Людиноподібного робота посадили перед дзеркалом і дали YouTube: Як народжується майже жива машина

Перегляд нескінченних відео на YouTube зазвичай асоціюється з прокрастинацією, але для штучного інтелекту це виявилося одним із найефективніших способів навчання. Саме так інженери з Колумбійського університету вирішили навчити робота не просто говорити, а виглядати по-людськи під час мовлення — з усіма дрібними рухами губ, мімікою та емоційними нюансами, передають Патріоти України з посиланням на IFLScience.

Результатом експерименту став гуманоїдний робот на ім’я EMO, здатний синхронізувати рухи обличчя зі звуками мови та навіть співом без заздалегідь прописаних сценаріїв. Про цей технологічний прорив повідомляє науково-популярне видання IFLScience.

Дзеркало як перший учитель

На відміну від більшості роботів із механічними щелепами, які лише відкривають і закривають рот, EMO має м’які силіконові губи. Під штучною «шкірою» працюють 26 моторів, що забезпечують 10 ступенів свободи рухів — цього достатньо, аби відтворювати найтонші нюанси людської артикуляції.

Навчання розпочалося незвично: робота поставили перед дзеркалом. Він «спостерігав» за власним відображенням, експериментуючи з рухами губ і мімікою — майже як дитина, що вперше знайомиться зі своїм обличчям. Саме так система почала вибудовувати зв’язок між рухами та звуками.

Наступним етапом стали тисячі годин відео з YouTube, де люди розмовляють, співають і виражають емоції. Штучний інтелект аналізував, як саме рухаються м’язи обличчя під час вимови різних звуків, і самостійно навчався відтворювати ці рухи.

У результаті робот зміг не лише «говорити», а й робити це візуально переконливо — без затримок між звуком і мімікою, що раніше й створювало той самий ефект «моторошної долини».

Протягом років спроби створити людиноподібних роботів викликали у людей дискомфорт: штучні обличчя здавалися «неправильними» через мінімальні, але помітні розбіжності між мімікою та мовленням. Розробники EMO переконані, що їхній підхід дозволяє суттєво зменшити цей ефект.

Ба більше, поєднання подібних технологій з великими мовними моделями — на кшталт ChatGPT або Gemini — може змінити сам формат взаємодії між людиною та машиною. Чим більше робот спілкується, тим «живішим» він стає.

Роботи, які навчаються, спостерігаючи за людьми, вже не виглядають фантастикою. Питання лише в тому, наскільки комфортно людству буде жити поруч із машинами, які вміють посміхатися, співчувати і говорити майже так само, як ми.

І якщо сьогодні це лише експеримент у лабораторії, то завтра — цілком можлива реальність.