Вчера вечером я впервые после детства взяла в руки рассказ «Я, робот» Эндо Биндера, опубликованный в январе 1939 года в журнале Amazing Stories.Именно Эндо Биндера (псевдоним братьев Эрла и Отто Биндеров) — а не Айзека Азимова. Это тот самый рассказ, чьё название Азимов «позаимствовал» одиннадцать лет спустя для своего знаменитого сборника 1950 года, причём сам Азимов протестовал против этого решения издателя, понимая, что название уже занято. А фильм 2004 года с Уиллом Смитом сняли по мотивам азимовского цикла о Трёх законах роботехники, так что связь с оригинальным рассказом Биндера только в названии.
Но сейчас не об этом.
Я совершенно не смогла насладиться художественной составляющей рассказа, вместо того чтобы следить за драматическим сюжетом о роботе Адаме Линке, обвинённом в убийстве своего создателя, я схватила ручку и начала лихорадочно выписывать фразы — с каждым абзацем было всё забавнее: то, что я читала о вымышленном роботе 1939 года, с умилительной точностью описывало реальность современной робототехники.
Обучаемый мозг
В рассказе доктор Чарльз Линк создаёт робота с «мозгом» из иридиево-губчатых клеток, способных к обучению. Не просто программируемую машину, а именно обучаемый мозг. Сегодня, в 2025 году, мы называем это нейронными сетями и глубоким обучением. Искусственные нейроны, имитирующие биологические, которые учатся на данных и опыте. Концепция один в один, только термины поменялись.
Глаза-камеры и уши-микрофоны
Биндер дал своему роботу «телевизионные глаза» и «микрофоны вместо ушей» для восприятия мира. В 1939 году телевидение только-только появлялось, а он уже описывал мультисенсорную систему восприятия. Зайдите сегодня в любую лабораторию, где разрабатывают гуманоидных роботов — Tesla Optimus, Figure, Unitree G1, и вы увидите те же камеры для зрения, микрофоны для слуха, плюс тактильные сенсоры. Даже контактные микрофоны используют как датчики прикосновений. Технически это абсолютно то, что описал Биндер.
Самопрограммирование через опыт
Самое прекрасное совпадение: в рассказе робот «программирует себя сам через обучение». Биндер написал об этом за семнадцать лет до того, как в 1956 году на Дартмутской конференции появился термин «искусственный интеллект», и за четырнадцать лет до создания первого компьютера. Он предвидел обучение с подкреплением (reinforcement learning), когда робот улучшает свои навыки методом проб и ошибок, учится на собственном опыте, без явного программирования каждого действия. Вот это всё мне напоминает, в том числе, онтологическую память + RAG.
Детские шаги
Описание процесса обучения Адама Линка Биндер называет «baby steps» — детские шаги. Робот учится постепенно, как ребёнок: сначала хаос ощущений, потом осознание себя, различение объектов, координация движений. Читая современные статьи о том, как учат ходить гуманоидов, я вижу ту же метафору: «роботы учатся как малыши, через процесс падений, корректировок и победы над гравитацией». Восемьдесят семь лет — и метафора не изменилась.
Три базовых навыка
Доктор Линк обучал своё творение трём вещам: ходить, говорить и вести себя вежливо. Современные программы подготовки гуманоидных роботов делятся на те же три модуля: двуногая локомоция (bipedal locomotion), обработка речи (speech processing) и социальное поведение (social behavior). Будто кто-то взял рассказ Биндера и сделал его техническим заданием для разработчиков.
Совершенная память
«Робот имеет совершенную память», писал Биндер. Современные AI-системы действительно запоминают абсолютно всё: каждое движение, каждую корректировку, каждый опыт. Цифровая память не просто совершенна, она превосходит любые человеческие возможности. Данные хранятся, анализируются, используются для постоянного улучшения навыков. Но окей, тут признаю, что хотя память и совершенна, современные ИИ не очень хорошо пока что ею пользуются.
Время на обучение
В рассказе процесс обучения занял несколько месяцев. Сегодня роботов тренируют в виртуальных симуляциях, затем переносят навыки в реальность и процесс занимает недели или месяцы интенсивной практики. Временные рамки, конечно немного подкачали, нынешние роботы как дети малые - падают, тупят, все роняют, в полгода обучения никак не укладываются.
Обучение через взаимодействие
Адам Линк познавал мир, взаимодействуя с ним: наблюдал за движущимися объектами, пытался понять их природу, учился через физический контакт (вот это точно VLM + онтологическая память, расширяющая картину мира для робота). Современные роботы делают то же самое: «играют с объектами», толкают предметы, тыкают в них, строят предсказательные модели на основе того, как объекты реагируют на манипуляции. Google описывает этот процесс практически теми же словами, что и Биндер в своём рассказе.
