Od dat k pohybu: co znamená fyzická AI

Umělá inteligence se v posledních letech posouvá z digitálního světa do reálného prostředí. Zatímco dříve byla nejčastěji spojována s doporučovacími systémy, překlady nebo generováním textu, dnes se stále častěji uplatňuje v zařízeních, která se pohybují, manipulují s předměty a samostatně vyhodnocují situaci. Odborníci pro tento trend používají pojmy jako fyzická AI, robotická autonomie nebo embodied AI, tedy umělá inteligence „vtělená“ do stroje.

V praxi jde o propojení tří vrstev: senzorů, algoritmů a akčních prvků. Senzory sbírají data o okolí, například z kamer, lidarů, radarů, mikrofonů nebo dotykových čidel. Algoritmy tato data vyhodnocují a rozhodují, co má stroj udělat. Akční část pak vykoná pohyb – robot uchopí předmět, dron změní směr, autonomní vozidlo zabrzdí nebo průmyslové rameno přesune součástku.

Rozdíl oproti klasické automatizaci je zásadní: tradiční stroj dělá přesně to, co mu člověk předem naprogramuje, zatímco systém s prvky AI dokáže reagovat na proměnlivé podmínky. V prostředí, kde se mění světlo, poloha předmětů nebo chování lidí, je to rozhodující výhoda.

Průmysl jako první velké testovací pole

Nejrychleji se fyzická AI prosadila v průmyslu. Výrobní linky už desítky let využívají roboty, ale nové generace strojů jsou výrazně flexibilnější. Dokážou rozpoznat různé typy dílů, přizpůsobit sílu úchopu nebo spolupracovat s člověkem přímo u stejného pracoviště. Právě zde se uplatňují takzvaní kolaborativní roboti, kteří jsou navrženi pro bezpečnou spolupráci s operátorem.

Podle Mezinárodní federace robotiky patřilo v roce 2023 mezi největší trhy průmyslové robotiky Japonsko, Čína, Spojené státy, Jižní Korea a Německo. V samotné Číně bylo podle IFR instalováno více než 276 tisíc nových průmyslových robotů za jediný rok, což ukazuje rychlost, s jakou se automatizace rozšiřuje. V Evropě je silný zejména automobilový průmysl, ale přibývají i výrobci elektroniky, potravin a logistiky.

Typickým příkladem je využití kamerových systémů s počítačovým viděním. Robot na montážní lince nejprve vyhodnotí tvar a polohu součástky, poté upraví trajektorii a nakonec díl přesně umístí. To je významný posun oproti dřívějším řešením, která vyžadovala, aby byly všechny předměty uloženy v naprosto stejné poloze. Díky AI lze zpracovávat i chaotičtější prostředí, což snižuje náklady na přípravky a zvyšuje pružnost výroby.

Ve skladech se tento trend projevuje autonomními vozíky a roboty, kteří dovážejí zboží k pracovníkům nebo sami převážejí palety. Logistické firmy tím zkracují dobu vychystávání objednávek a lépe zvládají sezónní špičky. V době, kdy e-commerce tlačí na rychlost doručení, je právě kombinace algoritmů a pohyblivých strojů jedním z hlavních konkurenčních nástrojů.

Autonomní auta, drony a stroje mimo továrny

Největší pozornost veřejnosti přitahují autonomní vozidla. Jejich vývoj ale ukazuje, jak náročné je přenést AI do reálného světa. Vozidlo musí v milisekundách vyhodnotit situaci na silnici, rozpoznat chodce, cyklisty, dopravní značení, semafory i nečekané překážky. Na rozdíl od laboratorního prostředí je provoz chaotický, nepředvídatelný a často i špatně čitelný kvůli počasí, světlu nebo stavu silnice.

Proto se autonomní systémy opírají o kombinaci senzorů. Kamery dodávají obraz, radar měří vzdálenost a rychlost objektů, lidar vytváří 3D mapu okolí. Software pak tyto informace slučuje a vytváří model prostředí v reálném čase. Firmy jako Waymo nebo Cruise testují robotaxi už několik let, přičemž provoz probíhá ve vymezených oblastech a pod dohledem bezpečnostních systémů. V praxi to znamená, že plná autonomie zatím funguje spíše v omezených podmínkách než plošně na všech silnicích.

Podobný princip funguje u dronů. V zemědělství monitorují stav plodin, rozpoznávají napadená místa a pomáhají s přesným postřikem. V energetice kontrolují elektrické vedení, větrné elektrárny nebo solární farmy. Ve stavebnictví a geodézii vytvářejí mapy terénu. Zásadní výhodou je rychlost a přístup do míst, kam by byl vstup člověka pomalý, drahý nebo nebezpečný.

