долларом и технологическими циклами — не случайность, а следствие перетока капитала. Золото, будучи номинированным в долларах, традиционно демонстрирует обратную корреляцию с американской валютой. Укрепление доллара обычно делает золото дороже для держателей других валют и снижает его привлекательность. Сильный доллар, часто обусловленный ужесточением денежной политики ФРС, сжимает ликвидность и делает заёмный капитал дороже, что теоретически может охладить инвестиции в рисковые активы.

Однако на практике в 2010-х годах мы наблюдали более сложную картину. После кризиса 2008 года ФРС долго держала ставки около нуля, доллар был относительно слаб. Когда же в середине 2010-х начались разговоры о нормализации политики и доллар укреплялся, это происходило на фоне уверенного восстановления американской экономики. Инвесторы, видя реальный рост, продолжали вкладываться в технологический сектор, оценивая перспективы его роста. Падение золота в этот период лишь подтверждало переток капитала. Получается, что для технологического бума важнее не абсолютная сила доллара, а общее доверие к экономическому росту в США, которое позволяет инвесторам принимать более долгосрочные риски, характерные для 10-летних горизонтов.

Для производства роботов нужны мощные компактные двигатели, высокоточные датчики и специализированные сплавы. Из-за этого спрос на редкоземельные металлы может вырасти кратно. Будут ли цены сдерживать внедрение? Уже сегодня страны Запада активно инвестируют в создание альтернативных цепочек поставок, независимых от Китая, чтобы снизить риски и волатильность на рынке. Цены на природные ресурсы станут ключевым фактором развития робототехники. Но мы не зря рассматривали в начале книги Китай как технологический полигон для внедрения технологий. Имея контроль над ресурсами, они могут управлять как ценами на металлы, так и объёмами поставок. Дотационная экономика позволяет субсидировать нужные области и не зависеть от цен на редкоземельные металлы.

Другое дело, если мы хотим массового внедрения роботов по примеру смартфонов. Для этого необходима стабильная и предсказуемая стоимость ресурсной корзины на протяжении всего периода массового производства. Инвесторы, оценивающие проекты в робототехнике, уже сейчас закладывают в свои модели не только технологические риски, но и геополитические риски доступа к сырью. Как показали примеры со смартфонами и электрокарами, фаза массового распространения наступает не только благодаря прорывным технологиям и адаптации подрастающего поколения, но и в благоприятное «ресурсное окно». Это ещё один важнейший фактор, который создаёт тот самый Моментум, про который мы уже неоднократно говорили в книге.

Книга "Время роботов" полностью

(Спасибо за лайки и комментарии, которые помогают продвигать)