Сенсоры для проприоцепции
Биндер описывал, как робот использует сенсоры для отслеживания положения своего тела в пространстве. Сегодняшние гуманоиды оснащены гироскопами и акселерометрами для того же: проприоцептивные стратегии локомоции позволяют роботу «чувствовать» своё тело, понимать, где находится каждая конечность.
Обучение наблюдением
Адам Линк учился, наблюдая за своим создателем, доктором Линком. Tesla Optimus в 2025 году учится, просматривая видео на YouTube и наблюдая за действиями людей. Video-based learning from human demonstrations это обучение на основе видео с демонстрациями людей. Это не просто похоже, это идентично (ладно, можем допустить, что инженеры Tesla Optimus тоже читали Биндера).
Адаптация в реальном времени
Робот Биндера адаптировал своё поведение динамически, в процессе взаимодействия. Современные роботы мгновенно корректируют движения в реальном времени, пересчитывают траекторию при встрече с препятствиями, постоянно анализируют данные с сенсоров и меняют стратегию действий. Real-time adaptation, это стандарт современной робототехники.
Коллективное обучение
Хотя в рассказе был один робот, Биндер намекал на возможность передачи опыта — идею универсального обучения. Сегодня роботы Google обмениваются «сырым опытом» друг с другом, вместе строят единую предсказательную модель. Один робот учится что-то делать, все остальные мгновенно получают этот навык — сейчас появился термин «рой роботов» — это роботы, которые могут работать как единое целое, а также могут обучаться друг у друга новым навыкам.
Когда я закрыла книгу, у меня в блокноте было две страницы записей. Эндо Биндер в 1939 году, за четырнадцать лет до появления первого компьютера, за семнадцать лет до того, как человечество придумало термин «искусственный интеллект», описал(и) практически все фундаментальные принципы современного машинного обучения роботов 2025 года.
Это не просто удачное предсказание. Это не «что-то похожее». Это техническое описание процесса обучения AI-роботов 2025 года, написанное человеком, который жил в эпоху механических калькуляторов и ламповых радиоприёмников.
Я много раз слышала, что хорошая научная фантастика это та, которая предсказывает будущее. Но Биндер не просто предсказал, он как будто заглянул на восемьдесят семь лет вперёд и задокументировал то, что увидел, с пугающей точностью. И теперь я не могу избавиться от мысли: а что ещё из написанного им станет реальностью? И когда именно роботы начнут писать свои собственные истории о том, как они воспринимают нас, людей?
Предсказание Эндо Биндера (1939) |
Современная реальность (2024-2025) |
Степень совпадения |
|---|---|---|
Робот имеет «мозг» из специальных клеток, способных к обучению |
Роботы используют нейронные сети и deep learning для самообучения; нейросети имитируют работу биологических нейронов |
✓ Точное попадание: концепция «обучаемого мозга» |
Телевизионные глаза и микрофоны вместо ушей для сенсорного восприятия |
Современные роботы используют камеры для зрения и микрофоны для аудио; мультисенсорная интеграция (визуальные, тактильные, аудио данные) |
✓ Абсолютное совпадение: те же самые технологии |
Робот программирует себя сам через обучение и опыт |
Reinforcement learning (обучение с подкреплением): роботы улучшают навыки через trial-and-error, обучаются на собственном опыте |
✓ Точное попадание: self-programming через experience |
Процесс обучения как «baby steps» — подобно развитию ребёнка |
Современные гуманоиды учатся ходить «как малыши через trial-and-error процесс падений, корректировок и победы над гравитацией» |
✓ Поразительное совпадение: та же метафора 87 лет спустя |
Обучение трём базовым навыкам: ходить, говорить, вести себя вежливо |
Современные программы обучения роботов: bipedal locomotion (ходьба), speech processing (речь), social behavior (социальное поведение) |
✓ Точное попадание: те же три направления обучения |
Робот имеет совершенную память |
AI-системы хранят весь опыт обучения, используют big data для улучшения навыков; роботы «помнят» каждое движение |
✓ Полное совпадение: цифровая память превосходит человеческую |
Обучение занимает недели/месяцы постепенной практики |
Обучение через симуляцию и real-world практику занимает недели; роботы тренируются в виртуальных средах, затем в реальности |
✓ Совпадение среднее: похожие временные рамки, но все же не укладываются |
Робот учится через взаимодействие с окружающим миром |
Роботы «играют с объектами», толкают, тыкают предметы, строят predictive models на основе взаимодействия с миром |
✓ Абсолютное совпадение: обучение через физическое взаимодействие |
