Rodney Brooks miał rację co do humanoidalnego szumu przez 40 lat. Czy tym razem się myli?

W styczniu 2026 roku Rodney Brooks zaktualizował swój coroczny wynik prognoz. Wpis, opublikowany na jego osobistym blogu rodneybrooks.com, liczy kilka tysięcy słów i metodycznie ocenia dziesiątki prognoz, które po raz pierwszy sformułował w 2018 roku. W kwestii robotów humanoidalnych Brooks jest charakterystycznie bezpośredni. Deklaracje dyrektorów generalnych o nieuchronnym masowym wdrożeniu humanoidów, pisze, “są po prostu nieprawdopodobne”. Stosuje swój “test datowania” do każdej śmiałej tezy o tym, że roboty przekształcają rynki pracy, i w większości przypadków uznaje je za niewystarczające.

Dla Brooksa to nie jest nowe terytorium. Demaskuje szum wokół robotyki od czasów, gdy większość dzisiejszych firm produkujących roboty humanoidalne jeszcze nie istniała. Od czasów, gdy większość ich założycieli jeszcze się nie urodziła. Robi to z konsekwencją i precyzją, które czynią go wyjątkowo cennym głosem w dziedzinie tonącej w entuzjastycznych komunikatach prasowych i taliach prezentacji dla inwestorów. I miał rację - raz za razem, przez cztery dekady.

Ale jest pytanie, które sprawia, że ten moment różni się od każdego innego cyklu szumu, przez który Brooks przeszedł. Stan na marzec 2026 roku: ponad 15 000 robotów humanoidalnych faktycznie dostarczono. Nie prototypy. Nie dema. Dostarczone jednostki, wdrożone w fabrykach, magazynach, laboratoriach badawczych i coraz częściej w warunkach komercyjnych. Goldman Sachs zrewidował prognozę rynku robotów humanoidalnych z 6 miliardów do 38 miliardów dolarów. Samo Chiny mają siedem firm dostarczających humanoidów w dużych wolumenach. Globalny wyścig nie jest teorią. Trwa.

Pytanie zatem brzmi: czy człowiek, który przez 40 lat miał rację w sprawie szumu wokół robotyki, wreszcie staje naprzeciw rewolucji, którą niedocenia?

Aby właściwie odpowiedzieć na to pytanie, musimy zrozumieć, kim jest Rodney Brooks, jak myśli, co miał racji, i gdzie jego rama analityczna może mieć martwe pola. To nie jest atak. Brooks zasługuje na znacznie więcej szacunku, niż przyznaje mu większość ludzi w branży robotyki. Ale to też nie jest hagiografia. Nawet najlepsze ramy mają swoje granice.

Człowiek, który zmienił nasze myślenie o robotach

Rodney Allen Brooks przybył do MIT w 1984 roku jako australijski informatyk z radykalnymi poglądami na sztuczną inteligencję. W tamtym czasie główny nurt badań AI był zdominowany przez to, co dziś nazywamy Good Old-Fashioned AI (GOFAI): systemy budujące wewnętrzne modele świata i rozumujące o nich symbolicznie. Roboty w tym paradygmacie potrzebowały szczegółowych map, explicite algorytmów planowania i starannie ustrukturyzowanych baz wiedzy.

Brooks uważał, że to jest fundamentalnie błędne.

Jego artykuł z 1986 roku “A Robust Layered Control System for a Mobile Robot” wprowadził to, co nazwał architekturą subsumpcji. Kluczowy wgląd polegał na tym, że inteligentne zachowanie może wyłaniać się z warstw prostych systemów reaktywnych, z których każdy reaguje bezpośrednio na dane sensoryczne, bez żadnego centralnego modelu świata. Kolejne artykuły, w tym prowokacyjnie zatytułowane “Intelligence Without Representation” (1991) i “Elephants Don’t Play Chess” (1990), przedstawiały wizję robotyki oddolnej, a nie odgórnej. Zamiast próbować modelować cały świat i planować w obrębie tego modelu, Brooks argumentował, że należy budować organizmy reagujące na świat takim, jakim go napotykają.

To nie było tylko ćwiczenie akademickie. Architektura subsumpcji bezpośrednio doprowadziła do powstania Roomby.

