大家真的都被Figure one商業手法驚出太多的想像了。
有沒有那麼神當然還是得從背後根本原理才能實際瞭解。AI + Robot的「具體智能」運作，以Figure one來說，就是GTP模型在既有的端側神經網絡與姿態電機控制之上的接入組合運行，前者其實只是調用已預訓練設定好的後二資源而已，至於LLM本身並無不同。
也就是，針對檯面對話表演性質居多而已，並非真正自主理解、生成全新任務並一次完成。
我們知道機器人透過感知、運算、末端、驅動、能源五大系統運行三層任務：先理解所處環境與任務需求，然後分解規劃任務執行步驟與路徑，最後才是硬體執行。端側神經網絡的訓練即是透過大量數據來優化每一個任務場景三層過程的執行表現，但正因為是AI訓練，精確度永遠無法100%，甚至不及人類。
而這當中更大的本質性問題是，它們至今都只是基於人為特殊特定場景並完整設定規範下，所訓練出來的有限模型，不論是現實場景或虛擬場景。也就是說，即使不考慮訓練資料數據的取得困難，那都遠不是 #開放系統下全息多維感知暨整合理解反應能得的強人工智能AGI，仍舊只是弱AI範疇。
事實上這本是天然的、難以逾越的物理法則限制，原理概念我們很早之前都已有深入解釋。只能針對有限場景、無法達到所謂的通用性與泛化性，也就是機器人對環境、任務的「自適應力」，甚至是所謂「自我意識」的困境，正是人型智能機器人發展要面對的底層邏輯。
而當通用性或說是模擬能力整體不足，它就更敏感於商用擴展的市場法則，而終究不得不仍著眼較多在可應用性與可盈利性的專用機器人之上，只是如此，除了一些表演宣傳或服務的機器人之外，又將有何透過大語言模型的絕對必要性呢？
當然了，人類的浪漫情懷還是主要的主觀因素，以及先前說的潛在技術發展積累的客觀需求，都讓Humanoid未來的豐富想像充滿動機與動能。也許有一天高度模擬技術、算力壓縮、耗能管理等都很到位了，我們還是會不計成本地製造出“相對通用型”機器人，證明人類就是有能力逐夢，頂層有錢人市場也還是能支撐得起。
不過個人覺得，雖然T-800難以成真，但像鋼鐵擂台、獵殺代理人那樣的產品的「iPhone時刻」到來，可能還是很有機會的，而真正的「AI 奇點」，恐怕還是會爆發在智能雲端與高速物聯網之上。
#人腦都因為溝通聯網而進化強大了，#機器人為何還要走具象老路一次？Beware the "Skynet", and its Boss.
全站熱搜
留言列表
