Ha olyan gépet akarunk, amely a mi világunkban, a mi eszközeinkkel, a mi tereinkben dolgozik, akkor azt a gépet érdemes emberformájúra tervezni, hiszen az ilyen testek képesek ebben gyorsan és hatékonya mozogni, feladatokat teljesíteni.
A humanoid robot eszerint nem szeszély, hanem mérnöki megoldás . A két láb, a két kar, az öt ujj a kulcs ahhoz a zárhoz, amelyet mi magunk faragtunk ki.
Sokan ugyanis egy vállrándítással intézik el a humanoidokat, mint a Szilícium-völgy legújabb hiúsági projektjét.
A forma melletti érv puszta geometria, nem gazdaságtan. Abból, hogy az ember forma illeszkedik a világunkhoz, nem következik, hogy a humanoid robot gazdaságilag életképes, és főleg nem következik, hogy a következő néhány évben azzá válik vagy azzá válhat.
Két dolgon múlik szinte minden, és egyik sem a forma, a robot fizikai alakja. Az első az általánosítás. Képes-e a gép egy új helyzetben, új tárgyakkal, hosszú betanítás nélkül dolgozni, vagy minden egyes feladatra külön hónapokig kell tanítani.
A második a költség. Mennyibe kerül egy ilyen gép megépítése, üzemeltetése és karbantartása, és kisebb-e ez a szám annál, amit a gép megtakarít.
A tét nem csekély, hiszen egy új iparág születik a szemünk előtt.
A fordulópont, ami valódi
Évtizedeken át a robotok azzal a logikával működtek, amit a mérnökök előre beírtak nekik. Egy ipari robotkar a gyárban milliméterre pontosan ugyanazt a mozdulatot végezte el milliószor, de ha valaki négy centiméterrel arrébb tette az alkatrészt, a gép vakon a levegőbe markolt. Ez a merev végrehajtás világa volt. A robot erős volt és pontos, de nem értett semmit abból, amit csinált.
Ami megváltozott, az a mesterséges intelligencia és a fizikai gép találkozása. A nagy nyelvi modellek sikere után a kutatók elkezdték ugyanazt a receptet a mozgásra alkalmazni. Megszülettek az úgynevezett vizuális-nyelvi-cselekvési modellek, amelyek nemcsak szöveget és képet dolgoznak fel, hanem ebből közvetlenül mozdulatot is generálnak.
A Google DeepMind 2023-ban mutatta be az RT-2 nevű modelljét, amely a weben tanult általános tudást próbálta átfordítani robotkar-mozdulatokra, például fel tudott emelni egy olyan tárgyat, amelyet korábban soha nem látott.
A Physical Intelligence nevű cég 2024-ben a pi-nulla (π0) modelljével tovább ment, és ruhák összehajtogatását vagy dobozok összeállítását demonstrálta egyetlen általános modellel. Egy ing összehajtása banális feladatnak hangzik, de a robotika történetében évtizedekig szinte lehetetlennek számított, mert a puha anyag minden fogásnál másképp viselkedik. Hogy ez ma rutinszerű, az valódi előrelépés.
Egy nyelvi modell a szöveg valószínűségeit tanulja meg, egy világmodell azt próbálja megtanulni, hogyan viselkedik a fizikai tér. Mi történik, ha egy poharat az asztal szélére tolunk, melyik irányba dől egy meglökött doboz. Ha egy gép ilyen belső modellt épít a világról, akkor előre tud játszani a fejében egy mozdulatot, mielőtt végrehajtaná. Ez az, ami a merev végrehajtást rugalmas megértéssé változtathatja.
Ha a gép már nem egyetlen betanított mozdulatot ismétel, hanem elvben bármilyen feladatra átformálható, akkor érdemes olyan testet adni neki, amely a mi feladatainkhoz illik. Egy gáztűzhely, egy fóliázó gép, egy raktári polc mind az emberi test méreteire és mozdulataira van tervezve.
Az emberi forma a kulcs a már meglévő környezethez . Nem kell átépíteni a világot a robotok kedvéért, ha a robotot építjük a világ alakjára. Egy speciális, egyetlen feladatra tervezett gép mindig jobb lesz abban az egy feladatban, de egy emberforma gép elvben száz különféle feladatra bevethető ugyanabban a térben.