W 1990 roku Brooks współzałożył iRobot ze swoimi studentami Colinem Anglem i Helen Greiner. Firma przez dekadę zajmowała się robotyką wojskową i badawczą, zanim w 2002 roku wypuściła Roombę. Roomba była pod wieloma względami potwierdzeniem filozoficznego podejścia Brooksa. Nie budowała map twojego domu (przynajmniej wczesne modele nie). Odbijała się od ścian, wykrywała krawędzie, stosowała proste reguły behawioralne i czyściła podłogę wystarczająco skutecznie, że iRobot sprzedał ostatecznie ponad 40 milionów sztuk.

Brooks kierował Laboratorium Informatyki i Sztucznej Inteligencji MIT (CSAIL) od 2003 do 2007 roku, zajmując jedną z najbardziej prestiżowych pozycji w tej dziedzinie. Następnie opuścił MIT i iRobot, by w 2008 roku współzałożyć Rethink Robotics - firmę mającą budować kolaboracyjne roboty przemysłowe. Rethink wyprodukował Baxtera i Sawyera, roboty zaprojektowane do pracy obok ludzi w środowiskach produkcyjnych.

Rethink Robotics poniosło porażkę. Zamknęło się w 2018 roku po zebraniu ponad 150 milionów dolarów. Roboty były zbyt wolne, zbyt nieprecyzyjne i zbyt ograniczone dla zadań, które producenci faktycznie potrzebowali wykonać. Ta porażka jest ważnym kontekstem dla rozumienia Brooksa jako myśliciela. Nie jest kimś, kto tylko krytykuje z boku. Zbudował firmę, zebrał kapitał wysokiego ryzyka, próbował skomercjalizować roboty do pracy w realnym świecie i na własnej skórze poznał, jak brutalnie trudno jest sprawić, żeby roboty robiły przydatne rzeczy w nieustrukturyzowanych środowiskach.

Ta porażka, zamiast go dyskwalifikować, czyni jego sceptycyzm bardziej wiarygodnym. Wie, czego to wymaga, bo próbował i nie udało mu się.

Metodologia prognozowania

To, co odróżnia Brooksa od przeciętnego sceptyka technologicznego, to rygor. Większość osób, które odrzucają szum wokół robotyki, robi to z mglistymi gestami na temat tego, że “to trudniejsze, niż wygląda”. Brooks robi coś o wiele bardziej konkretnego.

W 2018 roku opublikował na swoim blogu “My Dated Predictions” - szczegółową listę prognoz technologicznych z konkretnymi datami i poziomami pewności. Następnie zobowiązał się do aktualizowania wyników co 1 stycznia, publicznie oceniając siebie w stosunku do własnych wcześniejszych prognoz. Wywiązuje się z tego zobowiązania bez wyjątku od ośmiu lat.

Jego metodologia obejmuje kilka kluczowych zasad.

Datowanie. Każda prognoza musi zawierać konkretną datę, do której sprawdzi się lub nie. Brooks argumentuje, że prognozy bez dat są bez znaczenia, bo nigdy nie można ich obalić. “Do 2025 roku będziemy mieli samochody autonomiczne” to prognoza. “Samochody autonomiczne nadchodzą” - nie.

Reguła 3x dla osi czasu Muska. Brooks zaobserwował, że prognozy technologiczne Elona Muska konsekwentnie podążają pewnym wzorcem: weź przewidywaną datę dostarczenia, oblicz czas od ogłoszenia do tej daty, pomnóż przez trzy i dodaj do daty ogłoszenia. Wynik jest znacznie dokładniejszy niż oryginalna prognoza Muska. Ta heurystyka sprawdziła się zaskakująco konsekwentnie w przypadku Full Self-Driving, Tesla Semi i Optimusa.

Test bazy instalacyjnej. Gdy ktoś twierdzi, że technologia stanie się powszechna do roku X, Brooks pyta: jaka jest obecna baza instalacyjna? Jakie jest tempo wzrostu? Czy matematycznie możliwe jest przejście od obecnej bazy do prognozowanej w podanym czasie, biorąc pod uwagę ograniczenia produkcyjne? Prawie zawsze odpowiedź brzmi: nie.

Sprawdzian rzeczywistości wdrożenia. Brooks wyraźnie rozróżnia między demonstracjami a wdrożeniami. Robot robiący coś imponującego w laboratorium lub na scenie nie jest dowodem, że technologia jest gotowa na realne warunki. Różnica między “działa w demie” a “działa niezawodnie w produkcji, 24/7, przez miesiące” jest, w doświadczeniu Brooksa, konsekwentnie niedoszacowana o mniej więcej rząd wielkości.

