La revolución de la automatización impulsada por la IA y la encriptación: el "momento ChatGPT" de los Bots está a punto de llegar
La aparición de ChatGPT ha cambiado por completo la percepción que tiene la gente sobre la encriptación. Sin embargo, el verdadero sueño de la humanidad es hacer que la IA interactúe con el mundo físico en forma de Bots, tal como se representa en las películas de ciencia ficción.
Parece que se avecina un gran avance en el campo de los Bots. Este artículo analizará cómo los avances en inteligencia artificial en los últimos años están cambiando el panorama de la industria, explorará cómo la tecnología de baterías, la optimización de la latencia y las mejoras en la recolección de datos darán forma al futuro, así como el papel que desempeña la encriptación en ello. También se abordarán áreas de interés como la seguridad de los Bots, la financiación, la evaluación y la educación.
1. Factores clave para impulsar el cambio
avance en inteligencia artificial
El avance de los modelos de lenguaje multimodal proporciona un "cerebro" para que los Bots realicen tareas complejas. Los Bots perciben el entorno principalmente a través de la visión y la audición. Los modelos de visión por computadora tradicionales son buenos en la detección o clasificación de objetos, pero tienen dificultades para convertir la información visual en instrucciones de acción. Aunque los modelos de lenguaje grandes destacan en la comprensión y generación de texto, carecen de la capacidad de percepción del mundo físico.
Modelo de acción de visión-lenguaje-(VLA) que permite a los Bots integrar la percepción visual, la comprensión del lenguaje y la acción física dentro de un marco unificado. En febrero de 2025, una empresa de inteligencia artificial lanzó un modelo de control de Bots humanoides general que establece un nuevo estándar en la industria gracias a su capacidad de generalización de cero muestras y su arquitectura de doble sistema. La generalización de cero muestras permite a los Bots adaptarse a nuevos escenarios, objetos e instrucciones sin necesidad de reentrenar para cada tarea. La arquitectura de doble sistema separa el razonamiento de alto nivel del razonamiento ligero, logrando Bots humanoides comercializables que combinan el pensamiento humanoide con precisión en tiempo real.
Los Bots económicos se convierten en realidad
La tecnología que cambia el mundo siempre tiene un carácter de masificación. Cuando el precio de ciertos Robots es inferior al de un coche de gama media o al salario mínimo anual en Estados Unidos, imaginar un mundo donde el trabajo físico y las tareas cotidianas son principalmente realizadas por robots ya no parece tan inalcanzable.
de almacenamiento a mercado de consumo
La tecnología de Bots está expandiéndose de soluciones de almacenamiento al ámbito del consumo. Este mundo está diseñado para los humanos: los humanos pueden realizar todas las tareas de los Bots especializados, mientras que los Bots especializados no pueden llevar a cabo todas las tareas humanas. Las empresas de Bots ya no se limitan a fabricar Bots para fábricas, sino que están desarrollando Bots humanoides más versátiles. Por lo tanto, la vanguardia de la tecnología de Bots no solo existe en los almacenes, sino que también se infiltrará en la vida cotidiana.
El costo es uno de los principales cuellos de botella de la escalabilidad. El indicador más crítico es el costo integral por hora, que se calcula sumando el costo de oportunidad del tiempo de entrenamiento y carga, el costo de ejecución de tareas y el costo de adquisición de Bots, dividido por el total de horas de operación de los Bots. Este costo debe ser inferior al nivel salarial promedio de la industria relevante para ser competitivo.
Para lograr una penetración completa en el campo del almacenamiento, el costo integral de los Bots debe ser inferior a 31.39 dólares por hora. En el mercado de consumo más grande, el sector de educación privada y servicios de salud, este costo debe mantenerse por debajo de 35.18 dólares. Actualmente, los Bots están evolucionando hacia direcciones más económicas, eficientes y versátiles.
2. El siguiente gran avance en la tecnología de Bots
optimización de la batería
La tecnología de baterías ha sido un cuello de botella para los Bots amigables con los usuarios. La autonomía de la batería de ciertos Bots humanoides es de solo aproximadamente 2 horas. Los usuarios, evidentemente, no están dispuestos a cargar manualmente cada dos horas, por lo que la carga autónoma y la infraestructura de acoplamiento se han convertido en direcciones clave de desarrollo. Actualmente, hay dos modos principales de carga para los Bots: reemplazo de baterías o carga directa.
