在黃仁勛和馬斯克接連看到了AI智能體的發(fā)展?jié)摿螅琌penAI聯(lián)合創(chuàng)始人，特斯拉前人工智能總監(jiān)Andrej Karpathy也在最近高呼，AI智能體代表著一個瘋狂的未來。

Andrej Karpathy直言，自己在特斯拉的工作時“被自動駕駛分了心”，鉆研自動駕駛和VR都不是發(fā)展AI智能體的正確道路。此刻正是回歸神經(jīng)科學(xué)，從中尋求靈感的時刻。

另一方面，Andrej Karpathy認(rèn)為每個人在構(gòu)建AI智能體的方面都比OpenAI這樣的公司更有優(yōu)勢，大家目前處于平等競爭的狀態(tài)，因此他很期待看到這方面的成果：

AI智能體代表著一個瘋狂的未來，雖然可能還有點遠(yuǎn)，但是今天到場的大家構(gòu)建的AI智能體已經(jīng)處于AI智能體能力的最前沿。

現(xiàn)在所有正在做大語言模型的機(jī)構(gòu)，比如OpenAI等，我覺得都沒有處于這個領(lǐng)域的最前，最前沿的是在座的各位。

谷歌旗下AI團(tuán)隊DeepMind的最新論文介紹了一種能夠進(jìn)行自我改進(jìn)的AI智能體——RoboCat，本質(zhì)上是由AI賦能的軟件程序，相當(dāng)于機(jī)器人的“大腦”。由其加持的機(jī)器人與傳統(tǒng)機(jī)器人不同之處在于，RoboCat更具“通用性”，并可實現(xiàn)自我改進(jìn)、自我提升。

具身智能比人形機(jī)器人更有價值

具身智能相當(dāng)于AI的大腦，而這個大腦的載體可以是任何形式?？梢允且粋€機(jī)械臂，一只機(jī)器狗，更或者是一輛小汽車。

而反觀人形機(jī)器人，當(dāng)下為何被看做是一個不太聰明的鋼鐵巨人，核心還是因為缺少AI大腦+不太靈活的軀體。

簡單來說，類似GPT-4這樣的大模型，對物理世界并不能真的產(chǎn)生影響，而具身智能則多了一個身體，通過傳感器收集環(huán)境信息，利用機(jī)械執(zhí)行器進(jìn)行物理操作，或者通過機(jī)器人等具體實體與人類和環(huán)境進(jìn)行實時互動。

馬斯克曾說，雖然未來有一天人人可能會擁有一個人形機(jī)器人，但是目前展現(xiàn)的Optimus人形機(jī)器人產(chǎn)品也就只能執(zhí)行重復(fù)性的簡單勞動。

具身智能的目標(biāo)是使機(jī)器能夠更好地理解和適應(yīng)復(fù)雜的環(huán)境，更高效地解決問題，并具備更靈活的行為能力。通過融合感知、決策和執(zhí)行的過程，具身智能使機(jī)器能夠更接近人類智能的表現(xiàn)，從而在機(jī)器人技術(shù)、自動駕駛、智能制造等領(lǐng)域發(fā)揮重要作用。

Karpathy直言，在7年前，研究AI智能體的時機(jī)還不成熟，因技術(shù)所限做出來的效果不好，于是他和OpenAI就改變了方向，開始研究大語言模型。

而現(xiàn)在有了全新的技術(shù)手段來研究AI智能體，情況和2016年完全不同了：

最簡單的例子就是，現(xiàn)在沒有人再像2016年那樣用強(qiáng)化學(xué)習(xí)的方法來研究AI智能體了?，F(xiàn)在的研究方法和方向在當(dāng)年是不可想象的。

AI下一個浪潮？

大語言模型的出現(xiàn)，給構(gòu)建具身智能體帶來了全新的可能性。因為基于LLM的智能體可以利用預(yù)訓(xùn)練模型中蘊含的世界知識，生成一致的行動計劃或可執(zhí)行策略，這就非常適合應(yīng)用于游戲和機(jī)器人之類的任務(wù)。

DeepMind的RoboCat只是AI賦能機(jī)器人的主要案例之一。

今年以來，已經(jīng)有數(shù)家公司將語言模型運用到了機(jī)器人上：2023年年初，谷歌推出視覺語言模型PaLM-E，并運用到工業(yè)機(jī)器人上；4月，阿里巴巴將千問大模型接入工業(yè)機(jī)器人；5月，特斯拉人形機(jī)器人Optimus展示了精準(zhǔn)的控制、感知能力，同月，英偉達(dá)發(fā)布全新自主移動機(jī)器人平臺。

得益于此，人工智能加持的機(jī)器人化身具身智能吸引了全球的廣泛關(guān)注。

馬斯克在特斯拉2023年股東大會上便表示，人形機(jī)器人將是今后特斯拉主要的長期價值來源：

“如果人形機(jī)器人和人的比例是2比1左右，那么人們對機(jī)器人的需求量可能是100億乃至200億個，遠(yuǎn)超電動車的數(shù)量”。

英偉達(dá)創(chuàng)始人黃仁勛在ITF World 2023半導(dǎo)體大會上也表示，AI下一個浪潮將是“具身智能”。華爾街見聞此前指出，國盛證券分析師認(rèn)為，具身智能有著物理反饋、物理輸出的特性，可以成為成為通信、計算和存儲的新載體：

未來具身智能將會越來越強(qiáng)調(diào)邊緣通信能力與邊緣算力的匹配和耦合。

AI的軀體其實并非是最重要的，核心應(yīng)該是發(fā)展AI大腦，打通人機(jī)交互方式，讓AI能夠主動感知物理世界，擬人化的思維路徑才能做到人類期待的行為反饋。機(jī)器視覺和多模態(tài)大模型正是開啟這個世界的兩把鑰匙。