Wyniki: co Brooks przewidział trafnie

To jest część, która powinna być niewygodna dla każdego, kto lekceważy Brooksa. Jego wyniki są niezwykłe. Przejdźmy przez główne cykle szumu, które trafnie przewidział.

Prognoza dotycząca samochodów autonomicznych jest być może jego najbardziej imponującym trafnym typem. Gdy Musk, Waymo i inni prognozowali w pełni autonomiczne pojazdy do 2017-2020, Brooks publicznie stwierdził, że harmonogramy są znacznie zbyt ambitne. Był precyzyjny: przewidział, że samochód autonomiczny nie będzie w stanie samodzielnie przejechać ze wschodniego do zachodniego wybrzeża Stanów Zjednoczonych, we wszelkich warunkach, bez ludzkiej interwencji, do stycznia 2030 roku. Niemal dekadę później prognoza ta wciąż wygląda na trafną.

Jego prognozy dotyczące Tesli były równie celne. Gdy Musk ogłosił Tesla Bot na AI Day 2021, Brooks natychmiast zastosował regułę 3x. Musk powiedział, że prototyp będzie gotowy “w przyszłym roku” (2022), a produkcja rozpocznie się w ciągu 3-5 lat (2025-2027). Obliczenie 3x według Brooksa sugerowało 2024-2025 dla prawdziwego prototypu i 2030-2033 dla znaczącej produkcji. Część dotycząca prototypu była w przybliżeniu trafna. Harmonogram produkcji wciąż się rozgrywa.

Wyniki za 2026: co Brooks mówi teraz

Wyniki prognoz Brooksa za styczeń 2026 są szczegółowe i warte przeczytania w całości. Ale kluczowe twierdzenia dotyczące robotów humanoidalnych można podsumować następująco.

Po pierwsze, argumentuje, że harmonogramy dyrektorów generalnych dotyczące masowego wdrożenia robotów humanoidalnych są nieprawdopodobne. Gdy firmy twierdzą, że dostarczą tysiące lub dziesiątki tysięcy humanoidów w ciągu jednego do dwóch lat, Brooks dostrzega ten sam wzorzec, który widział w każdym poprzednim cyklu szumu: ambitne prognozy oderwane od rzeczywistości produkcyjnej, złożoności wdrożenia i samej trudności sprawienia, by roboty działały niezawodnie w różnorodnych, rzeczywistych warunkach.

Po drugie, pozostaje sceptyczny co do ekonomii. Budowanie robotów humanoidalnych na dużą skalę wymaga jednoczesnego rozwiązania kwestii kosztów siłowników, kosztów baterii, integracji czujników i niezawodności oprogramowania. Nikt, argumentuje Brooks, nie wykazał, że może robić to wszystko w cenie, która ma ekonomiczny sens w porównaniu z istniejącą automatyzacją lub pracą ludzką.

Po trzecie, jest sceptyczny wobec uogólniania. Filmy demo wyglądają imponująco. Robot składający pranie, sortujący części, noszący tace. Ale Brooks pyta: czy ten sam robot może wykonywać wszystkie te zadania bez przeprogramowania? Czy poradzi sobie z przypadkami granicznymi? Co się stanie, gdy pranie jest mokre, części mają inny rozmiar, taca jest cięższa, niż oczekiwano? Przepaść między wyreżyserowanym demem a niezawodną działalnością ogólnego przeznaczenia jest, jego zdaniem, nadal ogromna.

Po czwarte, i to jest być może jego najbardziej wyważony punkt, Brooks nie zaprzecza, że roboty humanoidalne w końcu staną się znaczącym rynkiem. Zaprzecza, że harmonogram promowany przez firmy i inwestorów jest realistyczny. Różnica między “roboty humanoidalne przekształcą produkcję do 2030 roku” a “roboty humanoidalne przekształcą produkcję do 2040 roku” to różnica między rewolucją a ewolucją. Brooks uważa, że jesteśmy w ewolucji.

Gdzie dane podważają Brooksa

Teraz dochodzimy do trudnej części. Bo choć metodologia Brooksa służyła mu znakomicie przez 40 lat, obecny moment w robotyce humanoidalnej ma pewne cechy, które nie pasują do poprzednich cyklów szumu.