V některých zemích se autonomní stroje uplatňují i v armádě nebo při záchranných operacích. Tam je ale debata mnohem citlivější, protože s rostoucí autonomií roste i otázka odpovědnosti za rozhodnutí stroje. Jakmile systém vyhodnotí situaci sám, vyvstává otázka, kdo nese následky případné chyby – výrobce, provozovatel, nebo člověk, který stroj pustil do provozu.

Zdravotnictví, služby a asistence člověku

Fyzická AI se neomezuje jen na průmysl a dopravu. Výrazně se prosazuje i ve zdravotnictví, kde může ulevit personálu a zvýšit přesnost některých úkonů. Chirurgické roboty, například systém da Vinci, se používají při minimálně invazivních operacích. Neoperují samy, ale poskytují lékaři přesnější nástroje, menší třes a lepší přístup k těžko dostupným místům v těle.

Další oblastí jsou nemocniční logistické roboty, které rozvážejí léky, prádlo nebo stravu. V domovech pro seniory a v některých službách zase fungují asistenční roboti, kteří pomáhají s komunikací, připomínáním léků nebo jednoduchou fyzickou podporou. V Japonsku, které dlouhodobě čelí stárnutí populace a nedostatku pracovní síly, patří vývoj servisních robotů k prioritám státní i firemní politiky.

Podle studií zveřejňovaných v odborných časopisech pomáhá automatizace ve zdravotnictví snižovat zátěž personálu u rutinních činností, ale nenahrazuje lidský kontakt. To je důležité zejména u pacientů, kde rozhodují empatie, komunikace a schopnost reagovat na jemné změny stavu. AI v této oblasti funguje nejlépe jako nástroj, nikoli jako náhrada zdravotníka.

Roste také využití robotických exoskeletů. Ty podporují pohyb osobám po úrazech nebo zaměstnancům v těžké fyzické práci. V logistice, výrobě i stavebnictví mohou snižovat zátěž páteře a kloubů. I tady je ale nutné přesné nastavení, protože špatně seřízený systém může uživateli spíše uškodit.

Co brzdí rychlejší rozmach: bezpečnost, energie a odpovědnost

Přestože technologie postupuje rychle, fyzická AI naráží na několik zásadních limitů. Prvním je bezpečnost. Stroj, který se pohybuje v prostředí lidí, musí být extrémně spolehlivý. Nestačí, aby fungoval v 99 procentech případů. V reálném provozu může i jedno selhání znamenat úraz, škodu nebo zablokování celé linky.

Druhým problémem je energetická náročnost. Výkonné modely umělé inteligence potřebují značný výpočetní výkon, a ten je nutné přenést buď do lokálního zařízení, nebo do připojené infrastruktury. U mobilních robotů, dronů či autonomních vozidel je přitom spotřeba baterie klíčová. Každá hodina provozu navíc může rozhodnout o ekonomické návratnosti.

Třetí výzvou je právní odpovědnost. Evropská unie i jednotlivé státy řeší, jak nastavit pravidla pro autonomní systémy, sběr dat a dohled nad rozhodováním algoritmů. Zvlášť citlivé je to u vozidel, zdravotnických zařízení a systémů, které pracují s osobními údaji. Firmy proto musejí kombinovat technický vývoj s compliance, kybernetickou bezpečností a auditem datových modelů.

Do popředí se dostává i otázka pracovního trhu. Automatizace některé profese omezuje, zároveň ale vytváří poptávku po technicích, operátorech, datových specialistech a servisních týmech. Podle odhadů OECD a dalších institucí zůstane v řadě oborů člověk nezastupitelný, jen se změní náplň práce. Méně rutiny, více dohledu, údržby a rozhodování v neobvyklých situacích.

Kam fyzická AI míří v příštích letech

Další vývoj bude pravděpodobně směřovat k větší autonomii, lepší spolupráci mezi stroji a lidmi a k levnějším senzorům i výpočetním jednotkám. Výrobci chtějí, aby roboty nebylo nutné složitě programovat pro každou novou úlohu. Místo toho mají být schopné učit se z demonstrace, z dat a z částečně nepřesných instrukcí.

Velká očekávání se spojují s takzvanými obecnými roboty, kteří by zvládali více typů úloh v různém prostředí. To je zatím spíše cíl než běžná realita, ale už dnes se objevují systémy schopné přenášet zkušenosti z jedné úlohy na druhou. V laboratořích i firmách se testuje, zda může jeden model řídit více různých strojů, od ramene ve fabrice po mobilní platformu v nemocnici.

Rozhodující bude také standardizace. Pokud mají autonomní stroje fungovat ve velkém měřítku, musejí si rozumět s okolní infrastrukturou, sdílet data a respektovat bezpečnostní pravidla. Fyzická podoba umělé inteligence tak není jen technologickou novinkou, ale i zkouškou toho, jak rychle se dokáže proměnit průmysl, doprava a služby v prostředí, kde algoritmy už nepracují jen na obrazovce, ale přímo v pohybu.