文｜烏鴉智能說
3月14日凌晨，OpenAI和初創(chuàng)公司Figure最新發(fā)布的一段人形機(jī)器人視頻在社交平臺引發(fā)熱議。
在視頻中，這款名為Figure 01的人形機(jī)器人與創(chuàng)造者的高級人工智能工程師Corey Lynch進(jìn)行了互動，Lynch讓機(jī)器人在一個臨時廚房里完成了幾項任務(wù)，包括識別蘋果、碗碟和杯子。
當(dāng)Lynch要求機(jī)器人給他找一些吃的東西時，F(xiàn)igure 01將自然而然地拿起了桌面上的蘋果。之后，Lynch讓Figure 01把垃圾收集到一個籃子里，它也按照指令完成了任務(wù)。
據(jù)悉，F(xiàn)igure 01采用了OpenAI最新推出的視覺語言模型技術(shù)，結(jié)合生成式人工智能與神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)原理，是世界上的一款通用任務(wù)人工智能人形機(jī)器人。與特定任務(wù)AI機(jī)器人不同，F(xiàn)igure 01可以同時進(jìn)行多任務(wù)處理、識別周圍環(huán)境、與用戶實時交流。
值得一提的是，這款基于OpenAI大模型的智能人形機(jī)器人的問世，距離OpenAI與Figure于3月1日官宣合作僅僅過了13天。
/ 01 / 多任務(wù)處理，可與人類實時交流
根據(jù)官網(wǎng)介紹，這款機(jī)器人高5英尺6英寸（約167cm），重60kg，可承重20kg，續(xù)航5h，前進(jìn)速度1.2m每秒 。
Figure 01能做什么？與以往的工業(yè)機(jī)器人有何不同，AI工程師Corey Lynch給出了自己的答案：
一是強大的語義理解能力，能夠與人類實時溝通 。 “實時”是Figure 01最顯著的特征，在Figure公司發(fā)布的視頻中，該款機(jī)器人的語音識別和語義理解速度已經(jīng)可以和普通人類媲美，并沒有以往過程帶給使用者的“機(jī)械化延時”感受。
二是端對端的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)能力，能夠像人類一樣思考、推理。 在FigureAI發(fā)布的視頻中，F(xiàn)igure01已經(jīng)能夠從“吃的”推斷出“蘋果”，并且正確識別出了“垃圾”，將其放入垃圾桶?！俺缘摹薄袄钡瘸橄笤~匯，并非特定指示類的任務(wù)處理模式，需要不同于以往工業(yè)機(jī)器人的抽象學(xué)習(xí)能力。而Figure 01，即使沒有人類指令，也已經(jīng)知道餐具應(yīng)該被放在架子上。
三是情感互動，反問交互。 “我可以吃一口嗎”這樣的回答讓人難以與一個基于算法、數(shù)據(jù)建構(gòu)而成的“冷冰冰”的機(jī)器人聯(lián)系在一起。即使在交互性人機(jī)界面，也鮮少有AI程序能夠與用戶進(jìn)行反問式的話題互動與情感交流。Figure 01的“類人性”讓很多用戶大吃一驚，其研發(fā)團(tuán)隊的一名工程師直言Figure 01已經(jīng)具有常識（common sense），能夠通過基本的邏輯推理像人類一樣 說話 ，進(jìn)行簡單的任務(wù)處理。
四是通用環(huán)境下的多任務(wù)處理能力。 Figure01出世前，工業(yè)機(jī)器人都需要預(yù)先編程以執(zhí)行特定功能，但Figure 01可以通過觀察學(xué)習(xí)并糾正自己的錯誤，識別周圍環(huán)境中的物體，并在實時對話中通過自然語言理解進(jìn)行多任務(wù)處理。
值得注意的是，在Figure 01強大優(yōu)越的性能背后，是OpenAI最新視覺語言模型（visual language model）與Figure神經(jīng)網(wǎng)絡(luò)系統(tǒng)的聯(lián)合押注。
據(jù)悉，F(xiàn)igure 01的集成攝像頭可將數(shù)據(jù)發(fā)送到OpenAI訓(xùn)練的大型視覺語言模型，而Figure自己的神經(jīng)網(wǎng)絡(luò)也“通過機(jī)器人上的攝像頭以10 Hz的頻率采集頭像”。傳統(tǒng)AI機(jī)器人需要通過大量數(shù)據(jù)集和基礎(chǔ)的編程代碼來學(xué)習(xí)的特定任務(wù)，對于Figure 01，只需要觀看10個小時的視頻錄像就能學(xué)會。
Figure01還使用了公司研發(fā)的 "學(xué)習(xí)型低級雙臂操作"，該系統(tǒng)將精確的圖像校準(zhǔn)（精確到像素級）與神經(jīng)網(wǎng)絡(luò)相匹配，以控制動作。"Figure AI稱 ：“這些網(wǎng)絡(luò)以10hz的頻率接收板載圖像，并以200hz的頻率生成24-DOF動作（手腕姿勢和手指關(guān)節(jié)角度）?！比绻l(fā)現(xiàn)任何偏離所學(xué)行為或預(yù)期結(jié)果的情況，F(xiàn)igure 01就會將其解釋為錯誤，并調(diào)整自己的行動，直到達(dá)到預(yù)期結(jié)果。通過強化學(xué)習(xí)，任務(wù)完成后的反饋會加強實現(xiàn)這一任務(wù)的神經(jīng)連接，進(jìn)一步將其嵌入'已知'過程 。
/ 02 / 估值26億美元的超級明星，微軟、英偉達(dá)紛紛下注
FigureAI成立于2021年，團(tuán)隊成員大多是前谷歌工程師。公司的總目標(biāo)是，研發(fā)具有高性能的人形機(jī)器人，將人類從危險繁重工作中解放出來，比如采礦、施工、災(zāi)后重建等重體力的勞動密集型產(chǎn)業(yè)。?