Liczby dostaw są prawdziwe. To jest najważniejsza różnica między 2026 rokiem a każdym poprzednim cyklem szumu humanoidalnego. W erze Honda ASIMO łączna liczba wysyłek humanoidów na całym świecie wynosiła praktycznie zero. W fali szumu humanoidalnego 2021-2022 liczby dostaw sięgały setek. Stan na marzec 2026: łączna liczba to ponad 15 200 jednostek. To nie jest demo. To nie jest komunikat prasowy. To łańcuch dostaw produkujący i dostarczający roboty w coraz większej skali.

Chiny zmieniają równanie produkcyjne. Poprzednie cykle szumu w robotyce toczyły się przede wszystkim w kontekście amerykańskiego i japońskiego korporacyjnego działu R&D, gdzie skalowanie produkcji było powolne i kosztowne. Obecny cykl jest w znacznej mierze napędzany przez chińskie firmy mające dostęp do tego samego ekosystemu łańcucha dostaw, który produkuje elektronikę konsumencką na skalę masową. Unitree, AgiBot, UBTECH, Leju, Engine AI i Fourier Intelligence to wszystko chińskie firmy. Łącznie odpowiadają za około 85% globalnych dostaw humanoidów. Działają w środowisku, gdzie koszty komponentów są niższe, iteracja produkcji szybsza, a rządowa polityka przemysłowa aktywnie subsydiuje rozwój robotów humanoidalnych.

Test bazy instalacyjnej Brooksa nadal obowiązuje, a 15 200 jednostek to bardzo daleko od “milionów” prognozowanych przez niektórych do 2030 roku. Ale trajektoria wzrostu jest bardziej stroma niż cokolwiek, co widzieliśmy w poprzednich cyklach humanoidalnych. I infrastruktura produkcyjna do podtrzymania tego wzrostu już istnieje w Shenzhen, Hangzhou i Szanghaju.

Krzywa cenowa porusza się szybciej, niż oczekiwano. Humanoid Unitree G1 kosztuje około 16 000 dolarów. To mniej niż nowy samochód. To mniej niż roczna pensja pracownika magazynu w większości krajów rozwiniętych. Ekonomika robotów humanoidalnych nie musi mieć sensu przy 150 000 dolarów za sztukę. Musi mieć sens przy 15 000-30 000 dolarów, a przynajmniej jedna firma jest już w tym przedziale. Ekonomiczny sceptycyzm Brooksa był skalibrowany wobec robotów kosztujących setki tysięcy dolarów. Krzywa cenowa przesunęła się pod jego nogami.

Goldman Sachs zrewidował prognozę 6-krotnie. Na początku 2024 roku Goldman Sachs prognozował rynek robotów humanoidalnych na 6 miliardów dolarów do 2035 roku. Pod koniec 2024 roku zrewidował to do 38 miliardów. Sześciokrotna rewizja w ciągu niespełna dwunastu miesięcy od jednego z najbardziej konserwatywnych instytucjonalnych prognostów na świecie sugeruje, że w danych bazowych zmieniło się coś fundamentalnego, a nie tylko szum.

Przypadki użycia są węższe i bardziej praktyczne niż obiecywały poprzednie cykle. To subtelny, ale ważny punkt. Poprzednie cykle szumu humanoidalnego obiecywały roboty ogólnego przeznaczenia do użytku domowego, które będą gotować, sprzątać i opiekować się starszymi. Obecny cykl jest napędzany przez znacznie bardziej konkretne przypadki użycia: logistykę fabryczną, sortowanie części, paletyzowanie i kontrolę jakości. Te zadania są powtarzalne, wystarczająco ustrukturyzowane, by były wykonalne, i wystarczająco masowe, by uzasadniały inwestycję. Krytyka Brooksa dotycząca nadmiernych obietnic co do ogólności jest trafna. Ale branża stała się mądrzejsza w celowaniu w osiągalne przypadki użycia jako pierwsze.

Gdzie dane potwierdzają Brooksa

Byłoby błędem jednak stwierdzić, że Brooks po prostu się myli. Kilka aspektów obecnego krajobrazu potwierdza jego podstawowe obawy.

Prognozy “milionów do 2030” wciąż są nieprawdopodobne. Niektórzy prognostycy i dyrektorzy firm prognozowali miliony wdrożonych robotów humanoidalnych do 2030 roku. Test bazy instalacyjnej Brooksa je obala. Przejście od 15 200 jednostek w marcu 2026 do miliona jednostek w grudniu 2030 roku wymagałoby złożonej rocznej stopy wzrostu rzędu około 200%. To byłoby bezprecedensowe dla produktu fizycznego w tej cenie. Dla porównania: przemysłowe roboty (tradycyjne ramiona przegubowe, nie humanoidy) potrzebowały ponad 20 lat, by przejść od 15 000 skumulowanych jednostek do miliona. Nawet z chińską przewagą produkcyjną cel miliona jednostek do 2030 roku wymaga tempa wzrostu, które nie ma historycznego precedensu.