Egy autógyári példa világítja meg a lényeget. A Mercedes-Benz és a BMW is kísérletezni kezdett az utóbbi években humanoid robotokkal a gyártósorok mellett, éppen azért, mert a gyár már emberi munkásokra van kialakítva. Nem éri meg átépíteni egy teljes üzemet egy új gép kedvéért, viszont egy ember formájú gép elvben beilleszthető oda, ahol eddig ember állt.
Fontos azonban látni, hogy ezek egyelőre kísérletek és korlátozott üzemi próbák, nem pedig tömeges, nyereséges befektetések.
A szép érv határa
A forma melletti érv akkor billen meg, amikor a geometriától a működés felé lépünk. Attól, hogy egy robotnak olyan keze van, mint nekünk, még nem tud úgy fogni, ahogy mi teszük.
A korai prototípusok nem tudtak megbirkózni olyan hétköznapi dolgokkal, mint egy bolti polc változó elrendezése vagy a csukló elforgatása a megfelelő szögbe. Az antropometria, vagyis az emberi test arányainak másolása könnyűnek hangzik, de a gyakorlatban a finom mozgás ezernyi részletén bénulhat meg.
Hans Moravec és társai már a nyolcvanas években észrevették, hogy ami az ember számára nehéz, például a sakk vagy a bonyolult számolás, azt a gép könnyen megoldja, ellenben ami a kisgyereknek is könnyű, például egy tárgy felvevése vagy a járás, az a gépnek rendkívül nehéz.
Negyven évvel később ez a paradoxon még mindig érvényes. A mesterséges intelligencia ma könnyedén ír verset, és programkódot, de egy üveg kinyitása vagy egy kulcs beillesztése a zárba a legfejlettebb robotoknak is óriási kihívás. Ahogy a Genesis AI egyik vezetője fogalmazott, a robotika igazi, még megoldatlan magja a manipuláció, és éppen ez oldaná fel az érték több mint kilencven százalékát.
A Physical Intelligence egy 2026-os összmérésen tíz háztartási feladatot próbált végrehajtani, és a robotok átlagosan csak az esetek körülbelül ötvenkét százalékában jártak sikerrel, miközben majdnem minden feladatot 4x -10x idő alatt végeztek el, mint egy ember.
Képzeljünk el egy munkatársat, aki minden második feladatot elront, és a többit is ötször lassabban csinálja. Egy gyárban vagy egy háztartásban ez egyelőre használhatatlan.
Van egy másik, kevésbé látványos korlát is, a mai humanoidok sokáig képtelenek egyben tartani a fejükben egy hosszabb, többlépéses feladatot, a legjobb modellek is csak néhány perc emlékezőtehetséggel bírnak, a tényleges gépek pedig túlmelegednek, és egy Unitree G1 például öttől tizenöt percig bírja, mielőtt pihentetni kellene.
Amikor egy cég videót tesz közzé arról, ahogy a robotja italt kever vagy táncol, a néző azt hiszi, hogy a gép önállóan cselekszik. Gyakran azonban nem erről van szó. A Tesla 2024 októberében, a We, Robot nevű eseményen bemutatott Optimus robotjairól kritikusok kimutatták, hogy nagyrészt távolról irányították őket emberek, és a cég erről nem tájékoztatott őszintén. A szakmai berkekben ennek teleoperáció a neve, vagyis az ember a háttérből vezérli a gépet.
A táncolás ironikus módon könnyebb, mint a hasznos munka, mert, ahogy egy szakíró megjegyezte, a padló nem csinál semmit, csak ott van, miközben egy felvett tárgy mindig reagál. A tánc látványos, de a világ nem válaszol rá.
A munka ezzel szemben a világ folyamatos válaszával való párbeszéd.
A pénz logikája
Egy szoftvercég olcsón és gyorsan nő, mert a kódot egyszer megírják, aztán ingyen másolják. Egy robotcégnek viszont vasat kell gyártania, beszállítói láncot építenie, és minden egyes legyártott példány kerül valamibe. A legtöbb humanoid robotot gyártó cég egy bizonyos fázisban elakad, ott, ahol a látványos prototípust tömeggyártássá és nyereséges üzletté kellene váltani.
Ez a megakadás fázisa, és a technológiatörténet tele van olyan ígéretes gépekkel, amelyek pontosan itt haltak el.