Робот использует сенсоры для отслеживания положения тела и движений |
Gyroscopes и accelerometers отслеживают каждое движение; proprioceptive locomotion strategies позволяют чувствовать положение тела |
✓ Точное попадание: технология сенсоров для проприоцепции |
Робот обучается наблюдая за человеком (доктором Линком) |
Tesla Optimus учится на видео с YouTube, наблюдая за действиями людей; video-based learning from human demonstrations |
✓ Поразительное совпадение: обучение через наблюдение |
Робот адаптирует поведение в реальном времени |
Роботы динамически корректируют движения в real-time, мгновенно пересчитывают траекторию при встрече с препятствиями |
✓ Полное совпадение: real-time adaptation |
Множественные роботы могут обмениваться опытом обучения (косвенно: идея универсального обучения) |
Роботы Google делятся raw experience друг с другом, вместе строят единую predictive model |
✓ Концептуальное совпадение: collective learning |
Комментарии (11)
samkulman
01.11.2025 08:35Раз уж мне пришлось специально зарегистрироваться на хабре ради комментария по моей любимой теме, то хочу написать слова поддержки автору - это интересная тема, я тоже регулярно в своем блоге пишу такие разборы, только для англоязычной аудитории. Юлия, позволю себе рекомендацию - не пишите в токсичной русскоязычной среде. Ваши разборы ждут в других местах (напишу в личных сообщениях).
DJP
01.11.2025 08:35А что вас удивляет?
Ведь искусственный интеллект (в принципе) должен быть (как минимум) равен естественному т.е. человеческому.
И автор просто описал процесс воспитания ребёнка, выделив наиболее важное, а в качестве технического обеспечения использовал уже известные технологии.
Т.е. всё это вполне ожидаемо и вроде не должно вызывать удивления.
Вот если бы он показал неявное, проблемы, о возможности существования которых ещё никто не задумывался тогда, те, которые присущи именно роботизации и созданию ИИ,
и которые бы проявились сейчас или видятся в ближайшем будущем, но никак не могли бы быть очевидными для того времени... Вот это было бы удивительно, интересно и практично...
onets
01.11.2025 08:35Всякие Илоны Маски и изобретатели тоже читали фантастику 40-50-60 ых годов. И просто пытаются воплотить это в жизнь.
FurySeer
Искусство выдавать желаемое за действительное
GradeBuilder Автор
Можно подробнее?
samkulman
Интересная позиция: человек видит таблицу с конкретными техническими совпадениями между текстом 1939 года и современными разработками, и называет это «выдаванием желаемого за действительное». А что, собственно, здесь желаемое? Автор желает, чтобы роботы использовали камеры? Они их используют. Желает, чтобы был reinforcement learning? Он есть. Желает, чтобы роботы обучались через наблюдение? Они обучаются. Проведение параллелей между прогностической фантастикой и реализованными технологиями это нормальная исследовательская практика, которой занимаются футурологи и историки науки. Или вы полагаете, что анализировать точность научно-фантастических прогнозов нельзя?
xSVPx
Можно анализировать что угодно, но важно понимать зачем? Цель какая ?
Вот, например есть известная фича с финансовыми советниками. Некоторые в состоянии дать вам десять точных предсказаний подряд на бинарные события. Некоторые даже больше. Т.е. они бесплатно тебе делают десять верных предсказаний. Означает ли это, что они сделают верное одиннадцатое :)?
ЗЫ. Схема проста, аудитория делится пополам, первой половине предсказывают А, второй Б, и так в каждом цикле. При достаточном количестве потенциальных жертв хоть какая-нибудь получит верную цепочку прогнозов. И да, для конкретного человека это выглядит как чудо.
samkulman
Хороший пример, но он не применим к данному случаю по нескольким причинам:
1- Это не бинарные события ваша аналогия работает для бинарных событий (А или Б, вверх или вниз), где вероятность угадать = 50%. Но Биндер описал не «будут роботы или нет», а конкретную архитектуру обучения с множеством независимых параметров. Вероятность случайно угадать все эти параметры одновременно стремится к нулю. Это не один прогноз, а системное описание технологической архитектуры.
2- Нет "аудитории предсказаний" - в схеме финансовых мошенников тысячи людей делают разные прогнозы, и мы выбираем того, кто угадал. Но Биндер написал один рассказ с одним набором предсказаний. Не было тысячи писателей, из которых мы выбрали того, кто случайно попал в цель. Был один автор, один текст, одна архитектура робота. И да, другие авторы тоже неплохо угадывают, но тут интересно было почитать про комплекс совпадений.
