上周，我从家里走了整整15分钟，去看机器人做一些令人难以置信、令人瞠目结舌的事情。我访问了位于马萨诸塞州剑桥市的一家名为通用人工智能的初创公司，看到了机器人手臂执行简单的工作，比如叠杯子、把积木放入碗中等。我对它们迅速弄清事情的能力感到震惊，这让我联想到了一个有血有肉的人。在观看了一段简短的 instructional 视频后，这些手臂掌握了一系列任务，最令人印象深刻的是，在完成特定任务时并没有经过特殊训练。其中一个引人注目的例子是，一个机器人被指示用笤帚和簸箕将一个积木扫入碗中。当笤帚从场景中移除时，机器人即兴发挥，像用刷子那样使用簸箕，并将积木弹入碗中。再比如，一个双臂机器人观看了一段有人拉开钱包并取出钞票的视频。我目瞪口呆地看着，看到机器人拉开了一种不同的钱包，并小心翼翼地取出了钞票。最令人惊奇的是，当它无法抓住钱时，它从右侧夹具切换到左侧，以获得更好的捕捉角度。“哈，”旁边的一名工程师说，“它以前从未这样做过。”“这正是人们对 GPT-3 感到非常兴奋的事情，”通用人工智能的联合创始人兼首席执行官皮特·弗洛伦斯告诉我，提到OpenAI于2020年发布的突破性大型语言模型。“您可以让这个模型提示它去做一个新任务，它就有真正的机会去做到。”通用人工智能似乎专注于教其机器人关于世界物理的知识，这种知识似乎受到人类在早期表现出的直观物理感的启发。这可能有助于模型将其在一种场景中学到的内容转移到另一种场景中。事实上，该公司的某些演示让我想到当孩子们被展示一个任务时，如何即兴发挥和实验。研究人员通常对机器人决定做什么感到惊讶——例如，有一个选择用了一个香蕉来清扫物品。当它被放在面前时，这似乎微不足道，但物理智能在机器中仍然缺乏，而婴儿高效学习周围世界的方式可能为人工智能研究人员提供重要见解。我在一个会议室里见到了弗洛伦斯和联合创始人兼首席技术官安德鲁·巴里。公司的另一位联合创始人兼首席科学家是安迪·曾。这三人的背景令人印象深刻：他们之前在谷歌DeepMind和波士顿动力公司工作过，这些公司在一些最先进的硬件和机器人模型上取得了重大成就。传统上，训练一个AI驱动的机器人完成不同任务意味着向模型输入数千个示例。然而，这是一种 notoriously imperfect 的学习方式，如果你改变像光照这样的简单事物，机器人将会遇到困难。通用人工智能和其他一些机器人初创公司正在大量投资依赖人类培训的通用机器人模型。该公司生产特殊的手套，类似于机器人的钳子，手套上装有相机，人们用它们执行不同的工作。我看到一个箱子里装满了几百个这些夹具，目的地是墨西哥及其他地方的工人。弗洛伦斯和团队对于他们用于训练机器人的确切配方非常谨慎，但他们表示公司已经收集了大量高质量的训练数据。与一些追求更智能机器人的公司相比，他们还完全从头开始构建自己的人工智能模型，而不是依赖开源语言模型。乔治亚理工学院的机器人专家徐丹妃表示，在追逐更通用的机器人模型的公司中，通用人工智能显得格外突出。“他们已经将这一推向了极限，并且执行得非常出色，”徐说。除了收集大量高质量数据外，他还表示，“他们是优秀的机器人专家，并且做了真正出色的科学。”徐还表示，通用人工智能迄今展示的东西表明，他们在将机器人部署到真正的商业环境中有一定的眼光。“他们是最接近可以部署的”，他说。“通用人工智能的数据方法是大规模收集物理交互数据，而不将其过于紧密地与某一特定机器人联系在一起，”斯坦福大学的机器人专家刘凯伦这样说，他也了解该公司。“他们最强的结果表明，这一赌注可能是成功的。”然而，通用人工智能表示，其模型的学习能力尚未可靠。一般而言，机器人仅能在被示范的任务上以59%的平均概率完成任务；理想情况下，成功率应在99%以上。此外，似乎尚不清楚这些技能在所有可以想象的任务或环境中能泛化得多好。