El modo de reemplazo de baterías permite la operación continua mediante el reemplazo rápido de paquetes de baterías agotados, minimizando el tiempo de inactividad, y es adecuado para escenarios al aire libre o en fábricas. Este proceso puede ser operado manualmente o completado de forma automatizada.
La carga por inducción utiliza un método de alimentación inalámbrica; aunque la carga completa lleva tiempo, puede lograr fácilmente un proceso totalmente automatizado.
optimización de retraso
Las operaciones de baja latencia se pueden dividir en dos categorías: percepción del entorno y control remoto. La percepción se refiere a la capacidad de los Bots para reconocer el espacio en el entorno, mientras que el control remoto se refiere específicamente al control en tiempo real por parte de un operador humano.
La investigación muestra que los sistemas de percepción de Bots comienzan con sensores baratos, pero la ventaja tecnológica radica en el software de fusión, la computación de bajo consumo y los circuitos de control precisos en milisegundos. Cuando los Bots completan la localización espacial, una red neuronal ligera etiquetará elementos como obstáculos, palets o seres humanos. Una vez que la etiqueta de escena se introduce en el sistema de planificación, se generan de inmediato las instrucciones del motor que se envían a los pies, grupos de ruedas o brazos mecánicos. Una latencia de percepción de menos de 50 milisegundos es equivalente a la velocidad de reflejo humano; cualquier latencia que supere este umbral resultará en movimientos torpes de los Bots. Por lo tanto, el 90% de las decisiones deben realizarse localmente a través de una única red de visión-lenguaje-acción.
Los Bots totalmente autónomos deben asegurarse de que la latencia del modelo VLA de alto rendimiento sea inferior a 50 milisegundos; los Bots controlados a distancia requieren que la latencia de señal entre el terminal de operación y el Bot no supere los 50 milisegundos. Aquí, la importancia del modelo VLA se destaca especialmente: si la entrada visual y textual se procesa por diferentes modelos antes de introducirse en un modelo de lenguaje grande, la latencia total superará con creces el umbral de 50 milisegundos.
optimización de recolección de datos
La recolección de datos se realiza principalmente a través de tres vías: datos de video del mundo real, datos sintéticos y datos de control remoto. El principal obstáculo entre los datos reales y los datos sintéticos radica en cerrar la brecha entre el comportamiento físico de los Bots y los modelos de video/simulación. Los datos de video del mundo real carecen de detalles físicos como la retroalimentación de fuerza, errores en el movimiento de las articulaciones y deformaciones de materiales; mientras que los datos de simulación carecen de variables impredecibles como fallos en los sensores y coeficientes de fricción.
La forma de recolección de datos con mayor potencial es el control remoto: un operador humano controla remotamente a los Bots para ejecutar tareas. Sin embargo, el costo laboral es el principal factor limitante de la recolección de datos mediante control remoto.
El desarrollo de hardware personalizado también está proporcionando nuevas soluciones para la recopilación de datos de alta calidad. Algunas empresas combinan métodos convencionales con hardware personalizado para recopilar datos de movimiento humano en múltiples dimensiones, que luego se procesan y se convierten en conjuntos de datos adecuados para el entrenamiento de redes neuronales de Bots, proporcionando una gran cantidad de datos de alta calidad para el entrenamiento de robots AI en ciclos de iteración rápida. Estos canales tecnológicos han acortado conjuntamente el camino de conversión de datos en bruto a Bots implementables.
3. Áreas de exploración clave
encriptación técnica y Bots fusión
La encriptación puede incentivar a las partes no confiables a mejorar la eficiencia de la red de Bots. Basado en las áreas clave mencionadas anteriormente, la encriptación puede mejorar la eficiencia en tres aspectos: integración de infraestructura, optimización de la latencia y recopilación de datos.
La red de infraestructura física descentralizada ( DePIN ) promete revolucionar la infraestructura de carga. Cuando los robots humanoides operen globalmente como automóviles, las estaciones de carga deberán ser tan accesibles como las gasolineras. Las redes centralizadas requieren una gran inversión inicial, mientras que DePIN distribuye los costos entre los operadores de nodos, permitiendo la rápida expansión de las instalaciones de carga a más áreas.
