Techbedrijven investeren volop in zogenoemde fysieke AI: menselijke robots die zelfstandig taken uitvoeren in de echte wereld. Maar hoe realistisch is het dat zulke robots binnenkort in onze huiskamer staan? Drie onderzoekers van de Hogeschool van Amsterdam delen hun perspectief.
Volgens Merel Noorman, associate lector Responsible AI aan de Hogeschool van Amsterdam, is de fascinatie voor menselijke robots allesbehalve nieuw. Robots zijn de afgelopen decennia sterk geëvolueerd, vooral in gecontroleerde omgevingen zoals fabrieken. Tegelijkertijd worden aan die technologische vooruitgang vaak vergaande toekomstscenario’s gekoppeld. Die verwachtingen verdienen nuance.
Pascal Wiggers, lector Responsible IT, verwacht niet dat humanoïde robots op korte termijn zullen doorbreken in huishoudens of op de werkvloer. Een huiselijke omgeving is fundamenteel anders dan een fabriekshal. Meubels worden verplaatst, objecten liggen verspreid, mensen en huisdieren bewegen onverwacht. Robots moeten omgaan met uiteenlopende materialen, gewichten en oppervlakken. Dat vraagt om voortdurende aanpassing en foutloze interactie, omdat fouten directe fysieke schade kunnen veroorzaken.
Historisch gezien functioneren robots vooral goed wanneer de omgeving op hen is afgestemd. In industriële settings zijn veiligheidsmaatregelen ingevoerd na ernstige incidenten. In de open, onvoorspelbare wereld van het huishouden ontbreekt zo’n gecontroleerde infrastructuur.
Waar wel zichtbare vooruitgang wordt geboekt, is in sociale robotica. Tibert Verhagen, lector Emerging Technology for Business, ziet dat winkels experimenteren met robots die klanten informeren, producten aanbevelen en de weg wijzen. Dankzij geavanceerde taalmodellen communiceren deze systemen vloeiender dan voorheen. Onderzoek van de HvA laat zien dat klanten vooral waardering hebben voor praktische, routinematige toepassingen.
Toch blijven er fundamentele beperkingen. Noorman wijst op het zogeheten ‘frame problem’ binnen AI: de fysieke wereld bevat te veel variabelen om volledig te modelleren of te simuleren. Onvoorziene situaties blijven zich voordoen. Wiggers benadrukt dat AI-systemen veel voorbeelddata nodig hebben om adequaat te leren handelen, terwijl fouten in de leerfase bij fysieke robots direct risico’s opleveren.
Miscommunicatie vormt een extra uitdaging. Waar mensen voortdurend context en intentie verduidelijken, kunnen robots die signalen missen. Zelfs tekstgebaseerde AI-systemen veroorzaken al schade door verkeerde interpretaties; bij fysieke robots komt daar een tastbaar veiligheidsaspect bij.
De conclusie van de HvA-onderzoekers is terughoudend: sociale robots zullen waarschijnlijk verder integreren in specifieke sectoren, maar een veelzijdige, betrouwbare robotbutler in huis is voorlopig geen realistische verwachting.