機器人專家如何思考生成式人工智慧
撰文：布萊恩·希特
引言
生成式人工智慧（generative AI）是近來我在《Actuator》新聞通訊中常提到的主題之一。我承認，在幾個月前，我對這個議題有些猶豫。作為一個長期報導科技的人，我經歷過無數次興奮和失望的炒作時刻。報導科技需要持有一些懷疑的態度，希望這些資訊能帶來一些令人興奮的成果。這一次，似乎生成式人工智慧正在等待時機，靜待加密貨幣的必然崩盤。當這一領域的熱度消退時，像 ChatGPT 和 DALL-E 這樣的專案已準備就緒，準備成為引人入勝、富有希望的報導焦點。
持續影響力
那些關注我的工作的人知道，我對加密貨幣的追捧從來不算特別樂觀。然而生成式人工智慧卻與此不同。首先幾乎所有人普遍認為人工智慧/機器學習將在未來在我們的生活中扮演更為核心的角色。智慧手機在這方面提供了很大的洞察力。我經常寫關於計算攝影的文章。近年來在這方面取得了巨大的進展，我認為許多製造商在改善終端產品並降低進入門檻的硬體和軟體方面已經取得了良好的平衡。例如，Google 在像 Best Take 和 Magic Eraser 這樣的編輯功能方面取得了令人印象深刻的成果。當然這些功能很有趣，但它們真正有用，而不僅僅是為了增加功能。然而未來真正的技巧將是將它們無縫地整合到使用者的體驗中。在理想的工作流程中，大多數使用者幾乎不會對背後發生的事情有任何概念，他們只會高興地看到它有效執行。這就是經典的蘋果策略。生成式人工智慧從一開始就提供了類似的「哇」效果，這也是它與前一次的炒作時空相比的區別所在。當您最不專業的親戚可以坐在電腦前，在對話方塊中輸入一些文字，然後看到黑盒子生產出繪畫和短篇故事時，不需要太多的概念化。這就是為什麼所有這些東西迅速傳播開來的主要原因之一 - 大多數時候，當普通人面對先進技術時，需要他們對未來五到十年的發展進行想象。而對於 ChatGPT、DALL-E 等技術，您現在可以立即親身體驗到這些技術。
期望管理
然而這種技術的翻面也帶來了更高的期望管理的難題。正如人們習慣在機器人身上投射人類或動物的智慧一樣，如果沒有對人工智慧有基本的理解，很容易將意圖加諸於此。這就是現在的情況。我們總是以吸引人的標題為首，希望人們能花足夠的時間來閱讀背後的技術推動力。然而警告：十之八九，他們不會這麼做，結果我們花了幾個月甚至幾年的時間，試圖將事情重新回歸現實。作為我的一個好處是，我有機會與比我聰明得多的人深入探討這些問題。他們花時間解釋事情，而我希望能很好地將這些無法一一解釋的事情翻譯給讀者（某些嘗試比其他嘗試更成功）。一旦我們明確了生成式人工智慧在機器人未來中的重要角色，我一直在尋找向人們提問的方式。我發現，大多數研究者在該領域同意我上一個句子的陳述，並且他們相信這將帶來廣泛的影響。
生成式人工智慧在機器人領域中的應用
例如，在最近與 Marc Raibert 和 Gill Pratt 的對話中，後者解釋了生成式人工智慧在機器人學習中的角色。他說：“我們必須找到一種方法，使用現代生成式人工智慧技術，能夠透過人類示範的位置和力量來教一個機器人。程式碼根本沒有改變。這是基於一種叫做擴散策略的工作。這是我們與哥倫比亞大學和麻省理工合作完成的工作。到當前為止，我們已經教導了 60 種不同的技能。”另外當我問 Nvidia 嵌入式和邊緣運算副總裁兼總經理 Deepu Talla 公司為什麼相信生成式人工智慧不僅是一時潮流時，他告訴我：“我認為結果說話。你已經可以看到生產力的提高。它可以為我寫電子郵件。雖然不完美，但我不需要從頭開始。它給了我 70%的能力。你已經能夠看到一些明顯的生產力改善。當然總結不是完美的。我不會讓它為我閱讀和總結。所以，你已經能夠看到一些生產力提高的跡象。此外在我最近與麻省理工學院 CSAIL 部門主任丹妮拉·魯斯（Daniela Rus）的對話中，她解釋了研究人員如何使用生成式人工智慧來設計機器人。她說：“事實證實，生成式人工智慧在解決運動規劃問題上非常有效。你可以得到更快速和更流暢、更像人類的機器人控制方案比模型預測方案更好。我認為這非常有力，因為未來的機器人將不再呆板，它們的動態更流暢、更像人類。我們還在設計上使用了生成式人工智慧。這非常強大，也很有趣，因為它不僅僅是為機器人生成模式。你必須做一些其他的事情。它不能僅僅基於資料生成一個模式。這些機器必須在物理和現實世界的背景下有意義。基於這個原因，我們將它們與基於物理的模擬引擎相存取，確保設計符合其所需的約束。"本週，西北大學的一個團隊發表了他們對生成式人工智慧設計機器人的研究。研究人員展示了他們如何在短短幾秒內設計出一個「能夠成功行走的機器人」。就機器人的外觀而言，相對來說並不出眾，但可以很容易地看出，透過進一步的研究，這種方法可以用於建立更複雜的系統。「我們發現了一種非常快速的基於人工智慧的設計算法，可以繞過進化的交通擁堵，而不依賴於人類設計師的偏見。」