クロードとロボット犬：人類学的実験が示したもの

新しいテスト 人間原理 それは、もはやSFではない問題に焦点を当てています。 言語モデルがロボットを調整すると何が起こるでしょうか?。 で プロジェクトフェッチ彼らのクロードシステムは、ロボットがどこまで行けるかをテストすることを目的として、ロボット犬の操作を支援しました。 IA 物理学 テキストから動きへ移行します。

見出し以外にも、この実験は機能と限界についての明確な手がかりを提供します。 クロードは必要なプログラミングの多くを自動化した 四足動物が物理的な動作を実行できるようにし、 それは、チームが特定のタスクをより速く進めるための触媒として機能しました。.

AIと物理世界：実験室から実践へ

元OpenAI研究者によって設立されたAnthropicは、長年にわたり高度なモデルのリスクと実用化を研究してきました。今回の仮説は簡潔なものでした。 LLMがコーディングとインタラクションを習得していくと、 ソフトウェア、実際のオブジェクトに影響を与え始めることができる社内セキュリティ チーム (レッド チーム) は、制御された環境でこの遷移を観察したいと考えていました。

研究者は、現在のモデルはまだ複雑なロボットを完全に制御していないと指摘しているが、 彼らは、将来のバージョンでは操作の余地がさらに広がると予想しています。したがって、人間がAIをどのように利用して身体的な行動をプログラムし、調整しているかを分析することは有用である。特に、 人型ロボットその瞬間が来る前に。

プロジェクトフェッチの設計

このテストでは、ロボット工学の経験がない2つのチームが対戦しました。1つはクロード氏の支援を受け、もう1つはAIの支援なしでプログラミングを行いました。両チームは、リモコンを使ってUnitree Go2ロボット犬を操作し、コントローラーやプラットフォームを使ってコードを記述する必要がありました。 アルドゥイーノ・ウノQへ 難易度が増すタスクを実行するある地点に向かって歩くことから物体を見つけるまで。

クロードのグループは、四足歩行を含むいくつかの目標をより早く達成することができた。 歩いてビーチボールを探しますこれは、人間のみのチームではテスト環境下では達成できなかったことです。鍵となったのは魔法ではありませんでした。モデルがコードを生成・改良し、ロボットとの接続を高速化し、摩擦を軽減したのです。

アントロピックは作業のダイナミクスを記録し分析した。記録では、AIを導入していないチームはより多くのフラストレーションと疑念を表明したのに対し、クロードの支援を受けたチームは よりわかりやすいコントロールインターフェースを実現するようです。 よりスムーズな起動が可能になりました。しかし、すべての目標が達成されたわけではなく、自律性にも限界がありました。

選ばれたロボット犬：Unitree Go2とその目的

評価対象には、中国杭州のUnitree社が製造するGo2モデルが選ばれた。価格は約 ドル16.900この分野の他の機器と比較すると比較的タイトな数値であり、建設および製造業における遠隔検査タスク、セキュリティパトロール、または巡回に使用されます。

この四足歩行動物は独立して動くことができるが、実際には 高官の命令または人物の統制最近の市場分析によると、Unitree システムは最も普及しており、AI 支援プログラミングが限界をどこまで押し広げられるかを確認するための魅力的なテストの場となっています。

結果はLLMについて何を明らかにするのでしょうか?

優れた言語モデルはもはや単にテキストを書くだけではありません。近年では、 コードを生成して管理する ソフトウェアProject Fetch では、この機能により、反復的なプログラミング タスクに費やす時間が短縮され、エラーを反復してロボットの動作を適応させるためのステップバイステップのガイドが実現しました。

慎重な解釈としては、完全な制御について話しているわけではないが、 AIは非専門家チームの参入障壁を下げる LLMは物理プラットフォームに有用なアクションを実行させます。これは質的な変化です。LLMは単なるテキスト生成器から、システムオーケストレーターとして機能し始めています。

リスクと安全策：恐怖を避ける方法

AI に機械を操作する能力を与えると、明らかなリスクが生じます。 コードエラー、欠陥のあるデータ、または意図的な誤用 これらの故障は物理的な影響を及ぼす可能性があります。産業用ロボットは、独立した保護機能によってこれらの故障を軽減することを古くから学んできました。 ソフトウェア.

この文脈において、専門家は、運用境界、生成されたコードの監査、そして何よりも、 機械式緊急スイッチとプロトコル モデルに依存しない。人類学的研究はまさにその予防論理の枠内で構築されている。

新たなアプリケーションと必要な予防措置

適切な安全対策を講じれば、同じアプローチを物流、保守、検査、あるいは 人間の存在が複雑な環境における支援目的は技術者を置き換えることではなく、構成を加速し、より適応的な対応を可能にするツールを提供することです。

これらの利点を実現するためには、安全な慣行、明確な文書化、そして 責任ある展開基準そうしないと、技術の進歩が国民の信頼や完全に回避可能な運用上のリスクと衝突する可能性があります。

Project Fetch の経験は、転換点を示唆しています。 クロードは、LLMがコードとアクションの距離を縮めることができることを実証しました。四足歩行ロボットで現実世界のタスクを効率化すると同時に、物理的な世界への飛躍には、制御、厳格なテスト、それに見合った安全文化が必要であることを思い起こさせます。