众力资讯网

有没有发现一个很怪的现象,现在的 AI 连悬而未决几十年的数学难题都能证明。可想让机器人走进普通家庭,帮忙端盘子、收拾餐桌,为什么还是这么难? 图灵奖得主、Meta 前首席 AI 科学家杨立昆,最近在 AI 七十周年大会的演讲里,就聊到了这个事。 [图片] 在他看来,现在的AI其实很差劲。距离人类水平的 ​

有没有发现一个很怪的现象,现在的 AI 连悬而未决几十年的数学难题都能证明。可想让机器人走进普通家庭,帮忙端盘子、收拾餐桌,为什么还是这么难?图灵奖得主、Meta 前首席 AI 科学家杨立昆,最近在 AI 七十周年大会的演讲里,就聊到了这个事。在他看来,现在的AI其实很差劲。距离人类水平的智能,还有不少根本问题需要解决。尤其是理解物理世界这件事,单靠现有路线继续改进,完全不够。仔细想想确实是这样,我们平时用大模型聊天写稿太顺手,不知不觉就高估了它的智商。现有的大语言模型,一旦面对杂乱的真实世界,马上就束手无策,甚至没办法判断物体的位置,或者预判一个动作会带来什么后果。杨立昆认为,既然生成式AI走不通,那就重新建立起一种世界模型。所以,这种被他寄予厚望的世界模型到底是个什么东西,真能教会机器像人一样思考和行动吗?1、能学完全网资料,机器为什么连家务还干不好之所以大家会认为AI未来会替代人类,其实很大程度上,是我们把掌握很多知识和具备智能弄混了。杨立昆在演讲中反复提到一个事实,现在的 AI 系统能解开几十年的数学难题,但你随便找个十岁小孩,哪怕他第一次听大人吩咐,都能把餐桌收拾得干干净净。这件再普通不过的家务活,目前市面上没有任何一个 AI 能够胜任。 在他看来,那些能拿奥数金牌的大语言模型,很大程度上仍然依赖训练中积累的知识。遇到问题时,它们能够调用、组合这些信息,可到了陌生的物理环境里,这些能力往往还不够用。 他在现场算了一笔直观的账。 现在的大模型已经用到了互联网上大量公开文本,数据量折算下来大概是 10 的 14 次方字节。按他的估算,普通人读完这些文字,大概需要四十万年。再看一个小孩是怎么认识世界的。四岁孩子通过眼睛观察、用手触摸,接收到的物理信息量,也能达到同样的量级。文本是经过高度简化的符号。单靠文字训练,还不足以让机器理解复杂的现实空间。系统需要学着观察世界的变化,才能逐渐建立起对物体和环境的内部理解。2、真要干活,得学会在系统里先推演一步听完他对这两种学习方式的分析,我回头又想了想自己平时经常用的大模型。你问它一个问题,它就通过一层层计算,预测接下来的词。无论问题有多复杂,只要最终都只回答“是”或“否”,它花费的算力就没有区别。而人类应对复杂任务完全是另一种状态。我们遇到新麻烦,总得先停下来想想,在大脑里大概预判一下这么做到底行不行。 所以,想让机器学会这种内部推演,必须建立起一套真正的世界模型。 那具体该怎么运转?系统先感知周围的环境,再设想一个准备采取的动作,由世界模型预测这个动作会带来什么变化。接着,系统判断预测结果是否符合目标,再不断比较、调整方案,选出一条代价较小、能够完成任务的行动路径。不过,复杂任务往往包含很多步骤。要把整个计划安排好,系统还需要先确定大方向,再逐层拆解成具体动作。杨立昆举了一个贴近生活的规划例子。假设他现在坐在办公室里,准备明天赶去巴黎,最上层的计划可以很简单,去机场,搭航班。顺着大目标往下拆,才会变成走到街边、拦一辆出租车。继续细分,直到起身、拿起背包、避开障碍物这些具体动作,计划才能一步步执行。这种分层级的规划能力,是机器想要自主干活必须跨过的一道坎。而在这套架构里,安全要求也可以纳入行动评估。只要机器懂得预判行动后果,我们就能给它画一条安全红线。比如厨房机器人,哪怕收到了再离谱的行动指令,只要系统扫描到旁边站着人并且手里拿着刀,就可以自主直接收手。 3、跳出原有框架,忽略无关细节才是关键不过,要让这套预测和规划真正运转起来,还得先解决一个问题,世界模型该怎么训练?杨立昆坦诚自己在视频预测上试了十五年,大部分都没跑通。后来才明白,真实世界里很多细节根本没法精确预测。就像拿摄像机扫过会场,系统知道前面有观众,但绝对算不出每个人的长相和坐姿。如果强迫模型去猜这些琐碎细节,只会破坏它对物理规律的理解。 他现在的解法很干脆,直接略过画面还原,把环境信息放到抽象空间里集中处理,主动丢掉杂乱信息。顺着这个思路做出的三层世界模型,已经在机器狗仿真实验里拿到了很好的成绩。 不过,从仿真实验走到家里的餐桌,这套世界模型还得学会应付日常环境里的各种变化。平时总觉得大模型越来越聪明,仿佛马上就能帮我们干所有的活。仔细想想,如果机器看不懂眼前的环境,不会预演自己伸手会不会碰倒水杯,它就算记住了全网的家务指南,也做不好哪怕收拾残局这样的一件小事。很开心看到还有人在踏实钻研这些基础问题。在未来,AI对物理世界的理解越扎实,我们期待的、能在家里搭把手的智能助理,才越有可能成为现实。