過去幾年里，AI聊天機(jī)器人飛速進(jìn)化，現(xiàn)在很多人將它當(dāng)成個人助手、客服代表和治療專家。驅(qū)動聊天機(jī)器人運(yùn)行的是大語言模型（LLM），它以機(jī)器學(xué)習(xí)算法作為基礎(chǔ)，算法根據(jù)互聯(lián)網(wǎng)海量數(shù)據(jù)而訓(xùn)練。

一些科技人士預(yù)測，只要短短幾年，利用機(jī)器學(xué)習(xí)算法就能孵化各種機(jī)器人，比如外科手術(shù)機(jī)器人、替代工廠工人的機(jī)器人、家庭管家機(jī)器人等。但加州大學(xué)伯克利分校機(jī)器人專家肯·戈德伯格（Ken Goldberg）并不認(rèn)同這種說法。

8月27日，戈德伯格在《Science Robotics》雜志發(fā)表兩篇論文，指出想讓人形機(jī)器人獲得可以在真實世界應(yīng)用的技能，速度會極慢——與AI聊天機(jī)器人獲得技能的速度相差極遠(yuǎn)，核心原因在于可供人形機(jī)器人訓(xùn)練的數(shù)據(jù)太少了，與AI聊天機(jī)器人之間差了10萬年。

在第二篇論文中，來自麻省理工學(xué)院、佐治亞理工學(xué)院和蘇黎世聯(lián)邦理工學(xué)院的機(jī)器人專家討論了機(jī)器人的未來發(fā)展方向，他們展開激烈爭論。爭論的焦點在于：到底是采集更多數(shù)據(jù)來訓(xùn)練人形機(jī)器人，還是依靠傳統(tǒng)工程方法給機(jī)器人編程，讓它完成現(xiàn)實任務(wù)？

以下是加州大學(xué)新聞網(wǎng)站與戈德伯格的對話：

問：最近，馬斯克等科技領(lǐng)袖談到了人形機(jī)器人的未來，比如，他認(rèn)為在未來五年內(nèi)機(jī)器人將會超越人類外科醫(yī)生。你認(rèn)同這種預(yù)測嗎？

戈德伯格：機(jī)器人技術(shù)的確在快速進(jìn)化，但遠(yuǎn)未達(dá)到馬斯克所說的程度。現(xiàn)在的熱潮存在炒作，宣傳的內(nèi)容超出了機(jī)器人的實際能力。

在視覺和語言領(lǐng)域，ChatGPT展示了驚人成就，但大多研究者對公眾認(rèn)知感到擔(dān)憂——公眾認(rèn)為問題既然已經(jīng)解決，明年就能實現(xiàn)突破，實際上太樂觀了。

我并不是說馬斯克描繪的未來永遠(yuǎn)不會實現(xiàn)，只是說未來兩年、五年或者十年不會發(fā)生。

問：未來如果想讓人形機(jī)器人做手術(shù)，或者擔(dān)任私人管家，存在哪些限制？會在哪些方面遇到困難？

戈德伯格：最重要的難點在于靈活性，比如讓人形機(jī)器人拿起物體。想拿起一只杯子或者更換燈泡是一件很難的事，現(xiàn)在還沒有機(jī)器人能做到。

這里有一個悖論，我們管它叫Moravec悖論，也就是說一件事人類可以毫不費力做到，所以我理所當(dāng)然認(rèn)為機(jī)器人應(yīng)該也能做到。

如果讓人工智能玩國際象棋和圍棋，表現(xiàn)比人還好，我們就會問：“為什么機(jī)器人不能拿起一個杯子呢？”看起來拿杯子比下棋容易得多。

然而事實并非如此，想拿起杯子，需要對杯子在空間中的位置有清晰感知，需要將手指移動到準(zhǔn)確位置，然后以適當(dāng)?shù)姆绞侥笞?，難度相當(dāng)大。

問：在論文中，你說數(shù)據(jù)之間存在10萬年的差距。所謂的數(shù)據(jù)差距是什么，AI聊天機(jī)器人與人形機(jī)器人在實際操作能力上差距又是如何造成的？

戈德伯格：為了計算數(shù)據(jù)缺口，我查看了互聯(lián)網(wǎng)上的文本數(shù)據(jù)量，計算一個人需要多長時間才能閱讀完。答案是10萬年，要十萬年才能讀完。我們用這么多的數(shù)據(jù)訓(xùn)練LLM。

我們用10萬年的數(shù)據(jù)訓(xùn)練文本模型，但想訓(xùn)練機(jī)器人，10萬年數(shù)據(jù)微不足道。可以確定的是，訓(xùn)練機(jī)器人更復(fù)雜，我們需要更多數(shù)據(jù)。

有人認(rèn)為，可以觀察人類相關(guān)視頻，從中獲取數(shù)據(jù)。但如果只是看視頻圖像，根本無法知道動作細(xì)節(jié)是怎樣的，從2D轉(zhuǎn)化為3D也是極具挑戰(zhàn)的事。所以這一難題無法解決。

還有一個辦法是讓機(jī)器人運(yùn)動，獲得模擬數(shù)據(jù)。如果機(jī)器人只是奔跑或者表演雜技，用這種方法還不錯。你可以讓機(jī)器人在模擬環(huán)境中進(jìn)行后空翻操作，收集大量數(shù)據(jù)，在特定情況下，這些數(shù)據(jù)能應(yīng)用于機(jī)器人。但就靈活性而言，仍然遠(yuǎn)遠(yuǎn)不夠。

現(xiàn)在有了些工作可以遠(yuǎn)程操作，像操縱木偶一樣操縱機(jī)器人，完成各種任務(wù)。中國和美國的倉庫里已經(jīng)有類似的工作，但對于人類來說，這樣的工作十分枯燥。每工作8小時，就能獲得8小時數(shù)據(jù)，但要獲得10萬年的數(shù)據(jù)量，太過漫長。

問：如果不收集數(shù)據(jù)，能不能推動人形機(jī)器人發(fā)展？

戈德伯格：目前的機(jī)器人技術(shù)處在范式轉(zhuǎn)變階段，有點像物理學(xué)發(fā)展到量子力學(xué)一樣。行業(yè)分成兩派，展開激烈爭論。機(jī)器人技術(shù)正處在爭論之中。

一派認(rèn)為，人形機(jī)器人的發(fā)展依賴于優(yōu)秀工程學(xué)技術(shù)，比如物理學(xué)、數(shù)學(xué)、環(huán)境建模。另一派認(rèn)為，機(jī)器人根本不需要使用傳統(tǒng)工具和方法，只要有數(shù)據(jù)，就能讓人形機(jī)器人走向完美。

第二派鼓舞人心，背后有大量資金支持，但到了研究時，大家爭論不休，在傳統(tǒng)方法和新方法之間有許多爭吵。

問：你認(rèn)為未來的方向是什么？

戈德伯格：我認(rèn)為工程、數(shù)學(xué)、科學(xué)仍然極為重要，因為有了這些，機(jī)器人才能運(yùn)行，然后我們就可以收集數(shù)據(jù)。

當(dāng)機(jī)器人執(zhí)行任務(wù)時，如果表現(xiàn)達(dá)到消費者可接受水平，就能將機(jī)器人投入市場，接下來在實際運(yùn)行中持續(xù)收集數(shù)據(jù)。

谷歌Waymo無人駕駛汽車采用上述模式，Ambi包裹分揀機(jī)器人也一樣，它在倉庫真實環(huán)境中運(yùn)行，持續(xù)收集數(shù)據(jù)，不斷迭代升級。