Największą przeszkodą w rozwoju fizycznej AI — czyli sztucznej inteligencji sterującej robotami w prawdziwym świecie — nie jest architektura modeli, lecz brak danych treningowych. Firma Encord posunęła się do nietypowego eksperymentu: mierzy fale mózgowe operatorów, aby tworzyć bogatsze zbiory uczące dla robotów. O próbie napisał 26 lipca 2026 roku serwis TechCrunch.
Encord zajmuje się przygotowaniem danych do uczenia modeli robotycznych. W magazynie w San Leandro w Kalifornii operatorzy wykonują zadania manipulacyjne, mając na głowie zestawy EEG od niemieckiego startupu Zander Labs oraz czujniki na przedramionach, które odczytują sygnały elektryczne z mięśni. Zespołem uczenia robotów kieruje Vineeth Velmurugan, weteran laboratorium robotyki OpenAI. Jego diagnoza jest bezpośrednia:
Takie dane po prostu nie istnieją. (Vineeth Velmurugan, Encord)
Skala problemu jest ogromna. Velmurugan szacuje, że do skokowej poprawy potrzebny byłby zbiór danych około pięć razy większy niż cały korpus wideo serwisu YouTube. Liczy się także jakość. Według Encord gęsto oznaczone dane są warte około stukrotnie więcej niż „śmieciowe" nagrania z perspektywy operatora, a kosztują tylko dwudziestokrotnie więcej. Fale mózgowe mają dawać dodatkowy sygnał: podpowiadać, w których momentach zadania model powinien uruchamiać swoje najbardziej kosztowne obliczeniowo warianty.
Co fizyczna AI oznacza dla polskiego biznesu
Ta historia dobrze pokazuje regułę, która dotyczy każdego wdrożenia AI, nie tylko robotyki. Wartość systemu w większym stopniu zależy od danych niż od samego modelu. Firmy, które chcą korzystać z AI w produkcji, logistyce czy obsłudze klienta, powinny traktować pozyskanie i oznaczenie danych jako realną pozycję w budżecie, a nie dodatek do projektu.
Warto też zwrócić uwagę na rodzaj zbieranych danych. Fale mózgowe i sygnały z mięśni to dane biometryczne, a więc w świetle RODO dane wrażliwe, wymagające wyraźnej podstawy prawnej i odpowiednich zabezpieczeń. Zanim firma zacznie zbierać dane od pracowników do trenowania modeli, powinna sprawdzić, jakie kategorie danych rzeczywiście gromadzi i na jakiej podstawie. Fizyczna AI wchodzi do przemysłu wolniej niż modele językowe, ale pytania o jakość i pochodzenie danych pozostają identyczne.
Źródło: TechCrunch — „Are brain waves the next unlock for physical AI?" (EN), 26 lipca 2026.
