機器人技術的無聊前沿

最近，我有幸在皇家學會夏季科學展覽會上度過了一週，幫助我博士實驗室（牛津機器人研究所的A2I實驗室）的展位。在這一週裡，我無數次向公眾介紹我們的工作，現在我想把它記錄下來。

你見過網上那些機器人後空翻或跑馬拉松的影片嗎？令人驚訝的是，這些對於機器人來說比我們每天不假思索就能做的簡單事情（比如泡杯茶）更容易。想想看，為什麼40年前人工智慧就在國際象棋上擊敗了加里·卡斯帕羅夫，卻至今沒有人出售疊衣服機器人？這是因為我們覺得難的事情（比如下棋）對機器來說很容易，而我們覺得容易的事情（與現實世界互動）對它們來說卻出奇地難。

我們之所以能輕鬆地在現實世界中做事，是因為我們的大腦在這方面進化得非常好。考慮一下當你去撿東西時會發生什麼。在你動肌肉之前，你的大腦已經計算出了：物體在三維空間中的位置、大小、形狀（包括你看不到的部分）、可能的重量（從而決定握力）、表面摩擦力、如何抓握以便下一步操作、肌肉如何協調移動、姿勢如何調整，以及物體在被拿起後可能會如何移動（例如，是固體還是裝有會晃動的液體）。這只是撿起東西而已。我們日復一日毫不費力地完成所有這些，但機器人卻無法免費獲得任何一項。這就是為什麼LaundryBot還沒有上超市貨架的原因。

我們的展位主要集中在手動裝配上——一項名為RAMP的任務，一個6歲的孩子可能需要一兩分鐘。我們的機器人Frank大約需要5分鐘，所以還不錯，但遠非超人類。部分原因是我們追求可靠性。我們在皇家學會整整一週，不斷重複演示。機器人學和人工智慧研究人員達到90%的成功率就會認為任務完成，但當你在向持懷疑態度的青少年演示時，十分之一的失敗率是災難性的。現代機器人學（以及大語言模型）在混亂的現實世界中，距離我們想要的有用自主性所需的可靠性還有差距——這是LaundryBot尚未出現的另一個原因。

簡而言之——機器人可能不會取代你的工作，也不會來殺你或做任何戲劇性的事情。它們也許能在TikTok上做後空翻，但還不能為你泡杯茶。這正是我們想要解決的。

常見問題解答

在展覽期間與這麼多人交談的一個有趣方面是被問及問題。以下是一些反覆出現的問題以及我最終的回答。

機器人不是已經在工廠裡做了幾十年的裝配工作嗎？

是的！原因在於你可以控制工廠裡的一切。如果我是工廠裡的一個打孔機器人，我不需要了解世界的任何資訊。我得到一塊鋼，然後每次從位置a移動到位置b。永遠如此。如果我的工件方向不對，我無法即時調整。所以在工廠裡，我們享受機器控制的好處，而不需要智慧決策。在工廠之外，我們就沒有這麼幸運了——我們隱喻中的鋼塊很少以相同的方式出現兩次。

手術機器人呢？

手術機器人看起來與工廠機器人不同，但實際上它們強化了總體觀點。手術機器人提供精細的運動控制，但它們仍然將真實世界的理解和決策委託給人類操作員。機器人不需要知道在哪裡切口，或者它正在處理哪個器官：它依靠外科醫生來彌補其理解能力的不足。

ChatGPT呢？這應該差不多解決了吧？

ChatGPT令人印象深刻。對人工智慧研究人員來說令人興奮的是，它並沒有針對特定工作（比如寫詩或知道國家的首都）進行訓練。相反，它從一個簡單的任務——網際網路資料的下一個標記預測——中學會了所有這些。ChatGPT為訓練能夠泛化到新情況的機器人提供了一條路徑。

那麼，為什麼我們不為機器人訓練一個ChatGPT呢？資料。我們人類花了幾十年在網際網路上寫作，但我們大多數人並沒有花同樣多的時間上傳高質量的機器人資料，所以RoboGPT的資料遠遠不夠。

為了彌補資料差距，我們認為需要新的學習方法。現代人工智慧可能令人印象深刻，但它們學習緩慢。想想自動駕駛汽車。一個青少年只需20小時就能透過考試，只憑智慧和眼睛。但一輛自動駕駛汽車，配備了360度攝像頭陣列、深度感測器和高解析度地圖，需要一百萬小時的訓練資料。自動駕駛汽車相當不錯（據稱安全），但很明顯它們學習緩慢。這對於像駕駛這樣的單一高價值用例是可行的，但如果我們希望機器人像我們一樣有效地適應和學習，似乎需要新的突破。

附註：有些人正在嘗試ChatGPT式的方法，使用“視覺-語言-動作模型”（VLA）。這些模型採用處理文本和影像的大型語言模型，然後將它們連線到學習控制機器人的模型。想法是VLA可以利用LLM從網際網路獲得的更廣泛知識來啟動真實世界的理解。Physical Intelligence公司是這種方法的一個好例子。