Przepaści między demem a wdrożeniem utrzymują się. Najbardziej imponujące dema robotów humanoidalnych nadal znacznie wyprzedzają to, co jest wdrażane w produkcji. Filmy robotów składających pranie, parzących kawę i wykonujących złożone zadania manipulacyjne są niemal zawsze kręcone w kontrolowanych warunkach ze znaczącym nadzorem ludzkim. Roboty faktycznie wdrażane w fabrykach wykonują znacznie prostsze zadania: noszą tace, sortują części, przenoszą pudełka. Argument Brooksa o przepaści między demami a niezawodną działalnością produkcyjną pozostaje trafny.

Danych niezawodnościowych brakuje. Ile godzin ciągłej pracy może wytrzymać obecny robot humanoidalny przed wymaganiem konserwacji lub interwencji? Uczciwa odpowiedź jest taka, że większość firm nie publikuje tych danych. Roboty przemysłowe firm FANUC i ABB rutynowo pracują przez 80 000+ godzin przy minimalnej konserwacji. Roboty humanoidalne z ich złożonymi systemami bipedalnymi, precyzyjnymi rękami i siłownikami o wysokiej liczbie stopni swobody prawie na pewno jeszcze nie dorównują temu poziomowi. Dopóki dane o niezawodności nie są przejrzyste, prawdziwy koszt posiadania pozostaje nieznany.

Oprogramowanie to wąskie gardło, nie sprzęt. Brooks konsekwentnie argumentował, że trudnym problemem w robotyce nie jest budowanie sprzętu, lecz pisanie oprogramowania obsługującego nieskończoną różnorodność rzeczywistych sytuacji. Postęp sprzętu w robotach humanoidalnych przez ostatnie trzy lata był niezwykły. Postęp oprogramowania, choć realny, pozostaje w tyle. Większość wdrożonych robotów humanoidalnych działa z relatywnie wąskimi bibliotekami zadań i wymaga znacznej pracy integracyjnej przy każdym nowym zadaniu.

Lekcja Rethink Robotics

Istnieje głębsza ironia w pozycji Brooksa, która zasługuje na uwagę. Rethink Robotics, firma współzałożona przez Brooksa w 2008 roku, poniosła porażkę w 2018 roku, mimo że miała wiele tych samych składników, które dzisiejsze firmy humanoidalne uważają za klucz do sukcesu. Rethink miało zespół klasy światowej. Miało znaczące finansowanie. Miało jasną potrzebę rynkową (kolaboracyjne roboty produkcyjne). Miało wizjonerskiego założyciela, który rozumiał robotykę lepiej niż niemal ktokolwiek żyjący.

Poniosło porażkę, bo roboty były niewystarczająco dobre. Baxter i Sawyer byli zbyt wolni, zbyt nieprecyzyjni i zbyt ograniczeni pod względem zakresu zadań, by uzasadniać swój koszt dla producentów, którzy mogli zatrudniać pracowników lub kupować tradycyjne roboty przemysłowe. Technologia nie była gotowa.

Brooks wyciągnął wnioski z tej porażki i informuje ona jego obecny sceptycyzm. Wie z bolesnego osobistego doświadczenia, że posiadanie przekonującej wizji, znaczącego finansowania i jasnej szansy rynkowej nie oznacza, że technologia jest gotowa na ogólne wdrożenie. Przepaść między “to powinno działać” a “to działa, niezawodnie, na dużą skalę, w konkurencyjnej cenie” pochłonęła 150 milionów dolarów i jeden z najbardziej utalentowanych zespołów w robotyce.

Kontrargument jest taki, że to było osiem lat temu, a technologia dramatycznie się poprawiła. Duże modele językowe i modele wizji-języka-działania przekształciły to, czego roboty mogą się nauczyć. Koszty siłowników spadły. Pakiety sensoryczne stały się tańsze i bardziej zaawansowane. Infrastruktura oprogramowania do trenowania polityk robotów ogromnie się rozwinęła. Warunki, które zniszczyły Rethink Robotics, mogą już nie mieć zastosowania.