DePIN también puede aprovechar la infraestructura distribuida para optimizar la latencia de control remoto. Al agregar recursos de computación de nodos de borde geográficamente dispersos, las instrucciones de control remoto pueden ser procesadas por nodos locales o los más cercanos disponibles, minimizando así la distancia de transmisión de datos y reduciendo significativamente la latencia de comunicación. Sin embargo, los proyectos actuales de DePIN se centran principalmente en el almacenamiento descentralizado, la distribución de contenido y el intercambio de ancho de banda; aunque hay proyectos que muestran las ventajas de la computación en el borde en aplicaciones de transmisión de medios o Internet de las cosas, aún no se ha extendido al campo de los Bots o el control remoto.
El control remoto es el método de recolección de datos más prometedor, pero el costo de emplear profesionales para recolectar datos por entidades centralizadas es extremadamente alto. DePIN aborda este problema al incentivar a terceros a proporcionar datos de control remoto mediante tokens encriptados. Algunos proyectos están construyendo una red global de operadores remotos, transformando sus contribuciones en activos digitales tokenizados, formando un sistema descentralizado sin permisos: los participantes pueden obtener ganancias, participar en la gobernanza y contribuir al entrenamiento de Bots AGI.
La seguridad siempre es una preocupación central
El objetivo final de la tecnología de Bots es lograr una total autonomía, pero como advierten algunas películas de ciencia ficción, lo que menos desea la humanidad es que la autonomía convierta a los Bots en armas ofensivas. Los problemas de seguridad de los grandes modelos de lenguaje han suscitado preocupación, y cuando estos modelos adquieren la capacidad de actuar físicamente, la seguridad de los Bots se convierte en un requisito clave para la aceptación social.
La seguridad económica es uno de los pilares de la prosperidad del ecosistema de Bots. Algunas empresas están construyendo una capa de coordinación de máquinas descentralizada, logrando la autenticación de identidad de dispositivos, la verificación de la existencia física y la obtención de recursos a través de encriptación. Este sistema permite que los Bots puedan demostrar de manera autónoma su información de identidad, ubicación geográfica y registros de comportamiento sin depender de intermediarios centralizados.
Las restricciones de comportamiento y la autenticación de identidad se llevan a cabo mediante mecanismos en la cadena, asegurando que cualquier persona pueda auditar la conformidad. Los Bots que cumplan con los estándares de seguridad, los requisitos de calidad y las normas regionales recibirán recompensas, mientras que los infractores enfrentarán sanciones o la descalificación, estableciendo así un mecanismo de responsabilidad y confianza en la red de máquinas autónomas.
La red de rehipoteca de terceros también puede proporcionar garantías de seguridad equivalentes. Aunque el sistema de parámetros de penalización aún necesita ser mejorado, la tecnología relacionada ha entrado en una etapa práctica. Se espera que se formen pautas de seguridad en la industria, y en ese momento, los parámetros de penalización se modelarán según estas pautas.
Una posible implementación es la siguiente:
La empresa de Bots se une a la red de re-staking.
Establecer parámetros de confiscación verificables (como "aplicar una fuerza de contacto humano superior a 2500 Newtons");
Los stakers proporcionan un margen para asegurar que los Bots cumplan con los parámetros;
Si se produce una infracción, el depósito será utilizado como compensación para la víctima.
Este modo no solo incentiva a las empresas a priorizar la seguridad, sino que también promueve la aceptación del consumidor a través del mecanismo de seguro del fondo de staking.
4. Llenar el vacío en la pila de tecnología de Bots
Una conocida empresa de IA ha promovido la difusión de la encriptación, pero la base de este avance ya se ha establecido. Los servicios en la nube han roto la dependencia de los modelos en la capacidad de cálculo local, las plataformas de código abierto han hecho que los modelos sean de código abierto, y algunas plataformas en línea han proporcionado espacios de experimentación para los ingenieros de IA. Estos avances progresivos han contribuido conjuntamente a la popularización de la encriptación.
A diferencia de la IA, el campo de los Bots es difícil de entrar cuando los fondos son limitados. Para lograr la popularización de los Bots, el umbral de desarrollo debe reducirse a un nivel de conveniencia similar al de las aplicaciones de IA. Creemos que hay espacio para mejorar en tres niveles: mecanismos de financiamiento, sistemas de evaluación y ecosistemas educativos.
El financiamiento es un punto crítico en el campo de los Bots. Desarrollar un programa informático solo requiere una computadora y recursos de computación en la nube, mientras que construir un robot completamente funcional requiere la compra de motores, sensores, baterías y otros hardware, con costos que fácilmente superan los 100,000 dólares. Esta propiedad del hardware hace que el desarrollo de robots sea menos flexible y más costoso en comparación con la IA.
