本文最初发表于 TechCrunch 的机器人通讯 Actuator。 在此订阅。]
生成式 AI 是我在 Actuator 通讯中经常提及的话题。我承认，几个月前我对在这个主题上投入更多时间有些犹豫。像我这样报道科技领域这么久的人，经历过无数轮炒作周期，也曾被坑过。报道科技需要保持适度的怀疑精神，同时hopefully对可能取得的成就抱有一些兴奋感。
这一次，似乎生成式 AI 一直在幕后蓄势待发，等待加密货币不可避免的崩盘。随着该类别资金大量流出，ChatGPT 和 DALL-E 等项目在一旁静候，准备成为令人屏息的报道、希望、批评、末日论以及技术炒作泡沫所有不同库伯勒-罗斯（Kübler-Ross）阶段的焦点。
关注我的文章的人知道，我从来不是特别看好加密货币。然而，情况在生成式 AI 这里有所不同。首先，几乎所有人都一致认为，人工智能/机器学习在未来将在我们的生活中扮演更加核心的角色。
智能手机在这方面提供了很好的启示。计算摄影是我经常撰写的主题之一。近年来该领域取得了巨大进步，我认为许多制造商在提升最终产品和降低入门门槛方面终于找到了硬件与软件的良好平衡。例如，Google通过编辑功能如Best Take和Magic Eraser实现了令人印象深刻的效果。
当然，这些是有趣的技巧，但它们也很有用，而不是为了功能而功能的噱头。然而，展望未来，真正的挑战在于将它们无缝集成到体验中。在理想的工作流中，大多数用户几乎不会意识到后台发生了什么。他们只会很高兴它能正常工作。这是经典的苹果策略。
生成式 AI 在起步阶段就提供了类似的“哇”效应，这也是它与其炒作周期前身不同的另一个方面。当你最不擅长技术的亲戚坐在电脑前，在对话框中输入几个字，然后看着黑盒吐出画作和短篇故事时，不需要太多的概念化理解。这也是这一切迅速普及的重要原因之一——通常情况下，当向普通人推销尖端技术时，需要他们去想象五到十年后它可能的样子。
有了 ChatGPT、DALL-E 等工具，你现在就可以亲身体验。当然，这也有一个反面：很难控制人们的期望值。正如人们倾向于赋予机器人人类或动物的智能一样，如果没有对 AI 的基本了解，很容易在这里投射出意图性。但这就是现在的状况。我们先用吸引眼球的标题开头，并希望人们能留下来阅读背后的运作机制。
剧透预警：十有八九他们不会留下来，于是我们突然要花上数月甚至数年来试图将事情拉回现实。
我工作的一个好处是有能力与比我聪明得多的人一起拆解这些问题。他们花时间解释事情，我希望我能很好地为读者翻译这些信息（有些尝试比另一些更成功）。
一旦人们清楚地认识到生成式人工智能在未来机器人领域将发挥重要作用，我便一直在寻找各种方式，将相关问题融入对话中。我发现该领域的绝大多数人都认同上一句中的观点，而令人着迷的是，他们对其可能产生的广泛影响有着不同的看法。
生成式 AI 在机器人学习中的应用
在我最近与 Marc Raibert 和 Gill Pratt 的对话中，后者解释了生成式人工智能在其机器人学习方法中所扮演的角色：
我们已经掌握了如何做到这一点，即利用现代生成式AI技术，使人类能够同时演示位置和力，从而仅通过少量示例就能教会机器人。代码本身没有任何改变。其基础是一种称为扩散策略（diffusion policy）的技术。这是我们在与哥伦比亚大学和麻省理工学院合作中完成的工作。迄今为止，我们已经教授了60种不同的技能。
生产力提升与质变
上周，当我问及 Nvidia 嵌入式与边缘计算副总裁兼总经理 Deepu Talla 为何认为生成式 AI 不仅仅是一时热潮时，他告诉我：
我认为结果已经说明了问题。你已经开始看到生产力的提升。它能为我撰写邮件。虽然并不完全准确，但我无需从零开始。它提供了大约70%的内容。显然，有些方面已经比之前有了质的飞跃。总结功能尚不完美，我不会让它替我阅读并总结内容。因此，你已经能看到一些生产力提升的迹象。
优化运动规划与机器人设计
与此同时，在我最近与 Daniela Rus 的对话中，MIT CSAIL 负责人解释了研究人员如何利用生成式 AI 来实际设计机器人：
事实证明，生成式AI在解决运动规划问题方面也非常强大。与模型预测控制解决方案相比，它能提供更快速、更流畅且更具人类特征的解决方案。我认为这非常有力，因为未来的机器人将不再那么“机械化”。它们的动作将更加流畅和拟人化。
我们还使用生成式AI进行设计。这非常强大，也很有趣，因为它不仅仅是为机器人生成图案。还需要做其他事情。不能仅仅基于数据生成图案。这些机器必须在物理和现实世界的背景下具有合理性。出于这个原因，我们将它们连接到基于物理的仿真引擎，以确保设计满足所需的约束条件。
西北大学研究：“即时进化”算法
本周，西北大学的一个团队展示了他们在 AI 生成机器人设计方面的研究，揭开了其研究成果的面纱。研究人员展示了他们如何在短短几秒内设计出“成功行走的机器人”。虽然从外观上看并不起眼，但很容易看出，随着进一步的研究，这种方法可能被用于创建更复杂的系统。
研究负责人 Sam Kriegman 表示：“我们发现了一种非常快速的AI驱动设计算法，它避开了进化的交通堵塞，同时没有退回到人类设计师的偏见之中。”“我们告诉AI，我们希望有一个能在陆地上行走的机器人。然后我们只需按下按钮，瞧！它在眨眼间生成了一个机器人的蓝图，看起来与地球上任何曾经行走过的动物都截然不同。我将这个过程称为‘即时进化’。”
让这台小巧、柔软的机器人长出腿，是 AI 程序自己的选择。Kriegman 补充道：“这很有趣，因为我们并没有告诉AI机器人应该长有腿。它重新发现，腿是在陆地上移动的好方式。事实上，带腿的运动是陆地移动最高效的形式。”
行业展望：自然语言交互与软件核心
Formant 创始人兼首席执行官 Jeff Linnell 本周对我说：“在我看来，生成式AI和物理自动化/机器人技术将彻底改变我们对地球生命的所有认知。我认为大家都意识到AI的存在，并预期它将影响我们每个人的工作、每一家公司以及每一位学生。我认为它与机器人技术是相辅相成的。你不需要去编程控制机器人，而是可以用英语与机器人对话，请求它执行某个动作，然后它就会自行完成。不过，这需要一点时间才能实现。”
在创立 Formant 之前，Linnell 曾创办 Bot & Dolly 并担任首席执行官。这家总部位于旧金山的公司因 Gravity 项目而闻名，于 2013 年被 Google 收购，当时这家软件巨头正致力于加速行业发展（尽管计划往往事与愿违）。这位高管告诉我，他从这段经历中得出的关键启示是：一切关键在于软件（鉴于 Intrinsic 的成立以及 Everyday Robots 被 DeepMind 吸收，我倾向于认为 Google 也认同这一点）。