Ale Brooks prawdopodobnie odpowiedziałby: tak zawsze mówią. Technologia jest zawsze “dramatycznie lepsza” niż pięć lat temu. Pytanie brzmi, czy jest wystarczająco dobra. A “wystarczająco dobra” to poprzeczka, której robotyka konsekwentnie nie przekracza w zakładanych harmonogramach.

Siedem grzechów głównych prognozowania

W szeroko czytanym wpisie zatytułowanym “The Seven Deadly Sins of Predicting the Future of AI” Brooks przedstawił taksonomię błędów popełnianych przez ludzi przy prognozowaniu technologii. Te grzechy warto przypomnieć, bo bezpośrednio dotyczą obecnego dyskursu o robotach humanoidalnych.

Przecenianie i niedocenianie. Ludzie jednocześnie przeceniają to, co technologia może zrobić w krótkim terminie, i niedoceniają tego, co może zrobić w długim terminie. To jest prawo Amary, a Brooks był jednym z jego najskuteczniejszych propagatorów.

Wyobrażanie sobie magii. Oglądanie dema robota wykonującego zadanie i wyciąganie wniosku, że robot “rozumie” zadanie tak, jak rozumiałby je człowiek. Obecne roboty humanoidalne składające pranie nie rozwinęły pojęcia “pranie”. Nauczyły się wąskiej polityki manipulowania obiektami tkaninnymi, które wyglądają jak to, na czym były trenowane.

Wydajność a kompetencje. Robot sortujący części z 95% skutecznością w demie może zawodzić w 5% przypadków w produkcji. W skali przemysłowej wskaźnik awarii 5% jest katastrofalny. Odległość od 95% do 99,99% jest często dłuższa niż odległość od 0% do 95%.

Słowa-walizki. Słowa takie jak “uczenie się”, “rozumienie” i “inteligencja”, które niosą ogromne znaczenie dla ludzi, ale opisują coś znacznie węższego, gdy są stosowane do obecnych systemów AI. Gdy firma mówi, że jej robot humanoidalny “nauczył się” wykonywać zadanie, ma na myśli coś bardzo różnego od tego, co wyobraża sobie ludzki słuchacz.

Każdy z tych grzechów jest widoczny w dzisiejszym dyskursie o robotach humanoidalnych. Każdy film firmowy pokazujący robota wykonującego imponujące zadanie manipulacyjne zaprasza widza do popełniania wielu grzechów prognozowania jednocześnie.

Problem dopasowywania wzorców

Oto fundamentalne napięcie. Metodologia prognozowania Brooksa opiera się na dopasowywaniu wzorców. Patrzy na nowe twierdzenie technologiczne, identyfikuje, do którego historycznego wzorca najbardziej przypomina, i przewiduje, że wynik będzie podobny. Działało to znakomicie przez 40 lat, ponieważ większość cyklów szumu technologicznego faktycznie podąża podobnymi wzorcami.

Ale dopasowywanie wzorców ma strukturalną słabość: nie może identyfikować prawdziwych przejść fazowych. Są chwile w historii technologii, gdy nowa kombinacja czynników tworzy fundamentalnie odmienną sytuację - taką, która nie podąża poprzednimi wzorcami. Wprowadzenie iPhone’a w 2007 roku. Pojawienie się głębokiego uczenia po 2012 roku. Premiera ChatGPT w 2022 roku. W każdym przypadku rozsądna analiza oparta na wzorcach przewidywałaby wyniki podobne do poprzednich cyklów. W każdym przypadku wyniki były radykalnie odmienne.

Pytanie dla robotów humanoidalnych brzmi, czy mamy do czynienia z powtórzeniem wzorca, czy z przejściem fazowym. Metodologia Brooksa zakłada powtórzenie wzorca. Dowody mogą wspierać obie interpretacje.

Trzy z sześciu kluczowych wskaźników wyglądają jak powtórzenie wzorca z poprzednich cyklów szumu. Trzy wyglądają jak coś autentycznie nowego. To nie jest jasny werdykt w żadnym kierunku. To jest autentycznie niepewna sytuacja, w której zarówno pewni optymiści, jak i pewni pesymiści mają tendencję do błędów.

Co Brooks może przeoczyć

Jeśli Brooks myli się w tym cyklu, najprawdopodobniej będzie to z jednego lub kilku z następujących powodów.

