Автономные лаборатории — это новая технология, где искусственный интеллект (ИИ) управляет экспериментами, помогает планировать их и улучшать решения. Они вызывают споры: кто должен вести науку — люди или машины? В свежей статье из Аргоннской национальной лаборатории и Школы молекулярной инженерии Университета Чикаго (UChicago PME) предлагают решение: оба вместе.

Авторы, под руководством профессора Цзе Сюя (он работает в Аргонне), описывают модель "ИИ-консультанта". Она вдохновлена программами для трейдеров на бирже: ИИ анализирует данные, но люди принимают финальные решения, опираясь на свой опыт.

"Консультант следит за экспериментами в реальном времени. Если что-то идёт не так, он советует учёным изменить стратегию или дизайн. Это делает процесс гибким и повышает эффективность по сравнению с жёстким подходом", — объясняет Сюй.

Соавтор Генри Чен добавляет: "Мы не ставим ИИ выше людей. Каждый фокусируется на своих сильных сторонах. Люди участвуют в самосовершенствовании ИИ, чтобы вместе делать открытия".

Команда применила модель к разработке электронных материалов. С помощью робота Polybot в Аргонне они создали полимер MIECP, который показал на 150% лучшую производительность, чем предыдущие версии.

Это помогло выявить ключевые факторы: большее расстояние между кристаллами и большая площадь поверхности. "В материаловедении две цели: улучшить материал и понять, как параметры влияют на результат. Эта модель достигает обеих", — говорит соавтор Сихонг Ван.

Сюй подчёркивает: ИИ силён в обработке данных, но слабее в решениях на основе малого количества информации — здесь нужны люди. Метод универсален и подходит для других лабораторий. Он поощряет партнёрство человека и машины.

В будущем взаимодействие станет двусторонним. "Сейчас ИИ даёт советы, а люди решают. Скоро ИИ будет учиться на наших действиях и адаптироваться", — планирует Чен.

TRON 2 позиционируется как многопрофильный (multi‑form) робот, ориентированный на взаимодействие с физическим миром. Он оснащен сменными модулями для ног, что позволяет адаптировать его для разных поверхностей и задач.

Здесь ИИ и физическое тело работают как единая система: робот учится через движение, адаптируется к среде и взаимодействует с людьми.

Присоединяйтесь к интересному

К концу 2025 года, по оценкам аналитиков, до трети ИИ-проектов будут закрыты. Для кого-то это выглядит как крах, но на деле - закономерный этап развития технологии. Любая новая производительная сила проходит через противоречие между ожиданиями и реальностью, между возможностями и существующими условиями. Только пройдя через этот конфликт, отрасль находит устойчивую форму и начинает приносить реальную пользу.

Корпорации по всему миру вливают миллиарды в искусственный интеллект. Инвестиции в генеративные решения уже превысили 30-40 миллиардов долларов, но отдача часто минимальна. Причина проста: технологии приходят в бизнес как внешний элемент, не встроенный в структуру процессов и трудовых отношений. Почти 95% пилотных ИИ-проектов не доходят до промышленной стадии.

Большинство пилотов живут в тепличных условиях - с чистыми данными, идеальными сценариями и вдали от реальных противоречий рынка. Но производство не существует в вакууме: данные грязные, клиенты непредсказуемы, сотрудники сопротивляются переменам. Именно здесь обнажается несоответствие между техническими возможностями и социально-организационной базой, на которую они опираются.

Многие компании создают прототипы ради внешнего эффекта: презентации, демонстрации, громкие обещания. Экономическая логика при этом теряется. Возникает иллюзия прогресса без его содержания - красивая форма без внутреннего движения.

Настоящий результат дают не те, кто гонится за новыми моделями, а те, кто перестраивает саму организацию труда, готовит людей и связывает ИИ с конкретными показателями прибыли, времени и качества.

Почему пилоты рушатся при масштабировании? Пока проект мал, противоречия сглажены. Но стоит перенести систему в реальную среду и внутренние противоречия обостряются. Например, в одном банке ИИ-пилот показал отличные результаты на чистых данных, но после внедрения точность упала на четверть: система столкнулась с хаосом реальных потоков информации. Чтобы наладить работу, пришлось создавать новую инфраструктуру очистки и обновления данных.

Исторические данные отражают прошлое, а рынок живёт в настоящем. Когда условия меняются, алгоритм начинает ошибаться. Один ecom-гигант потерял эффект от ИИ-рекомендаций через полгода после внедрения — модели не успели адаптироваться к новому поведению пользователей. Пришлось создать цикл регулярного переобучения, чтобы вернуть эффективность.