Közben a nagy bankok elemzői látványos számokat tesznek az asztalra. A Goldman Sachs 2024 elején azt prognosztizálta, hogy a humanoid robotok globális piaca elérheti a 38 milliárd dollárt 2035-re, ami hatszorosa a korábbi becslésüknek, és ebben az évben már több mint egymillió négyszázezer eladott egységgel számoltak.
A Morgan Stanley elemzői ennél is nagyobb, hosszú távon több ezer milliárd dolláros piacot vizionáltak.
Ám érdemes közelebbről megnézni ezeket a számokat. Maga a Goldman Sachs írta oda a jelentéséhez, hogy a tömeggyártott, általános célú humanoid robotok életképessége még nincs bizonyítva, és komoly akadályok maradtak a fogás és az interakció terén.
Ebből fakad az egységköltség kérdése, amely a legélesebben teszi próbára a forma melletti érvet. A Goldman becslése szerint egy humanoid robot előállítási költsége nagyjából 30.000 és 150.000 dollár között mozgott, ami egy év alatt szépen csökkent.
Elon Musk a Tesla Optimusát körülbelül harmincezer dolláros céláron ígérte, csakhogy a vételi ár csak a jéghegy csúcsa.
Egy gép valódi költsége a telepítés, a betanítás, a karbantartás és a elromlás, és ezek gyakran sokszorosan meghaladják a címkén szereplő árat. Ha egy robot az esetek felében hibázik és ötször lassabb, akkor a hozzá rendelt emberi felügyelet és javítás költsége elviheti az egész megtakarítást.
A robotika története a be nem váltott ígéretek története is.
Rodney Brooks, a terület egyik doyenje úgy fogalmazott, hogy ritkán látott olyan új technológiát, amely egy laborbeli bemutatótól számítva kevesebb mint tíz év alatt ténylegesen bevetett megoldássá vált volna.
Ugyanez a minta ismétlődött az önvezető autóknál. Tíz évvel ezelőtt a próféták azt ígérték, hogy néhány éven belül mindenki önvezető autóban kerékpározik a munkába, mégis a Waymo még 2026-ban is csak nagyjából egy tucat városban közlekedik. Nem arról van szó, hogy az önvezetés kudarc lett volna, hanem arról, hogy sokkal, de sokkal tovább tartott, mint bárki ígérte. A humanoidok valószínűleg ugyanezt az utat járják.
2026 elején már megjelentek az első óvatos hangok, amelyek humanoid buborékról beszéltek, arról, hogy a befektetés és a várakozás messze előreszaladt a tényleges képességekhez képest. A pénz logikája tehát két irányba húz. Az egyik oldalon a valódi műszaki haladás és a hatalmas elvi piac, a másikon a bizonyítatlan egységköltség és a történelmi túllelkesedés.
A munka kérdése
A történelem azt mutatja számunkra, hogy az automatizálás ritkán törli el teljesen a munkát, inkább átformálja. Amikor a bankautomata megjelent, sokan a pénztárosok végét jósolták, mégis a pénztárosok száma egy ideig nőtt, mert az automata olcsóbbá tette egy fiók üzemeltetését, így a bankok több fiókot nyitottak, ám a pénztáros munkája átalakult.
A humanoidokkal valószínűleg hasonló lehet: nem egyszerű csere, hanem átrendeződés, amelyben bizonyos feladatok eltűnnek, mások átalakulnak, és néhány teljesen új munka keletkezik.
Egy közgazdász azt mondaná, hogy az igazi kérdés nem az, hány munkahely tűnik el összességében, hanem az, hogy milyen munkák tűnnek el és milyenek keletkeznek.
Ha egy raktári dolgozó munkáját egy humanoid veszi át, attól még nem lesz belőle egyik napról a másikra robot mérnök.
Az átrendeződés győztesei és vesztesei gyakran külön emberek, külön végzettséggel és külön sorssal.
Ezért a szikár, nyugodt mondat, hogy a technológia hosszú távon több munkát teremt, mint amennyit elvesz, igaz lehet a nemzetgazdaság szintjén, és közben fájdalmas lehet egy konkrét ember életében.
Marad egy mélyebb kérdés: ki aratja le a hasznot. Ha a humanoidok tényleg átveszik a fizikai munka egy részét, akkor a megtermelt érték vagy a gépek tulajdonosaihoz, vagy a társadalom szélesebb köréhez áramlik. Ez nem műszaki, hanem politikai kérdés, és a válasz nem a robotok képességein, hanem az adózáson, a tulajdonláson és a szabályozáson múlik.
