我在一个能即时学习的机器人中看到了人工智能的未来

# 我在一个能现场学习的机器人身上看到了AI的未来 来源：https://www.wired.com/story/generalist-ai-robots-learn-like-clever-toddlers/ 上周，我离家仅仅15分钟，就去观看机器人(https://www.wired.com/category/science/robots/)展现了令人难以置信、瞠目结舌的表现。 我拜访了位于马萨诸塞州剑桥市的一家名为通用人工智能(Generalist AI)(https://generalistai.com/)的初创公司(https://www.wired.com/category/business/startups/)办公室，在那里我看到机械臂执行简单的日常任务(https://www.wired.com/story/the-1-1x-neo-robot-has-freaky-fast-fingers/)，比如叠杯子、把积木放进碗里等等。它们迅速掌握诀窍的能力让我震惊——这让人想起血肉之躯的人类。 这些机械臂在观看了简短的教学视频后就掌握了一系列任务，而且最令人印象深刻的是，它们无需针对特定任务进行专门训练。一个最引人注目的例子是：一个机器人被指示用簸箕和扫帚将一块积木扫进碗里。当扫帚从场景中移除后，机器人即兴发挥，把簸箕当作扫帚使用，将积木扫进了碗里。 *图片由通用人工智能提供* 在另一个案例中，一个双臂机器人观看了一段有人拉开钱包拉链然后取出纸币的视频片段。我略显目瞪口呆地看着这个机器人拉开一个不同种类的钱包，然后小心翼翼地取出了钞票。最神奇的是，当它无法抓住钞票时，它从使用右手夹爪切换到了左手夹爪，以获得更好的抓取角度。“哈，”旁边一位工程师说，“它以前可从没这样做过。” “这正是人们当时对GPT-3感到非常兴奋的那种类型的事情，”通用人工智能公司的联合创始人兼首席执行官皮特·弗洛伦斯告诉我，他指的是OpenAI在2020年发布的突破性大型语言模型。“你可以拿那个模型，直接给它一个提示去完成一项新任务，它就有相当大的机会完成。” 通用人工智能公司似乎专注于教会机器人理解世界的物理规律，这似乎受到了人类自幼就展现出的物理直觉(https://www.pnas.org/doi/10.1073/pnas.1306572110)的启发。这很可能促成了模型将在一种场景中学到的东西迁移到另一种场景的能力。事实上，该公司的一些演示让我想起了当孩子们被示范一项任务时，他们是如何即兴发挥和尝试的。研究人员常常对机器人的决定感到惊讶——例如，一个机器人选择在面前放一把香蕉时，用它来扫东西。这看起来可能微不足道，但物理智能仍然是机器普遍缺乏的东西，而婴儿如此高效地认识世界的方式，或许能为AI研究人员提供重要的启示(https://www.wired.com/story/ai-isnt-smarter-than-a-baby-yet/)。 *图片由通用人工智能提供* 我在一间会议室见到了弗洛伦斯和安德鲁·巴里（联合创始人兼首席技术官），窗外可以看到几组人员正在用手戴的特殊夹爪进行机器人训练。公司的另一位联合创始人兼首席科学家是安迪·曾。这三位的背景都很亮眼：他们此前曾在谷歌深度思维和波士顿动力公司工作，参与过一些最先进的硬件和机器人模型项目。 传统上，训练一个AI驱动的机器人执行不同任务，意味着要向模型输入成千上万的示例。然而，这是一种出了名的不完美的学习方式，哪怕你只是改变照明这样简单的因素，机器人也可能难以完成任务。 通用人工智能和一些其他机器人初创公司正大力投资于由人类训练的通用机器人模型。该公司制造了类似机器人夹爪的特殊手套，上面装有摄像头，人们戴上这些手套执行各种任务。我看到一箱堆得高高的、有几百个这样的夹爪，准备运往墨西哥等地的工人手中。 弗洛伦斯和他的团队对他们训练机器人所使用的确切方法讳莫如深，但表示公司已经收集了大量高质量的训练数据。与其他一些追求更智能机器人的公司不同，他们也完全从头开始构建了自己的AI模型，而不是依赖开源的语言模型。 佐治亚理工学院的机器人学家丹飞·徐熟悉通用人工智能的工作，他表示这家初创公司在追求更通用机器人模型的公司中脱颖而出。“他们把这件事推向了极致，而且执行得非常好，”徐说。除了收集大量高质量数据，他还说，“他们是优秀的机器人专家，做了非常出色的研究。” 徐还表示，通用人工智能目前展示的内容表明，他们着眼于在真实的商业环境中部署机器人。“他们是最接近可部署产品的，”他说。 “通用人工智能的数据方法是在大规模收集物理交互数据的同时，不过分依赖于某一个特定机器人，”同样了解该公司的斯坦福大学机器人学家卡伦·刘说。“他们最有力的结果表明，这个方向可能奏效了。” 话虽如此，通用人工智能表示其模型的学习能力目前尚未十分可靠。一个机器人平均只有约59%的概率能完成它被示范过的任务；理想情况下，其成功率应该在99%以上。此外，这些技能能在多大程度上泛化到所有可想象的任务或场景，似乎也不明确。 尽管如此，机器人在制造业等领域快速学习技能的潜力似乎巨大。通用人工智能的一位工程师最近在一个夜晚似乎发现了这一点。一段记录该事件的视频显示，这位工程师在一个双臂机器人面前的小桌子上叠放小杯子，想看看这台机器会怎么做。机器人突然加入了进来，用它的两个夹爪抓取并叠放其他杯子。当机器人将杯子叠成整齐的一摞时，工程师开始兴奋地向周围的人欢呼，对这一操作感到高兴。 --- *这是**威尔·奈特* (https://www.wired.com/author/will-knight/)***的《AI实验室》通讯* (https://www.wired.com/newsletter?sourceCode=editarticle)的一个版本。*阅读往期通讯* **请点击这里。** (https://www.wired.com/tag/ai-lab/)