Czynnik chiński nie ma historycznego odpowiednika. Rama prognozowania Brooksa została opracowana w kontekście amerykańskiego i japońskiego rozwoju technologicznego, gdzie cykl od badań do skalowania produkcji jest powolny, kapitałochłonny i ograniczony przez wysokie koszty pracy. Chiński ekosystem robotyki nie działa pod tymi ograniczeniami. Gdy Unitree może sprzedawać humanoidalnego robota za 16 000 dolarów, działa w paradygmacie produkcyjnym, który historyczna baza wzorców Brooksa może nie uwzględniać w pełni.

Wąskie wdrożenie wystarczy na start. Brooks ma rację, że roboty humanoidalne ogólnego przeznaczenia są odległe o lata. Ale obecny model wdrożenia nie jest ogólnego przeznaczenia. To wdrożenie wąskich zadań w ustrukturyzowanych środowiskach - zasadniczo używanie formy humanoidalnej do pracy wykonywanej obecnie przez ludzkie ręce, bo tradycyjna automatyzacja nie może dostosować się do fizycznej przestrzeni roboczej. Jest to mniej ambitne niż obiecuje szum, ale może być komercyjnie opłacalne teraz, a nie w 2035 roku.

Dynamika kapitału wysokiego ryzyka jest inna. Poprzednie cykle szumu robotyki były finansowane przede wszystkim przez korporacyjne budżety R&D, które mogły być cięte w czasie spowolnienia. Obecny cykl jest finansowany przez kapitał wysokiego ryzyka, suwerenne fundusze majątkowe i inwestycje rynków publicznych na skalę, która sama w sobie tworzy momentum. AgiBot zebrał 140 milionów dolarów w swoim pierwszym roku. Figure AI zebrał ponad 750 milionów dolarów. Tak dużo kapitału może podtrzymać firmy przez “dolinę śmierci” między wczesnym wdrożeniem a rentownością, która zniszczyła Rethink Robotics.

Modele fundamentalne zmieniają równanie oprogramowania. Wąskie gardło oprogramowania, które Brooks słusznie identyfikuje jako najtrudniejszy problem w robotyce, może być przynajmniej częściowo rozwiązane przez zastosowanie dużych modeli fundamentalnych do uczenia robotów. Modele wizji-języka-działania umożliwiają robotom uczenie się nowych zadań z demonstracji znacznie szybciej niż było to możliwe przy tradycyjnym programowaniu. Nie rozwiązuje to problemu uogólniania w całości, ale może skrócić harmonogram z “dekad” do “lat”.

W czym Brooks niemal na pewno ma rację

Nawet jeśli obecny cykl humanoidalny okaże się prawdziwym przejściem fazowym, Brooks prawdopodobnie ma rację w kilku kwestiach.

Harmonogramy promowane przez większość firm są zbyt ambitne. Nawet firmy z najlepszymi osiągnięciami dostarczają setki jednostek rocznie, nie tysiące ani dziesiątki tysięcy, które prognozują. Skalowanie produkcji wymaga czasu, nawet w Chinach.

Dema przeceniają obecne możliwości. Przepaść między tym, co roboty humanoidalne mogą robić w kontrolowanym demie, a tym, co mogą niezawodnie robić w produkcji, jest nadal bardzo duża. Ktokolwiek podejmuje decyzje zakupowe na podstawie filmów demo, będzie rozczarowany.

Roboty humanoidalne ogólnego przeznaczenia, które mogą wykonywać dowolne zadania domowe, są znacznie dalej, niż sugerują firmy. Przypadek użycia wdrożenia w fabrykach jest wykonalny. Przypadek użycia w gospodarstwach domowych jest o rząd wielkości trudniejszy.

Ekonomia jest nadal nieudowodniona na dużą skalę. Indywidualne wdrożenia mogą wykazywać pozytywne ROI. Ale czy roboty humanoidalne mogą konkurować z tradycyjną automatyzacją i pracą ludzką w szerokich kategoriach pracy, pozostaje do wykazania.

Wyniki, które mają znaczenie

Metodologia prognozowania Brooksa obejmuje cechę, której brakuje większości komentatorów technologicznych: rozliczalność. Publikuje prognozy z datami. Ocenia siebie corocznie. Przyznaje, gdy się mylił. Samo to stawia go w czołowych 1% komentatorów technologicznych.

Ale rozliczalność oznacza też, że jego prognozy można testować w czasie rzeczywistym. Oto konkretne twierdzenia z jego wyników za 2026 rok, które możemy śledzić.