看重人形機(jī)器人的行業(yè)前景與巨大的盈利能力，微軟、英偉達(dá)、OpenAI等行業(yè)巨頭紛紛下注。據(jù)悉，F(xiàn)igure公司在二輪融資中籌集了6.75億美元，公司市值總估值達(dá)到26億美元。亞馬遜前首席執(zhí)行官、世界第二富豪貝索斯通過其公司Explore Investments投資了1億美元，微軟投資了9500萬美元，英偉達(dá)和一家亞馬遜附屬基金各投資了5000萬美元。
Figure團(tuán)隊目前由40名行業(yè)專家組成，大多來自波士頓動力公司、特斯拉、IHMC、GoogleX、Cruise和蘋果SPG，這些公司大多擁有100年人工智能和仿人機(jī)器人的研發(fā)經(jīng)驗。在Figure擔(dān)任首席技術(shù)官的Jerry Pratt博士，在IHMC擁有20多年的仿人機(jī)器人研發(fā)經(jīng)驗，曾帶領(lǐng)團(tuán)隊參加DARPA仿真人機(jī)器人挑戰(zhàn)賽。
AI是技術(shù)和資本的聯(lián)合產(chǎn)物，繼生成式人工智能席卷整個世界的資本浪潮后，人形機(jī)器人會成為AI行業(yè)的新風(fēng)口嗎？
實際上，人形機(jī)器人的歷史由來已久，但發(fā)展速度十分緩慢。
人形機(jī)器人起步于1960年代日本早稻田大學(xué)的WABOT項目。誕生于1972年，由加藤一郎帶領(lǐng)研發(fā)的WABOT-1是世界上第一個全尺寸人形機(jī)器人。它擁有肢體控制系統(tǒng)、視覺系統(tǒng)和對話系統(tǒng)，可以行走、抓握和搬運物品，并能用日語與人交流。
其后，波士頓公司于2013年發(fā)布的Atlas人形機(jī)器人經(jīng)過一系列的優(yōu)化設(shè)計，已經(jīng)可以完成快速小跑、側(cè)空翻等人類才能完成的跑酷動作，被譽為運動方面最接近人類的人形機(jī)器人。
自此，Walker、Ameca、擎天柱等多款赫赫有名的人形機(jī)器人也進(jìn)入了人們的視野。
不過，這些產(chǎn)品最終都沒能掀起人形機(jī)器人在AI領(lǐng)域的商業(yè)化浪潮和資本關(guān)注。
究其原因，還是不夠“像人”。從用戶體驗來講，就像是在與只能執(zhí)行機(jī)械化命令的“冰冷機(jī)器”對話。缺乏人性化的設(shè)計和情感互動無法激發(fā)資本的押注和市場的購買欲。
但是，F(xiàn)igure01的出現(xiàn)可能會大大加速這一進(jìn)程。
據(jù)悉，早在2022年，F(xiàn)igureAI就與德國汽車品牌寶馬簽訂了該公司第一項商業(yè)協(xié)議，旨在將多功能AI自動化機(jī)器人Figure 01部署在美國南卡羅萊納州斯帕坦堡的汽車加工廠。
而FigureAI高額的融資與市場估值也展現(xiàn)了這一行業(yè)巨大的發(fā)展?jié)摿陀芰Α?/p>
關(guān)于未來走向何方，F(xiàn)uture AI稱，他們將與OpenAI聯(lián)手開啟人形機(jī)器人新紀(jì)元。
或許在不久的將來 ，我們就可以看見《黑鏡》里機(jī)器人與人類在街頭漫步的場景了。
或許在更久的將來，《愛德華剪刀手》里機(jī)器人的自主意識與感情也不再是電影劇本里浪漫的橋段。
在那一天，這些與人類外形無異的機(jī)器人將何去何從，也將成為關(guān)乎人類生存問題的一大課題。