La infraestructura de evaluación de Bots en escenarios reales todavía se encuentra en una etapa inicial. En el campo de la IA se ha establecido un sistema de funciones de pérdida claro, y las pruebas pueden ser completamente virtualizadas. Sin embargo, las estrategias virtuales excelentes no pueden convertirse directamente en soluciones efectivas en el mundo real. Los Bots necesitan instalaciones de evaluación para probar estrategias autónomas en diversos entornos reales para lograr la optimización iterativa.
Cuando esta infraestructura madure, talentosos profesionales afluirán en grandes cantidades, y los robots humanoides repetirán la curva de explosión de Web2. Algunas empresas de encriptación de robots están avanzando en esta dirección: desarrollando un "sistema operativo Android para robots", transformando el hardware original en agentes inteligentes escalables con conciencia económica. Módulos de visión, lenguaje y planificación de movimientos pueden ser plug-and-play como aplicaciones móviles, y todos los pasos de razonamiento se presentan en un lenguaje claro, permitiendo a los operadores auditar o ajustar el comportamiento sin necesidad de interactuar con el firmware. Esta capacidad de razonamiento en lenguaje natural permite que la nueva generación de talento ingrese sin problemas al campo de los robots, dando un paso clave hacia la plataforma abierta que detonará la revolución robótica, al igual que el movimiento de código abierto aceleró la IA.
La densidad de talento determina la trayectoria de la industria. Un sistema educativo inclusivo y estructurado es crucial para la provisión de talento en el campo de los Bots. La cotización de una empresa de Bots en Nasdaq marca el inicio de una nueva era en la que las máquinas inteligentes participan simultáneamente en la innovación financiera y en la educación presencial. La empresa anunció en conjunto con sus socios que lanzará el primer curso de educación universal basado en robots humanoides en las escuelas públicas K-12 de Estados Unidos. Este curso está diseñado para ser independiente de la plataforma, permitiendo la adaptación a diversas formas de Bots, y proporcionando a los estudiantes oportunidades de práctica.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
12 me gusta
Recompensa
12
1
Republicar
Compartir
Comentar
0/400
PaperHandsCriminal
· hace7h
El dinero ya está saludando a los Bots... ¿cuándo podré dejar de ser un tonto?
Revolución de robots impulsada por IA: los robots humanoides de la era ChatGPT están por llegar
La revolución de la automatización impulsada por la IA y la encriptación: el "momento ChatGPT" de los Bots está a punto de llegar
La aparición de ChatGPT ha cambiado por completo la percepción que tiene la gente sobre la encriptación. Sin embargo, el verdadero sueño de la humanidad es hacer que la IA interactúe con el mundo físico en forma de Bots, tal como se representa en las películas de ciencia ficción.
Parece que se avecina un gran avance en el campo de los Bots. Este artículo analizará cómo los avances en inteligencia artificial en los últimos años están cambiando el panorama de la industria, explorará cómo la tecnología de baterías, la optimización de la latencia y las mejoras en la recolección de datos darán forma al futuro, así como el papel que desempeña la encriptación en ello. También se abordarán áreas de interés como la seguridad de los Bots, la financiación, la evaluación y la educación.
1. Factores clave para impulsar el cambio
avance en inteligencia artificial
El avance de los modelos de lenguaje multimodal proporciona un "cerebro" para que los Bots realicen tareas complejas. Los Bots perciben el entorno principalmente a través de la visión y la audición. Los modelos de visión por computadora tradicionales son buenos en la detección o clasificación de objetos, pero tienen dificultades para convertir la información visual en instrucciones de acción. Aunque los modelos de lenguaje grandes destacan en la comprensión y generación de texto, carecen de la capacidad de percepción del mundo físico.
Modelo de acción de visión-lenguaje-(VLA) que permite a los Bots integrar la percepción visual, la comprensión del lenguaje y la acción física dentro de un marco unificado. En febrero de 2025, una empresa de inteligencia artificial lanzó un modelo de control de Bots humanoides general que establece un nuevo estándar en la industria gracias a su capacidad de generalización de cero muestras y su arquitectura de doble sistema. La generalización de cero muestras permite a los Bots adaptarse a nuevos escenarios, objetos e instrucciones sin necesidad de reentrenar para cada tarea. La arquitectura de doble sistema separa el razonamiento de alto nivel del razonamiento ligero, logrando Bots humanoides comercializables que combinan el pensamiento humanoide con precisión en tiempo real.
