AI buitengewone dingen kan doen. Maar tot nu toe was het meeste hiervan virtueel.
Als je een cool artikel wilt voor je bichon frise-blog of een vakkundig opgestelde brief waarin je de parkeerboete betwist die je misschien verdient, kunnen chatbots zoals ChatGPT en Gemini dit mogelijk maken.
Al deze dingen zijn echter opgesloten in een wereld van vage informatie. Ze zijn nuttig, maar de producten van de hedendaagse grote taalmodellen (LLM’s) en neurale netwerken zijn niet echt nuttig aan het werken veel dingen.
De status van siliciumgebonden AI begint echter te veranderen. Technologie dringt steeds meer door in de echte wereld.
2026 is het jaar waarin AI fysiek wordt. En die veranderingen hebben grote gevolgen voor de toekomst van de technologie – en de impact als deze faalt.
Noem mij robot
Verandering begint bij auto’s. Het idee van een zelfrijdende auto terug naar de jaren vijftig. Maar de technologie voelt altijd alsof deze verouderd is.
Nu hier.
Robotaxi-bedrijven zoals Waymo en Zoox leveren ruim 450.000 ritten per week aan betalende klanten. Ik bestuur de hele tijd Waymo-voertuigen en ik vind het heerlijk om een robot uit een app op te roepen en ermee door de stad te rijden.
Zelfrijdende auto’s zijn er eindelijk dankzij veel dingen, waaronder goedkope lidarscanners en betere batterijen. Maar de opkomst van deep learning en AI speelt de belangrijkste rol.
Het AI-model dat Waymo-voertuigen aanstuurt is dat wel veel beter in autorijden dan mensen. En ze kunnen hun vaardigheden snel leren en verbeteren. Hier in San Francisco, waar ik woon, is Waymos assertiever geworden omdat ze de wegen beter hebben leren kennen.
Zelfrijdende AI wordt zo goed dat het steeds beter in staat is om over wegen te navigeren zonder de noodzaak van de mooie (en dure) sensoren die je op de eerste generatie Waymos ziet. Tesla gebruikt eenvoudige camera’s, en terecht steeds dichter bij echt autonoom rijden.
Vouw mijn was op, Siri
Zelfrijdende auto’s zijn een ongelooflijke toepassing van fysieke AI. Maar zij zijn niet de enigen.
Autorijden is een goede eerste test voor deze technologie, omdat deze vrij duidelijke regels en beperkingen kent. Auto’s moeten op de weg blijven, rode lichten herkennen en Minimaliseer kattensterfte.
Andere fysieke taken zijn moeilijker te automatiseren met AI. Ze hebben echter een groter winstpotentieel.
Steeds meer bedrijven combineren kunstmatige intelligentie met mensachtige robots en leren de kunstmatige ‘hersenen’ van de robots over de fysieke wereld, zodat ze er goed doorheen kunnen navigeren.
Zijn voornaamste droom is om laat deze robots werken. Ze kunnen allerlei klusjes doen in bijvoorbeeld fabrieken of magazijnen. Over het algemeen moeten de hedendaagse industriële robots op maat worden gebouwd voor één taak, maar AI-aangedreven robots kunnen meerdere taken leren, bijvoorbeeld het assembleren van een product en het vervolgens op een plank plaatsen.
Maar AI-aangedreven robots zouden ook gapende gaten in de menselijke arbeidsmarkt kunnen opvullen. De zorg voor ouderen is van groot belang nu de gemiddelde leeftijd in de wereld toeneemt. Nog niet Het vinden van voldoende mensen om de rol te vervullen is vrijwel onmogelijk.
Vooral in landen als Japan, Robots beginnen de gaten op te vullen. Behendige, door AI aangedreven robots zullen binnenkort goed genoeg werken om taken uit te voeren zoals afwassen, wasgoed opvouwen of zelfs automatisch koken.
Deze gezelschapsrobot kan ouderen helpen zelfstandiger te leven. Met een geavanceerde LLM kunnen ze zelfs contact maken met mensen in de echte wereld, eenzaamheid helpen overwinnen of iemand met geheugenproblemen eraan herinneren hun medicijnen op tijd in te nemen.
De gelijkenis van de obscene beer
Natuurlijk zijn er aan dit alles risico’s verbonden.
Wanneer een LLM in de virtuele ruimte hallucineert, is dat vervelend maar zelden schadelijk. Als je ChatGPT-gehaktbalrecept slecht is, ga je waarschijnlijk niet dood. En als de chatbot die uw blogpost schrijft een bichon met een poedel verwart, zal uw hond erg boos op u zijn, maar van weinig gevolgen.
Fysieke AI is anders. Voor alle duidelijkheid: als de technologie van Waymo faalt, kan deze onbedoeld een voorwerp van 5.000 pond in een nabijgelegen gebouw of persoon richten. En je hebt genoeg science fiction gelezen dat ik je niet hoef te herinneren aan de robotopstand.
De meeste van deze risico’s zijn echter goed bekend en kunnen daarom goed worden beheerst. Behalve stroomstoringenWaymos wordt onderweg zelden geconfronteerd met ernstige uitdagingen, en industriële robots doen mensen zelden pijn.
Grotere risico’s beginnen zich te openbaren wanneer AI lukraak wordt toegepast in de fysieke wereld, zonder veel toezicht of planning. Naarmate fysieke AI zich ontwikkelt en LLM’s goedkoper worden, zal dit vaker gebeuren.
Neem bijvoorbeeld een casus AI-teddybeer met ingebouwde LLM. Moet met de kinderen kletsen en misschien een verhaaltje voorlezen voor het slapengaan. In plaats daarvan begonnen ze hen te instrueren over BDSM en andere onzedelijke onderwerpen, maar ook over hoe ze pillen moesten slikken en waar ze messen konden vinden.
De beer werd snel van de markt gehaald. Maar de les is duidelijk: in tegenstelling tot traditionele computercode is LLM niet-deterministisch: je kunt de output ervan niet voorspellen op basis van de input die je invoert.
In 2026 en daarna zal dit betekenen dat auto’s beter in staat zijn om ongelukken te vermijden dan menselijke bestuurders, robots die gemakkelijk taken kunnen leren die ze nog nooit eerder hebben gedaan, en AI ingebed in fysieke systemen (zoals elektriciteitsnetwerken en nutsvoorzieningen) die onmiddellijk kunnen reageren op storingen of stroomuitval.
Maar het betekent ook veel mislukkingen – en misschien wel enkele grote. De onvoorspelbaarheid van LLM is hun kracht. Maar naarmate AI fysiek vordert, zal die onzekerheid ook leiden tot een snellere, minder beheersbare en chaotischere wereld.