研究負責人山姆·克裏格曼（Sam Kriegman）說。「我們告訴這個人工智慧，我們希望一個能在陸地上行走的機器人，然後我們只需要按一下按鈕，唰！它在瞬間生成了一個機器人的藍圖，這與人類認知的動物完全不同。我稱這個過程為‘即時進化’。」AI 程式自行選擇在這個小巧而柔軟的機器人上安裝腿。“這很有趣，因為我們並沒有告訴 AI 機器人應該有腿，”克裏格曼補充道。“它重新發現了腿是在陸地上移動的好方法。事實上腿是陸地運動中最有效的方式。”“從我的角度來看，生成式人工智慧和物理自動化/機器人技術將改變我們所知道的地球上的一切，”Formant 創始人兼執行長傑夫·林內爾（Jeff Linnell）本週告訴我。“我認為我們都明白，人工智慧是一個即將到來的事物，並期望它影響到我們所有人的工作、每個公司和學生。我認為這和機器人技術是共生的。你不需要為機器人程式設計，你只需要用英語與機器人對話，要求某個動作，機器人就能自己完成。這可能還需要一些時間。”在創立 Formant 之前，林內爾創辦並擔任 Bot＆Dolly 的執行長。這家總部位於舊金山的公司以其在動態視覺特效方面的工作而聞名，並於 2013 年被 Google 收購，Google 希望加速業務發展（人算不如天算）。林內爾告訴我，他從那次經歷中得出的重要結論是，這一切都關乎軟體（考慮到 Intrinsic 和 Everyday Robots 加入 DeepMind 的情況，我相信 Google 也同意這一觀點）。
分析與評論
生成式人工智慧（generative AI）在機器人領域引起了廣泛的關注和興趣。隨著人工智慧和機器學習技術的不斷發展，人們逐步認識到生成式人工智慧在未來機器人科技中的潛力。從機器人學習到動態運動規劃，生成式人工智慧顯示出了它在提升機器人功能和效率方面的巨大優勢。
生成式人工智慧的應用使機器人能夠透過少數示範性示例從人類學習，從而實現更快速、更自由流動和更像人類動作的控制。這種技術的突破不僅使機器人的學習過程更高效，還使它們能夠更適應多樣化的任務和環境。
此外生成式人工智慧也在機器人設計方面發揮著重要作用。透過生成式人工智慧，研究人員能夠快速設計出機器人的藍圖，並改善傳統的基於模型的方法。這樣的設計過程需要將物理世界的約束條件納入考量，並與物理模擬引擎相存取，以確保機器人的設計符合實際要求。
生成式人工智慧的應用不僅使機器人的行動更具人類化，還為機器人和人類之間的互動帶來了更好的體驗。透過人類自然語言處理和機器學習的結合，機器人能夠理解人類的指令並完成相應的任務，使人機互動更加便捷和高效。
然而生成式人工智慧也帶來了一些挑戰和問題。人們對於機器智慧的投射可能會導致對人工智慧意圖的過度解讀。這需要公眾對人工智慧的基本工作原理和約束有更深入的理解，以避免對生成式人工智慧的過度期望和不切實際的要求。
建議
對於生成式人工智慧的進一步發展和應用，有幾個方面值得關注和思考：
教育與倫理
隨著生成式人工智慧的普及和應用，教育和倫理問題變得尤為重要。公眾應該對於人工智慧的工作原理、約束和應用有更深入的理解，以免過度依賴和操縱這一技術。同時倫理規範和監管機制也需要與技術發展同步，確保生成式人工智慧的應用符合道德和法律的要求。
合作與交流
生成式人工智慧的應用需要跨學科的合作和交流。機器人專家、人工智慧研究者、倫理學家和法律專業人士等領域的專家應該共同合作，以確保生成式人工智慧的發展與社會需求和價值相符。
公眾參與和溝通
生成式人工智慧應用的臨床實驗和評估需要公眾參與和共識。公眾應該有機會參與、評估和討論生成式人工智慧的使用，並與專家進行交流和溝通。這有助於建立更加開放和透明的發展環境，並提高公眾對生成式人工智慧的理解和信任。
總的來說生成式人工智慧作為機器人領域的關鍵技術，在改變我們生活的同時也帶來了許多機遇和挑戰。我們應該在科技的發展和應用中保持謹慎態度，同時注重教育、倫理和公眾參與，以確保這一技術能發揮其最大的社會價值。
延伸閱讀
- OpenAI 揭開 AI 祕密指令的面紗
- 深度學習技術進步！Meta 推出廣告 AI 工具，能創造全新影象而非僅替換背景
- Google Deepmind 推出巨大的 AlphaFold 更新和免費蛋白質組學服務網路應用程式
- 亞馬遜推出 Bedrock Studio：簡化生成式人工智慧應用開發
- 深潛至海底者：機器學習揭開抹香鯨的「字母表」
- 為什麼 RAG 無法解決生成式 AI 的幻覺問題
- 本週人工智慧大事記：生成式人工智慧與創作者補償的問題
- Dropbox、Figma CEO 支援 Lamini：新創公司打造企業專用生成式人工智慧平臺
- GitHub 推出 Copilot Workspace：AI 驅動的軟體工程空間
- 亞馬遜計劃託管企業定製的生成式人工智慧模型