Los Bots económicos se convierten en realidad
La tecnología que cambia el mundo siempre tiene un carácter de masificación. Cuando el precio de ciertos Robots es inferior al de un coche de gama media o al salario mínimo anual en Estados Unidos, imaginar un mundo donde el trabajo físico y las tareas cotidianas son principalmente realizadas por robots ya no parece tan inalcanzable.
de almacenamiento a mercado de consumo
La tecnología de Bots está expandiéndose de soluciones de almacenamiento al ámbito del consumo. Este mundo está diseñado para los humanos: los humanos pueden realizar todas las tareas de los Bots especializados, mientras que los Bots especializados no pueden llevar a cabo todas las tareas humanas. Las empresas de Bots ya no se limitan a fabricar Bots para fábricas, sino que están desarrollando Bots humanoides más versátiles. Por lo tanto, la vanguardia de la tecnología de Bots no solo existe en los almacenes, sino que también se infiltrará en la vida cotidiana.
El costo es uno de los principales cuellos de botella de la escalabilidad. El indicador más crítico es el costo integral por hora, que se calcula sumando el costo de oportunidad del tiempo de entrenamiento y carga, el costo de ejecución de tareas y el costo de adquisición de Bots, dividido por el total de horas de operación de los Bots. Este costo debe ser inferior al nivel salarial promedio de la industria relevante para ser competitivo.
Para lograr una penetración completa en el campo del almacenamiento, el costo integral de los Bots debe ser inferior a 31.39 dólares por hora. En el mercado de consumo más grande, el sector de educación privada y servicios de salud, este costo debe mantenerse por debajo de 35.18 dólares. Actualmente, los Bots están evolucionando hacia direcciones más económicas, eficientes y versátiles.
2. El siguiente gran avance en la tecnología de Bots
optimización de la batería
La tecnología de baterías ha sido un cuello de botella para los Bots amigables con los usuarios. La autonomía de la batería de ciertos Bots humanoides es de solo aproximadamente 2 horas. Los usuarios, evidentemente, no están dispuestos a cargar manualmente cada dos horas, por lo que la carga autónoma y la infraestructura de acoplamiento se han convertido en direcciones clave de desarrollo. Actualmente, hay dos modos principales de carga para los Bots: reemplazo de baterías o carga directa.
El modo de reemplazo de baterías permite la operación continua mediante el reemplazo rápido de paquetes de baterías agotados, minimizando el tiempo de inactividad, y es adecuado para escenarios al aire libre o en fábricas. Este proceso puede ser operado manualmente o completado de forma automatizada.
La carga por inducción utiliza un método de alimentación inalámbrica; aunque la carga completa lleva tiempo, puede lograr fácilmente un proceso totalmente automatizado.
optimización de retraso
Las operaciones de baja latencia se pueden dividir en dos categorías: percepción del entorno y control remoto. La percepción se refiere a la capacidad de los Bots para reconocer el espacio en el entorno, mientras que el control remoto se refiere específicamente al control en tiempo real por parte de un operador humano.
La investigación muestra que los sistemas de percepción de Bots comienzan con sensores baratos, pero la ventaja tecnológica radica en el software de fusión, la computación de bajo consumo y los circuitos de control precisos en milisegundos. Cuando los Bots completan la localización espacial, una red neuronal ligera etiquetará elementos como obstáculos, palets o seres humanos. Una vez que la etiqueta de escena se introduce en el sistema de planificación, se generan de inmediato las instrucciones del motor que se envían a los pies, grupos de ruedas o brazos mecánicos. Una latencia de percepción de menos de 50 milisegundos es equivalente a la velocidad de reflejo humano; cualquier latencia que supere este umbral resultará en movimientos torpes de los Bots. Por lo tanto, el 90% de las decisiones deben realizarse localmente a través de una única red de visión-lenguaje-acción.