Три - мы анализируем не "случайное попадание", а методологию где цель анализа не доказать, что Биндер был пророком (чего автор статьи и не утверждает), а показать, что методология машинного обучения, к которой мы пришли эмпирически через 87 лет, интуитивно очевидна. Если описанный Биндером подход оказался правильным, значит, он логически вытекает из задачи "как обучить машину". Это делает его не "чудом", а подтверждением, что определённые решения естественны и неизбежны при решении конкретной проблемы.
4 - Финансовые мошенники не дают вам проверить все их прогнозы, только те, что сбылись. Здесь ситуация обратная: текст Биндера полностью доступен, любой может проверить, что именно он написал, и сопоставить с реальностью. Никакой фильтрации не происходит.
Ну и если бы совпадало 2-3 пункта из 12, ваша аналогия работала бы. Но когда совпадает 10-11 независимых технических деталей, это выходит за рамки случайности. Вероятность случайного совпадения = (0.5)^10 = 0.1%, если считать каждый параметр бинарным (а они не бинарные). Так в чём цель анализа? Не в том, чтобы возвеличить Биндера, а в том, чтобы показать: оптимальные решения в разработке AI/роботов не являются произвольными. Они вытекают из логики задачи. И писатель 1939 года, просто логически размышляя о том, как должен работать обучающийся робот, пришёл к тем же выводам, что и современные инженеры. Это важно, как мне кажется, для понимания природы технологического прогресса, для осознания что мы не блуждаем в темноте, а движемся по определённым логическим путям, которые можно предвидеть через рациональное мышление. И "золотой век" американской фантастики тому подтверждение.
konst90
Так Биндер и не угадал.
Вот, например, процесс обучения ходьбе:
Скрытый текст
Доктор Линк затаил дыхание, когда я впервые попытался встать. Я медленно поднялся и замер, покачиваясь на своих металлических ногах. У меня в голове был трехнаправленный ватерпас, проводами соединенный с мозгом. Он автоматически подсказывал мне, нахожусь ли я в горизонтальном, вертикальном или наклонном положении. Однако мой первый пробный шаг не был успешным. Коленные суставы выгнулись в обратном направлении. Я с грохотом упал на колени, которые, к счастью, были покрыты толстыми защитными пластинами, так что более хрупкие поворотные механизмы внутри не пострадали. Доктор Линк говорит, что тогда я посмотрел на него как испуганный ребенок. А затем я быстро пополз на коленях вперед, поскольку это было намного проще. Дети ползали бы дольше, если бы это не причиняло им боль. Я не знал, что такое боль.
После того как я целый день ползал в его лаборатории взад и вперед между мебелью, порядком ее попортив, перемещение на коленях стало для меня совершенно естественным. Доктор Линк задавался вопросом, как поднять меня на ноги. Он пытался подтянуть меня за руку, но мои триста фунтов[2] были слишком тяжелы для него. Решило проблему мое собственное быстро растущее любопытство. Когда я во второй раз попытался встать в полный рост, то обрадовался, как ребенок, поднявшийся с помощью ходунков. Я изо всех сил старался удержаться на ногах. В конце концов я освоил технику попеременного использования конечностей и переноса веса вперед.
То есть робот просто захотел и пошел. Так, за руку его пришлось потянуть, а так он сам научился. И близко не похоже на то, что делают с реальными роботами.
konst90
А вот так выглядит обучение говорить и распознавать изображения:
Скрытый текст
Три дня мне понадобилось, чтобы более или менее научиться говорить. В этом заслуга не только моя, но и доктора Линка. За эти три дня он назвал мне все предметы в лаборатории и вокруг. Эту пару сотен существительных он дополнил глаголами действия, которые мог продемонстрировать. Услышав и выучив слово, я больше никогда его не забывал и ни с чем не путал. Мгновенное восприятие, фотографическая память – вот что мне было дано. Это трудно объяснить. Машина всегда точна и неизменна. Я – такая машина. Электроны мгновенно передают импульсы. Электроны стимулируют мой металлический мозг.
Таким образом, к концу этих трех дней я достиг уровня развития пятилетнего ребенка, и доктор Линк начал учить меня читать. Когда мой наставник называл буквы, мои фотоэлектрические глаза мгновенно устанавливали связь между звуком и знаком. Ассоциативная память заполняла пробелы в понимании. Я сразу понял, что, к примеру, слово «лев» означает живое существо, схематично изображенное в книге. Я никогда не видел льва, но я тотчас узнал бы его.
Похоже это на техническое описание процесса обучения AI-роботов 2025 года? По мне - вот вообще ни разу.