當AI遇見機器人

馬 迪

想象一下，在不遠的未來，人形機器人走進千家萬戶、融入人類社會，這將對所有行業產生深遠的影響。

“我覺得AI的方向搞錯了。我們希望機器人幫人類掃地、洗碗，人類去寫詩、畫畫；結果現在AI都去寫詩和畫畫了，我們人類還在掃地、洗碗。”這是不久前網上流行過的一個段子，讓人莞爾一笑的同時，忍不住發問：AI已經如此發達了，什么時候才會有更靈活、更智能、全心全意為人類服務的機器人呢？

就在為這個問題感到困惑時，一份來自美國的驚喜讓我豁然開朗。當地時間3月13日，機器人公司Figure展示了一段令人驚嘆的機器人操作視頻。視頻中，機器人與人的對話流暢、行動準確，似乎真的擁有了思維。比如測試人員問：“你看到了什么？”機器人能詳細描述它所看到的一切，分毫不差；測試人員要求給食物，機器人竟然拿起面前的蘋果給了測試人員，還解釋說因為這是桌上唯一能吃的東西；測試人員讓機器人根據現在情況，重新擺放杯子和盤子，機器人就把它們分類收納到瀝水籃里……

看到這一幕的時候我目瞪口呆，簡直太神奇了！這幾個指令可不像表面看上去那么簡單，總結起來：Figure 01可以通過視覺感知、描述周圍環境、物體位置和關系；理解物體的定義和用途，可以基于常識做出推理和決策；可以將模糊的指令轉化為符合情境的適當行為，還能解釋自己的行為邏輯。除此之外，它與人類的對話自然流暢，身體動作也非常協調，十分貼近“具身智能”（Embodied Artificial Intelligence）的理想狀態。

具身智能，具體點說，就是像人一樣能與環境交互感知，自主規劃、決策、行動、有執行能力的機器人/仿真人，是AI的終極形態。與傳統機器人相比，具身智能的機器人更靈活、適應性更強，它們應該能與人類直接溝通，更像是我們生活中的一部分，而不僅僅是一臺機械設備。

早在20世紀80年代，研究者們就意識到，單純地讓機器執行任務并不是理想的機器人形態。他們追求的是一種更為智能的存在—“聰明的機器人”。為了實現這一目標，研究者們開始探索將人工智能技術與物理設備相結合。但如何讓機器人理解并適應環境，成為一個巨大的挑戰。

比如，從桌子上拿起一個蘋果，對機器人來說，必須先了解什么是桌子、桌子的形狀和尺寸，以及蘋果的形狀、尺寸和在桌子上的位置等等信息。這僅僅是開始，因為真實世界充滿了各種復雜的變化。一旦環境中的任何因素稍有不同，比如蘋果換成杯子，或者位置稍有變動，機器人就可能無法完成任務。

隨著時間的推移，傳感器技術的飛速發展為具身智能輸入了更多信息，也帶來了新的機會。如今，智能家居可以根據人的行為調整設備狀態，自動駕駛汽車已經上路行駛，無人機能夠自動跟拍。這一切都證明了具身智能的無限可能性。

而ChatGPT的出現，更是為具身智能的發展注入了前所未有的新動力。比如前文中提到的這家Figure機器人公司，2022年才剛剛成立，先后拿下了英偉達和亞馬遜的投資、Open AI和微軟的技術支持，還挖走了蘋果、谷歌和波士頓動力的大量員工，因此進展速度超快，只用了12個月就造出了第一臺機器人。在AI大腦的加持下，機器人用了10小時就學會了使用咖啡機沖咖啡，可以像人一樣，通過多模態技術，也就是聲音、圖片、視頻等去實現自我學習、自我提升。

最令人震撼的是，ChatGPT作為機器人的大腦，正在真正地感知和學習物理世界。預計未來將有更多機器人公司利用OpenAI的技術，而機器人所學習的大量數據又會回饋到大數據中，這無疑將加速AGI（通用人工智能）的實現。

想象一下，在不遠的未來，人形機器人走進千家萬戶、融入人類社會，這將對所有行業產生深遠的影響。比如：在工業制造領域，具身智能體可以協助工人完成更高難度、更高強度、更復雜的工作；在醫療衛生領域，它可以協助醫生進行手術、護理，監測病人生命體征甚至參與急救；在農業領域，它有助于提升種植、施肥、收割等工作的效率；在物流領域，具身智能體則能夠協助快遞員完成快遞分揀、送貨等等。

就我個人來說，最期待的當然就是家庭式的機器人保姆了，尤其是在全世界人口增長放緩、老齡化比例上升的未來，機器人可能會成為養老剛需。如果真有這樣的產品，我是肯定會買一個的，這毫無疑問。