Los Bots totalmente autónomos deben asegurarse de que la latencia del modelo VLA de alto rendimiento sea inferior a 50 milisegundos; los Bots controlados a distancia requieren que la latencia de señal entre el terminal de operación y el Bot no supere los 50 milisegundos. Aquí, la importancia del modelo VLA se destaca especialmente: si la entrada visual y textual se procesa por diferentes modelos antes de introducirse en un modelo de lenguaje grande, la latencia total superará con creces el umbral de 50 milisegundos.
optimización de recolección de datos
La recolección de datos se realiza principalmente a través de tres vías: datos de video del mundo real, datos sintéticos y datos de control remoto. El principal obstáculo entre los datos reales y los datos sintéticos radica en cerrar la brecha entre el comportamiento físico de los Bots y los modelos de video/simulación. Los datos de video del mundo real carecen de detalles físicos como la retroalimentación de fuerza, errores en el movimiento de las articulaciones y deformaciones de materiales; mientras que los datos de simulación carecen de variables impredecibles como fallos en los sensores y coeficientes de fricción.
La forma de recolección de datos con mayor potencial es el control remoto: un operador humano controla remotamente a los Bots para ejecutar tareas. Sin embargo, el costo laboral es el principal factor limitante de la recolección de datos mediante control remoto.
El desarrollo de hardware personalizado también está proporcionando nuevas soluciones para la recopilación de datos de alta calidad. Algunas empresas combinan métodos convencionales con hardware personalizado para recopilar datos de movimiento humano en múltiples dimensiones, que luego se procesan y se convierten en conjuntos de datos adecuados para el entrenamiento de redes neuronales de Bots, proporcionando una gran cantidad de datos de alta calidad para el entrenamiento de robots AI en ciclos de iteración rápida. Estos canales tecnológicos han acortado conjuntamente el camino de conversión de datos en bruto a Bots implementables.
3. Áreas de exploración clave
encriptación técnica y Bots fusión
La encriptación puede incentivar a las partes no confiables a mejorar la eficiencia de la red de Bots. Basado en las áreas clave mencionadas anteriormente, la encriptación puede mejorar la eficiencia en tres aspectos: integración de infraestructura, optimización de la latencia y recopilación de datos.
La red de infraestructura física descentralizada ( DePIN ) promete revolucionar la infraestructura de carga. Cuando los robots humanoides operen globalmente como automóviles, las estaciones de carga deberán ser tan accesibles como las gasolineras. Las redes centralizadas requieren una gran inversión inicial, mientras que DePIN distribuye los costos entre los operadores de nodos, permitiendo la rápida expansión de las instalaciones de carga a más áreas.
DePIN también puede aprovechar la infraestructura distribuida para optimizar la latencia de control remoto. Al agregar recursos de computación de nodos de borde geográficamente dispersos, las instrucciones de control remoto pueden ser procesadas por nodos locales o los más cercanos disponibles, minimizando así la distancia de transmisión de datos y reduciendo significativamente la latencia de comunicación. Sin embargo, los proyectos actuales de DePIN se centran principalmente en el almacenamiento descentralizado, la distribución de contenido y el intercambio de ancho de banda; aunque hay proyectos que muestran las ventajas de la computación en el borde en aplicaciones de transmisión de medios o Internet de las cosas, aún no se ha extendido al campo de los Bots o el control remoto.
El control remoto es el método de recolección de datos más prometedor, pero el costo de emplear profesionales para recolectar datos por entidades centralizadas es extremadamente alto. DePIN aborda este problema al incentivar a terceros a proporcionar datos de control remoto mediante tokens encriptados. Algunos proyectos están construyendo una red global de operadores remotos, transformando sus contribuciones en activos digitales tokenizados, formando un sistema descentralizado sin permisos: los participantes pueden obtener ganancias, participar en la gobernanza y contribuir al entrenamiento de Bots AGI.
La seguridad siempre es una preocupación central
El objetivo final de la tecnología de Bots es lograr una total autonomía, pero como advierten algunas películas de ciencia ficción, lo que menos desea la humanidad es que la autonomía convierta a los Bots en armas ofensivas. Los problemas de seguridad de los grandes modelos de lenguaje han suscitado preocupación, y cuando estos modelos adquieren la capacidad de actuar físicamente, la seguridad de los Bots se convierte en un requisito clave para la aceptación social.
La seguridad económica es uno de los pilares de la prosperidad del ecosistema de Bots. Algunas empresas están construyendo una capa de coordinación de máquinas descentralizada, logrando la autenticación de identidad de dispositivos, la verificación de la existencia física y la obtención de recursos a través de encriptación. Este sistema permite que los Bots puedan demostrar de manera autónoma su información de identidad, ubicación geográfica y registros de comportamiento sin depender de intermediarios centralizados.