То, что работает в малом масштабе, рушится при росте нагрузки. В телеком-компании голосовой помощник успешно прошёл тест, но при запуске на федеральном уровне система начала сбоить. Возникло классическое противоречие между технической базой и растущими потребностями - его пришлось решать расширением мощностей и перестройкой архитектуры.

Любая технология вторична по отношению к человеку и коллективу, который её использует. Если организация не готова меняться, если работники видят в нововведениях угрозу, никакой ИИ не приживётся.

Исследования показывают, что треть российских компаний сталкивается с сопротивлением сотрудников при цифровизации. Это не психологическая проблема - это отражение конфликта интересов. Люди защищают привычный порядок труда, опасаясь потери контроля или статуса.

Компании, которые внедряют ИИ постепенно, достигают успеха. ВТБ, например, начал с малого - автоматизации обработки обращений в одном подразделении. После обучения команды и сбора отзывов проект масштабировали. Результат: меньше ручной работы, выше скорость, больше вовлечённости.

Технологические преобразования требуют участия всех уровней - от руководителей до операторов. Только когда люди понимают, зачем происходят изменения, и видят их пользу, технология становится частью живого производственного организма.

ИИ-проекты часто тонут в бесконтрольных расходах. Это проявление того, что экономическая основа и технологическая надстройка движутся вразнобой. Без чётких фаз, метрик и системы обратной связи инвестиции превращаются в абстрактные цифры.

Компании, которые умеют удерживать баланс, строят процесс поэтапно. Каждый этап — с фиксированным бюджетом, конкретными KPI и возможностью закрыть проект при отсутствии прогресса.

ММК, Barclays и Deloitte показывают, что успех приходит не через веру в чудеса, а через организацию труда и управление изменениями.

- ММК получил свыше 4,5 млрд рублей экономического эффекта от внедрения ИИ-прогнозирования в сталеплавильном производстве.

- Barclays, обучив сотрудников работе с новой системой, повысил удовлетворенность клиентов с 60% до 90%.

- Deloitte персонализировал обучение с помощью ИИ и сократил время адаптации на треть.

Эти результаты доказывают, что технологии дают эффект лишь тогда, когда встроены в экономическую и человеческую ткань предприятия.

Текущий спад - не катастрофа, а форма очищения. Отрасль избавляется от случайных, спекулятивных проектов и готовится к новому витку роста. Противоречие между хаотичным экспериментированием и реальными потребностями бизнеса постепенно разрешается.

В ближайшие годы рынок станет более структурным:

- появятся отраслевые решения, доказавшие свою эффективность;

- исчезнут универсальные «пустышки» с модным ярлыком;

- сформируется новая норма - технология как инструмент производительного труда, а не украшение для отчётов.

Для компаний, которые только вступают в этот процесс, главный вывод прост: искусственный интеллект - не волшебная сила, а новая ступень в развитии производственных отношений. Его ценность определяется не эффектностью, а тем, насколько он реально повышает эффективность труда и снижает издержки.

Кто научится видеть за технологией реальную материальную основу, тот и выведет свой бизнес в новую эпоху. Остальные останутся в прошлом вместе с неудавшимися пилотами.

Знаю, что на Пикабу наверняка уже обсудили эту новость, но спешу поржать с этого вместе с остальными и внести свою лепту в эту тему.

Падение в самом начале презентации директор компании-разработчика объяснил процессом «обучения в реальном времени». Он также подчеркнул инновационный характер всего проекта. Согласно заявлению, устройство оснащено системой из 19 сервоприводов и способно воспроизводить 12 базовых эмоций.

Вот таким заголовком от 17 октября 2025 года поделились на сайте Минпромторга РФ буквально перед презентацией (https://crp.gov.ru/news/assotsiatsiya-po-proizvodstvu-gumano...):

Ассоциация по производству гуманоидных роботов привлечет до 4 млрд рублей.

По словам из новости, предполагается, что финансирование будет поступать от частных инвесторов и от фондов — и российских, и зарубежных, из дружественных стран.

Самое интересное в этом всём то, что мы если не прямо, то косвенно всей страной причастны к созданию столь "замечательных" проектов. Совсем недавно кринж с процессором "Байкал-М", а сейчас это чудо-юдо вывели упасть для дополнительного позора.

Почему так у нас вечно происходит? Ответ очевиден любому вменяемому и умеющему думать человеку, о котором я промолчу, когда прямых доказательств нет, чтобы не словить бан за "НИДАКАЗАНА" от администрации.

