Je hebt vast weleens gehoord over de razendsnelle vooruitgang in robotica. Denk aan complexe AI die kan praten of zelfs kunst kan maken. Maar zodra je zo’n humanoïde robot vraagt om een kopje koffie te zetten of de was op te vouwen, stopt het feestje. Ze zijn nog te onhandig voor de gemiddelde huiskamer.
Het probleem? Deze gladde, mensachtige machines hebben een diepgaande, fysieke training nodig die je niet zomaar van een YouTube-filmpje haalt. In China zijn ze hier slimmer mee omgegaan dan je zou verwachten. Ze hebben een geheime, bijna absurde trainingsmethode geïntroduceerd die werkt als een soort digitale leerschool.
De nieuwe bibliotheek: 40+ centra vol saaie repetitie
Terwijl wij wachten tot de robots zelf slim genoeg zijn, is de Chinese overheid massaal geïnvesteerd in wat ze nu al de ‘embodied AI’ trend noemen. Dit betekent: AI in een fysiek lijf.
Ze hebben nu meer dan 40 publieke trainingscentra opgezet. Wat gebeurt er daar? Werkelijke mensen, vaak jonge studenten zoals de 20-jarige Kim, krijgen VR-headsets en bewegingssensoren opgespeld. Hun taak is simpel, maar uitzichtloos: eindeloos alledaagse handelingen herhalen.
Waarom deze menselijke tussenkomst? Robots hebben veel meer nodig dan alleen tekstuele data; ze hebben precieze informatie nodig over gewrichtshoeken, rotaties en de subtiele manier waarop je een magnetron openmaakt. Deze data is niet makkelijk van het internet te schrapen.
Van de werkbank tot de slaapkamer
Deze ‘cibermedewerkers’ worden ingezet om miljoenen datapunten te genereren. Ik zag een voorbeeld waarbij het aanleren van één simpele taak – een pan op het fornuis zetten – 1.250 herhalingen van de menselijke trainer vereiste.
De trainingslocaties zijn indrukwekkend. Ze bootsen complete werelden na. Denk aan 10.000 vierkante meter aan nagebouwde fabrieken, logistieke magazijnen en zelfs nagebouwde keukens en slaapkamers. Het lijkt wel een gigantisch decor voor een sciencefictionfilm, maar dan met de meest monotone baan ter wereld.
- Robots leren vouwen door menselijke repetitie van het vouwen.
- Een robot die leert strijken, heeft honderden strijkbeurten nodig via menselijke input.
- De input omvat visuele data, krachtmeting en aanpassing aan onvoorspelbare objecten.
De vloek van de herhaling: werkt deze methode écht?
Hoewel de resultaten op papier indrukwekkend zijn – getrainde robots behalen een slagingspercentage van meer dan 95% voor 20+ operationele vaardigheden – is er kritiek. Specialisten zoals Ken Goldberg van UC Berkeley noemen het een ‘nobele inspanning’, maar benadrukken dat het ongelooflijk traag is.
Stel je voor: honderden mensen die de hele dag door de meest saaie taken uitvoeren. Het voelt een beetje als de vroege dagen van text-based AI, maar dan fysiek. We stoppen menselijke arbeid in de machine in de hoop dat we er later geen menselijke arbeid meer voor nodig hebben.
Hier zit de nuance: de Chinese overheid ziet dit als een nationale prioriteit, met miljardeninvesteringen. Terwijl wij in Nederland misschien nog wachten op de eerste betaalbare huishoudrobot, staan de Chinese fabrieken al vol met deze ‘afgestudeerden’ die nu materialen manipuleren of inspecties uitvoeren.
Zo gebruik je deze kennis in je eigen dagelijks leven (of werk)
Dit klinkt ver van je bed, maar het leert ons iets over leren in het algemeen. Wanneer je een complexe vaardigheid (of je nu leert programmeren of een nieuw recept uit je hoofd leert) wilt internaliseren, is het kopiëren van de perfecte uitvoering cruciaal. Dit heet demonstratie-leren.
Praktische hack: de 5x + 5x regel
- Identificeer de moeilijkste subtaak in een proces (bijvoorbeeld: een complexe knoop leggen).
- Zoek de meest vloeiende en efficiënte uitvoering die je kunt vinden (de ‘menselijke trainer’).
- Voer die exacte beweging 5 keer achter elkaar *perfect* uit, zonder naar de bron te kijken.
- Neem een korte pauze (adem diep in, zoals een kibbeling eten bij de visboer).
- Herhaal de 5 keer. Dit consolideert de beweging in je spiergeheugen, net als bij die robots.
De grens tussen menselijke arbeid en machinale automatisering wordt steeds vager. Wat denk jij: is deze menselijke 'opofferingslaboratorium'-aanpak de enige manier om écht intelligente robots te bouwen, of is het een gigantische verspilling van menselijk potentieel?
