当罗德尼·布鲁克斯谈论机器人技术和人工智能时，值得认真倾听。作为麻省理工学院（MIT）机器人学荣休松下教授，他共同创立了Rethink Robotics、iRobot及Robust.ai三家关键公司，并曾担任MIT计算机科学与人工智能实验室（CSAIL）主任十年。
布鲁克斯习惯预测AI未来并在博客追踪评分。他认为当前对生成式AI的炒作过热，虽承认大型语言模型（LLMs）的重要性，但强调需谨慎评估其实际能力。
警惕对人类能力的过度投射
生成式AI能执行特定任务，却无法涵盖人类所有能力。人们常基于自身心理模型，高估AI在相关领域的胜任力。布鲁克斯指出，生成式AI不具备类人特征，强行赋予其人类能力并不合理，这导致技术被误用于不合适的场景。
仓库机器人的务实应用逻辑
以Robust.ai为例，尽管有人建议用LLM通过自然语言指挥仓库机器人，但这并非合理场景，反而降低效率。面对海量订单与时效要求，传统的数据流对接与AI优化规划远比语言交互高效。
此外，自动化应聚焦可解决的问题。仓库环境高度受限：光线恒定、地面无杂物、无飘浮物且人员无恶意干扰，这种结构化环境利于机器人集成与协作。
形态服务于功能与安全
Robust.ai的机器人设计为带把手的手推车形态，而非人形。这种设计兼顾实用与安全：若出现故障，工作人员可直接抓握车把进行人工干预。
布鲁克斯强调，技术应易于理解、专为特定目的设计，并具备清晰的商业案例与投资回报率。
理性看待技术增长与边缘难题
AI领域始终存在难以解决的边缘情况，若不严格限定部署范围，修复这些特例可能耗时数十年。同时，摩尔定律并不意味着技术永远呈指数级增长。正如iPod存储容量并未无限翻倍，ChatGPT后续版本的提升也受限于实际需求与技术瓶颈。
LLM在家庭护理中的潜在价值
在人口老龄化背景下，LLM或有助于家庭服务机器人执行特定任务。但核心难点仍在于控制理论与数学优化，而非单纯的语言能力。不过，与仓库作业不同，家庭养老护理场景中，允许用户通过语音与机器人交互具有实际意义。