人工智慧擺桿子和幫忙打掃客廳：具體化 AI 的新研究
研究概要
兩家科技巨頭 Meta 和 Nvidia 在最近都發表了關於用機器學習模型與真實世界互動的新研究。這些研究使用了模擬器來模擬真實世界，以加速機器學習過程。Nvidia 更進一步使用了大型語言模型來幫助編寫強化學習程式碼，這使得 AI 模型能更好地執行特定任務。而 Meta 則透過提供新版本的「Habitat」資料集和支援虛擬實境中的人類化身，著重於實現具體化的人工智慧。研究發現
這些研究發現真實世界是一個複雜且雜亂的地方，機器學習模型需要重複上百甚至上千次才能學會執行一個任務，比如開啟抽屜並將東西放進去。透過在模擬器中模擬這些任務，機器學習模型只需一兩分鐘就能達到近乎真實的執行效果。此外 Nvidia 還使用了一個大型語言模型來改進強化學習程式碼的編寫，讓模型能在執行任務時不斷改進自身的表現。具體化 AI 的挑戰
這些研究中的行為控制在模擬環境中表現出色，但實際應用於現實世界則是另一個挑戰。具體化 AI，即將 AI 模型融入到機器人中，需要解決更多問題。不過這些研究成果顯示 Nvidia 對於生成式 AI 的擁抱並非只是空談。Meta 的「Habitat」
Meta 也在實現具體化 AI 方面取得了一些進展，並宣布了一個名為「Habitat」的新版本資料集。這個資料集是一組近乎真實的 3D 環境，能讓 AI 代理在其中進行導航。Meta 透過增加更多互動性和物理現實感，使資料集更易於使用。他們還建立了一個物件庫，供 AI 模型在這些環境中進行互動。這樣的物件庫對於許多 AI 公司來說都很有價值。Meta 的新研究
除了「Habitat」資料集，Meta 還提供了虛擬實境中的人類化身，使得人類或以人類為模型的代理能夠與機器人共同在這個虛擬環境中進行互動。這對具體化 AI 來說是一個非常重要的能力。以清理客廳為例，宕機器人獨自執行任務時，其制定的策略可能會被附近行走的人打斷，或者甚至有人會替機器人完成部分工作。但是當一個人或以人類為模型的代理和機器人共享空間時，機器人能夠與或繞過人們一起完成任務上千次，從中學習如何協作。這個稱為「社交重排」的任務對於具體化 AI 來說很重要，還有另一個重要任務叫做「社交導航」，意思是在不打擾人群的情況下，機器人需要悄無聲息地跟隨某人，以便保持聽力範圍或出於安全理由監視他們，比如醫院裡的機器人隨行至浴室的例子。結論和展望
這些研究的發現表明，透過使用模擬器和進一步改進的機器學習方法，AI 模型能夠在虛擬環境中學會具體化的任務。然而將這些行為控制應用於現實世界仍然面臨著許多挑戰。因此開發具體化 AI 的研究者需要繼續努力解決這些挑戰，並將其推向實際應用。同時這些研究成果也對 AI 領域的發展提出了一些哲學上的問題。我們應該如何面對未來具有強大能力的人工智慧？這些能力是否會帶來威脅或機會？與機器人共同生活是否會影響我們的日常生活和價值觀？這是值得我們思考和討論的問題。建議
對於開發具體化 AI 的研究者和科技公司，應該不斷探索和解決將 AI 應用於真實世界的挑戰。同時需要關注這項技術的社會影響和倫理問題，並促進公眾對於 AI 發展的理解和參與。對於公眾來說我們應該關注 AI 技術的進步，並思考和討論未來人機共生的可能性和影響。如何在發展具體化 AI 的同時保障人類價值和利益，這是我們需要共同思考的問題。AIRobotics-人工智慧,擺桿子,打掃客廳,研究,驚艷