При этом хочу напомнить, как живёт страна, которая так или иначе боится своей власти наверху и уважает их и свой народ, показав Вам некоторые разработки Советских времён, когда вообще странно было даже мыслить о нынешних технологиях и возможностях, но наши Великие ученые могли всё, что другим казалось фильмом из жанра фантастика.

Первый мобильный телефон в мире родом из СССР.

Система умного дома "СФИНКС"(Суперфункциональный информационно-коммуникационный комплекс) так же придумали в СССР.

Первый советский андроид" - робот-секретарь АРС (на нём остановимся чуточку подробнее).

АРС или по-домашнему Арсик умел очень многое:

• Будил утром и включал запись утренней гимнастики;

• Напоминал о планах на предстоящий день

• Отвечал на звонки, разговаривал по телефону и записывал разговор;

• В случае необходимости (при срабатывании определённых датчиков) мог сам позвонить и вызвать аварийные службы;

• Умел включать в запланированное время телевизор, радио или магнитофон, а также мог записывать телевизионные или радиопрограммы;

• Мог включать или выключать свет и регулировать нагрев батарей;

• Умел реагировать на звонок в дверь и открывал ее, если хозяин был дома;

• Встречал гостей приветствием, провожал в гостиную, предлагал напитки и сам разливал и подавал их на специальном столике.

И весь этот функционал сделал Борис Гришин в 1966 году! Вы представляете? Почти 60 лет прошло, но наши современные роботы падают на главных своих презентациях, которые на их сайте преподносят, как величайшее событие их фирмы.

Хочу добавить слова первого комментатора:

Clone Robotics представила Protoclone — гуманоидного робота, созданного для точного воспроизведения анатомии и кинематики человека. По заявлению компании, платформа сочетает полноценную скелетную систему и свыше тысячи искусственных «мышц», а гидравлический привод имитирует сокращение и расслабление мышечных пучков для близких к человеческим траекторий движений.

В основе Protoclone — биомиметический подход: силовая структура повторяет пропорции и сочленения опорно‑двигательного аппарата, а распределённая система приводов позволяет добиваться высоких степеней свободы и тонкой модуляции усилий. Гидравлика выполняет функцию мышечных актуаторов, обеспечивая быстрый отклик и плавность хода, что потенциально повышает точность манипуляций по сравнению с традиционными сервоприводами.

Разработчик позиционирует платформу как основу для исследований в области биомеханики, управления движением и человеко‑машинного взаимодействия, а также для задач точной манипуляции, ассистивной робототехники и тестирования алгоритмов ИИ‑управления. Биомиметическая конструкция рассчитана на обучение управлению «от намерений к движению», что может ускорить перенос навыков из симуляций в реальные сценарии.

Посмотрим, как компания справится с инженерными вызовами, характерными для «мышечных» гуманоидов: энергоэффективностью и надёжностью гидравлики, долговечностью множества приводных каналов, а также сложностью координации тысяч актуаторов в реальном времени. Ближайшие шаги включают расширение испытаний, публикацию метрик производительности и демонстрации прикладных сценариев.

UCLA представила носимый неинвазивный интерфейс мозг–компьютер с ИИ‑«копилотом», который ускорил выполнение задач до четырёх раз по показателю достижения целей по сравнению с режимом без ИИ.

Система сочетает декодирование сигналов ЭЭГ с «совместной автономией»: пользователь посылает мозговые команды высокого уровня, а ИИ интерпретирует намерение и берёт на себя рутинные микро‑действия. Для управления курсором «копилот» на основе обучения с подкреплением оценивает наиболее вероятную цель и мягко «подтягивает» траекторию к ней, для роботизированной руки модуль компьютерного зрения распознаёт объекты и автоматизирует захват и укладку. Декодер ЭЭГ реализован гибридно — сверточная нейросеть для выделения признаков и адаптивный фильтр Калмана по образцу ReFIT для стабильного онлайн контроля.

В контролируемых испытаниях участвовали четыре человека, включая одного участника с параличом. Во всех случаях ИИ заметно ускорял выполнение: в курсорной center‑out‑задаче прирост производительности участников достигал примерно 3,9× по метрике «попаданий/целей в минуту», а манипуляции роботизированной рукой (перекладка блоков) стабильно удавались только при активном «копилоте». Парализованный участник завершал робо‑задачу за 6,5 минут с ИИ, тогда как без ИИ выполнить её было невозможно. Носимый неинвазивный формат рассчитан на использование вне операционных и без имплантов.