Las restricciones de comportamiento y la autenticación de identidad se llevan a cabo mediante mecanismos en la cadena, asegurando que cualquier persona pueda auditar la conformidad. Los Bots que cumplan con los estándares de seguridad, los requisitos de calidad y las normas regionales recibirán recompensas, mientras que los infractores enfrentarán sanciones o la descalificación, estableciendo así un mecanismo de responsabilidad y confianza en la red de máquinas autónomas.
La red de rehipoteca de terceros también puede proporcionar garantías de seguridad equivalentes. Aunque el sistema de parámetros de penalización aún necesita ser mejorado, la tecnología relacionada ha entrado en una etapa práctica. Se espera que se formen pautas de seguridad en la industria, y en ese momento, los parámetros de penalización se modelarán según estas pautas.
Una posible implementación es la siguiente:
Este modo no solo incentiva a las empresas a priorizar la seguridad, sino que también promueve la aceptación del consumidor a través del mecanismo de seguro del fondo de staking.
4. Llenar el vacío en la pila de tecnología de Bots
Una conocida empresa de IA ha promovido la difusión de la encriptación, pero la base de este avance ya se ha establecido. Los servicios en la nube han roto la dependencia de los modelos en la capacidad de cálculo local, las plataformas de código abierto han hecho que los modelos sean de código abierto, y algunas plataformas en línea han proporcionado espacios de experimentación para los ingenieros de IA. Estos avances progresivos han contribuido conjuntamente a la popularización de la encriptación.
A diferencia de la IA, el campo de los Bots es difícil de entrar cuando los fondos son limitados. Para lograr la popularización de los Bots, el umbral de desarrollo debe reducirse a un nivel de conveniencia similar al de las aplicaciones de IA. Creemos que hay espacio para mejorar en tres niveles: mecanismos de financiamiento, sistemas de evaluación y ecosistemas educativos.
El financiamiento es un punto crítico en el campo de los Bots. Desarrollar un programa informático solo requiere una computadora y recursos de computación en la nube, mientras que construir un robot completamente funcional requiere la compra de motores, sensores, baterías y otros hardware, con costos que fácilmente superan los 100,000 dólares. Esta propiedad del hardware hace que el desarrollo de robots sea menos flexible y más costoso en comparación con la IA.
La infraestructura de evaluación de Bots en escenarios reales todavía se encuentra en una etapa inicial. En el campo de la IA se ha establecido un sistema de funciones de pérdida claro, y las pruebas pueden ser completamente virtualizadas. Sin embargo, las estrategias virtuales excelentes no pueden convertirse directamente en soluciones efectivas en el mundo real. Los Bots necesitan instalaciones de evaluación para probar estrategias autónomas en diversos entornos reales para lograr la optimización iterativa.
Cuando esta infraestructura madure, talentosos profesionales afluirán en grandes cantidades, y los robots humanoides repetirán la curva de explosión de Web2. Algunas empresas de encriptación de robots están avanzando en esta dirección: desarrollando un "sistema operativo Android para robots", transformando el hardware original en agentes inteligentes escalables con conciencia económica. Módulos de visión, lenguaje y planificación de movimientos pueden ser plug-and-play como aplicaciones móviles, y todos los pasos de razonamiento se presentan en un lenguaje claro, permitiendo a los operadores auditar o ajustar el comportamiento sin necesidad de interactuar con el firmware. Esta capacidad de razonamiento en lenguaje natural permite que la nueva generación de talento ingrese sin problemas al campo de los robots, dando un paso clave hacia la plataforma abierta que detonará la revolución robótica, al igual que el movimiento de código abierto aceleró la IA.
La densidad de talento determina la trayectoria de la industria. Un sistema educativo inclusivo y estructurado es crucial para la provisión de talento en el campo de los Bots. La cotización de una empresa de Bots en Nasdaq marca el inicio de una nueva era en la que las máquinas inteligentes participan simultáneamente en la innovación financiera y en la educación presencial. La empresa anunció en conjunto con sus socios que lanzará el primer curso de educación universal basado en robots humanoides en las escuelas públicas K-12 de Estados Unidos. Este curso está diseñado para ser independiente de la plataforma, permitiendo la adaptación a diversas formas de Bots, y proporcionando a los estudiantes oportunidades de práctica.