為什麼我們比機器人學得好得多？

這是個大問題——沒有人知道完整的答案。但我認為有一些有趣的線索。

其中之一是“世界模型”的概念。如果你看到我把一個玻璃杯掉在水泥地上，你可以預見結果——我們可以預測現實世界中會發生什麼。對於學習來說，這是一個非常豐富的訊號，因為你總能預測世界對你的行動會如何反應。相比之下，只在完成任務時學習（這是現有一些方法的工作方式）是一種非常稀疏的資訊來源。所以世界模型可能幫助機器人從有限的經驗中更有效地學習。

一個更深刻的、來自神經科學的想法是“預測處理”，它認為我們對世界的感知只是大腦對其應感知內容的預測。預測處理是世界模型研究的鬆散靈感，但它也因許多其他原因而有趣；檢視Andy Clark的《經驗機器》以獲得非常易懂的介紹！

另一個有趣的角度是我們小時候是如何學習的。畢竟，一個5歲的孩子可以解決許多機器人難以解決的問題。看看下面一個嬰兒在墊子上玩玩具的影片。它玩一個東西，瞭解它，然後感到無聊並找出其他東西。那種內在好奇心和意識到自己已經學得足夠多（即感到無聊）的混合讓我們在瞭解世界方面非常高效，尤其是在我們小時候。關於內在好奇心的研究存在，但這並不是一個已解決的問題。也許一旦我們發明了喜歡玩耍的人工智慧，我們就會更接近理解世界的機器人。

我應該學什麼專業來研究機器人學？

這是我在展覽會上經常從年輕學生那裡得到的問題。不幸的是，我並不真正有資格回答這個問題，因為我的背景從物理學跳到教學再到新聞學再到資料科學和機器學習。我唯一想說的是機器人學是多學科的。機器人學家的學術背景涵蓋了從數學和統計學等“純”學位到物理學、電腦科學、電氣工程、機電一體化和工業設計。如果我要給建議，我會說最重要的是找到一個你能投入的STEM專業。你可以以後弄清楚機器人如何融入其中。

我們研究的下游應用是什麼？這些打算成為產品嗎？

我認為許多大學的研究確實關注下游應用，但這是一箇中間地帶。在我看來，學術界的正確角色是在這些想法準備好變成產品之前就研究它們，找出基本問題。同時，有些問題值得研究，因為它們迫使你解決更深層次的問題。像RAMP這樣的人工裝配需要真實的、接觸豐富的互動以及長期規劃——這是現代機器人的兩個重大挑戰。

工作呢？機器人不會搶走所有工作嗎？

這是一個好問題，不應該由機器人學家單獨解決。總的來說，我們試圖考慮自動化那些危險、枯燥或骯髒的工作——那些我們可能不介意少一些人從事的工作。但技術過去也曾以有意義的方式影響工作。你可以看看盧德分子的故事，他們有時被嘲笑為反動，但他們的擔憂是相當合理的（《機器中的血》是一本關於這個的好書）。這些人是面臨生活質量大幅下降和家庭貧困的人。作為一個社會，我們必須弄清楚我們要自動化什麼，以及如何照顧受到技術影響的人——無論是機器人還是其他。

同時，很難預測技術如何影響工作。人們有時引用的一個例子是20世紀60年代自動取款機（ATM）的引入。ATM自動化了銀行出納員的主要任務之一——分發現金。你可能會認為這會導致銀行出納員人數的下降，但恰恰相反。工作發生了變化，變得更加關係導向，而更少涉及現金處理。而且由於ATM降低了出納員處理現金不當的風險，銀行擴大了分支機構數量，導致隨著時間的推移，銀行出納員人數增加。直到移動銀行完全取代了實體分行，銀行出納員的人數才開始減少。

在ATM的例子中，一個機器人自動化了一個任務而不是整個工作，結果工作發生了變化。這並不意味著機器人技術不會擾亂人們的生活，但它確實告訴我們，預測這些事情的發展是困難的。

意義何在？

從實際層面來說，我對能夠做有用工作的機器人感興趣。有關心的經濟原因：自金融危機以來，英國的生產力幾乎沒有增長；我們的人口正在老齡化；勞動密集型行業難以找到工人；我們失去了製造能力，而地緣政治使得國家自給自足更具吸引力。有用的機器人可以幫助緩解其中一些壓力。它們還可以幫助我們實現淨零排放，使清潔能源基礎設施的建設和維護更便宜、更安全。

更小眾一點的是，我們可以從人工智慧研究中更多地瞭解人類智慧。這裡有一個例子：有一種名為TD學習的演算法，讓AI從自身經驗中學習。TD於1991年發明。六年後，神經科學研究者發現大腦實際上也使用了類似的機制...（原文截斷）