Optimistán tekintve a kérdésre, és bízhatunk abban, hogy a haszon szétterül. A történelem ezen a ponton nem ad egyértelmű és hasznos leckét.
A tét
Aki olcsón és tömegesen tud ilyen gépeket gyártani, az nem egyszerűen pénzt keres, hanem a jövő termelő kapacitását uralja. Ez az érv a mesterséges intelligencia kormányzásának logikáját terjeszti ki a fizikai világra.
A földrajzi kép nagyon kiélezett. Kína évtizedek óta a világ gyára, és a robotok esetében kettős előnye van. Egyrészt ő uralja a beszállítói láncot, a motoroktól az akkumulátorokon át a ritkaföldfém-mágnesekig, másrészt óriási belső piaca és állami támogatása van.
Az Egyesült Államok a szoftver és a csúcschipek terén vezet, de a fizikai gyártásban leszakadt. A humanoidok versenye így a huszonegyedik század ipari és katonai erejének egyik mérőfokává válhat.
Ha minden cég és minden ország attól tart, hogy lemarad a humanoid versenyben, akkor mindenki beruház, még mielőtt a technológia bizonyított volna. Így a félelem önbeteljesítő jóslattá válhat, de fordítva is, egy túlfűtött narratíva buborékot fújhat túl nagyra, amely később fájdalmasan kipukkad.
Két hibás véglettől érdemes óvakodni. Az egyik a sci-fi lekicsinylés, amely egy videó láttán legyint, hogy ez csak egy táncoló játék, és nem veszi észre a mélyén zajló valódi műszaki fordulatot.
A másik a befektetői eufória, amely minden demót a jövő bizonyítékának lát, és a hatalmas piaci előrejelzéseket összetéveszti a tényekkel.
Mit figyeljünk tehát, ha tudni akarjuk, elfordul-e a kulcs? Ne a demókat, a látványos videó a legkevésbé megbízható jel, mert arra készült, hogy lenyűgözzön.
Ehelyett két unalmasabb számot érdemes nézni. Az első az általánosítás, vagyis hogy egy gép mennyi új feladatot képes megtanulni érdemi új betanítás nélkül, és milyen megbízhatóan.
A második a valódi, órabér jellegű költség, a gép teljes élettartamra vetített költsége egy hasznos munkaórára. Amikor ez a két szám átlép egy küszöböt, a kulcs elfordul, és a humanoidok csendben, demók nélkül elkezdenek megjelenni a raktárakban és a gyárakban. Addig viszont egy jól formált, ígéretes, de még mozdulatlan kulcsot tartunk a kezünkben.
A kérdés az, lesz-e elég erőnk és türelmünk kivárni, amíg a zár enged, és közben nem hiszünk el minden történetet, amit a várakozás közben mesélnek nekünk.
Irodalomjegyzék
Alaoui, M. (2027). The humanoid economy: What physical AI means for investment, industry, and the future of work. Wiley.
Apptronik. (2024). Apptronik and Mercedes-Benz enter commercial agreement to deploy Apollo humanoid robots. https://apptronik.com
Bessen, J. (2015). Learning by doing: The real connection between innovation, wages, and wealth. Yale University Press.
Figure AI. (2024). Figure 02 and the BMW Group: Humanoid robots at the Spartanburg plant. https://www.figure.ai
Goldman Sachs. (2024, február 27). The global market for robots could reach $38 billion by 2035. https://www.goldmansachs.com/insights/articles/the-global-market-for-robots-could-reach-38-billion-by-2035
Google DeepMind. (2023). RT-2: New model translates vision and language into action. https://deepmind.google/discover/blog/rt-2-new-model-translates-vision-and-language-into-action/
Központi Statisztikai Hivatal. (2024). Népesség, népmozgalom. https://www.ksh.hu
Moravec, H. (1988). Mind children: The future of robot and human intelligence. Harvard University Press.
Physical Intelligence. (2024). π0: A vision-language-action flow model for general robot control. https://www.physicalintelligence.company/blog/pi0
Wikipedia. (2026). Optimus (robot). https://en.wikipedia.org/wiki/Optimus_(robot)
Williams, K. (2026, szeptember 1.). Why humanoid robots won't catch up to human workers any time soon. Understanding AI. https://www.understandingai.org/p/why-humanoid-robots-wont-catch-up
Megjegyzések
Megjegyzés küldése