Czy jakakolwiek pojedyncza firma dostarczy ponad 10 000 robotów humanoidalnych w roku kalendarzowym przed 2028 rokiem? Brooks prawdopodobnie powiedziałby: nie. Obecne trajektorie Unitree i AgiBot sugerują, że jest to możliwe, ale nieoczywiste.

Czy robot humanoidalny będzie nieprzerwanie działał w środowisku fabrycznym przez 8 000+ godzin (mniej więcej rok pojedynczej zmiany) bez poważnej konserwacji do 2028 roku? To jest test niezawodności Brooksa. Żadne publiczne dane nie sugerują, że zostało to osiągnięte.

Czy łączna baza instalacyjna robotów humanoidalnych przekroczy 100 000 jednostek do 2030 roku? Wymaga to wzrostu o około 7 razy rocznie od obecnej bazy. Ambitne, ale matematycznie nieniemożliwe.

Czy robot humanoidalny z powodzeniem wykona nowe zadanie domowe (takie, do którego nie był specjalnie trenowany) za pierwszym razem, w niezmodyfikowanym domu, do 2030 roku? To jest test uogólniania. Brooks niemal na pewno stawia przeciw temu.

Niechętny wniosek

Rodney Brooks zasłużył na swój sceptycyzm. Miał rację częściej niż ktokolwiek inny w tej dziedzinie i miał rację z właściwych powodów. Jego metodologia jest solidna. Jego wyniki są niezwykłe. Budował prawdziwe roboty, sprzedawał prawdziwe produkty, zakładał prawdziwe firmy i uczył się z prawdziwych porażek. Gdy mówi, że szum wokół robotów humanoidalnych wyprzedza rzeczywistość, domyślnym założeniem powinno być, że ma rację.

A jednak.

Obecne dane zawierają cechy, które autentycznie nie pasują do poprzednich cyklów szumu. Liczby dostaw są prawdziwe i rosną. Ceny przekroczyły ekonomicznie istotne progi. Ekosystem produkcyjny, szczególnie w Chinach, działa z prędkością i skalą, której historyczna rama Brooksa może nie w pełni uwzględniać. Krajobraz oprogramowania został przekształcony przez modele fundamentalne w sposób, który był nieprzewidywalny jeszcze trzy lata temu.

Najbardziej uczciwa odpowiedź jest taka, że nie wiemy jeszcze, czy Brooks ma rację w tym cyklu. Będziemy wiedzieć do 2028-2030. Jeśli globalne dostawy humanoidów osiągną 50 000-100 000 jednostek do tego czasu, z wykazanym pozytywnym ROI we wdrożeniach fabrycznych, Brooks będzie po raz pierwszy w karierze zbyt pesymistyczny. Jeśli dostawy utrzymają się na poziomie 20 000-30 000 jednostek i firmy zaczną upadać lub zmieniać kierunek, Brooks znów wytypuje to trafnie.

Co można powiedzieć z pewnością: bez względu na to, czy Brooks ma rację czy nie co do harmonogramu, jego metodologia pozostaje najcenniejszą ramą analityczną w tej dziedzinie. Prognozy z datami. Analiza bazy instalacyjnej. Reguła 3x dla optymizmu dyrektorów. Rozróżnienie między demami a wdrożeniami. Naleganie na opłacalność ekonomiczną, a nie tylko możliwość techniczną.

Jeśli rewolucja robotów humanoidalnych dotrze w harmonogramie, który prognozują optymiści, nie będzie to dlatego, że rama Brooksa była błędna. Będzie dlatego, że warunki bazowe zmieniły się w sposób, którego żaden historyczny wzorzec nie mógł przewidzieć. A jeśli nie dotrze w tym harmonogramie, ludzie, którzy zlekceważyli Brooksa, będą musieli zmierzyć się z faktem, że najbardziej doświadczony robotyk żyjący na świecie był po raz kolejny najbardziej wiarygodnym prognostą.

Tak czy inaczej, każdy podejmujący decyzje dotyczące robotów humanoidalnych - czy to jako inwestor, producent, decydent czy inżynier - powinien czytać Rodneya Brooksa, zanim przeczyta kogokolwiek innego. Nie dlatego, że zawsze ma rację. Ale dlatego, że gdy się myli, myli się z konkretnych, sprawdzalnych, dobrze udokumentowanych powodów. To więcej, niż może powiedzieć o sobie niemal ktokolwiek inny w tej dziedzinie.