2024，人形机器人爆发元年？从难点和时机出发聊聊可能性

文章来源：夕小瑶科技说
作者 | 小戏

图片来源：由无界AI生成

就在一年前，当我们带着“尝鲜”的想法注册了 ChatGPT 的账号，向那六个“花瓣”的图标发送第一句“Hello”时，我们或许还无法想象一年后的我们已经开始可以期待无数科幻电影刻画描述的“人形机器人”正在向我们走来。

是的，大模型经历了 Chat 与 Agent 的疯狂之后，随着 Sora 作为所谓“世界模拟器”的出现，科研界与资本市场都不约而同的将目光投向了作为实体的 Robot，尤其是人形的 Humanoid Robot。

回想人类的进化历程，我们先有了“身体”，才逐步在自然选择之中进化出了“智能”，而从 2023 年伊始，大模型的发展似乎将智能的进化颠倒过来，作为“智能大脑”出现的大模型正在一步步的寻找自己的身体，2023 年下半年是“工具”，而 2024 年似乎直指“智能的身体”。

如果先不论 “xxx 是 xxx 元年”这种句式是否有画饼之嫌，可以预想到的是，可能不同于 Chat 的聊天机器人，也不同于 Agent 的自动化助手，作为人形的机器人一旦出现并广泛应用，将不单单是某一块的所谓“智能产业”的变革或是对某个“机器人行业”造成冲击，相反一种具有拟人，尤其是具备“生产力”属性的“人造机器”的出现，将不单单是一种“增强生产力的技术”，而是作为“取代性技术”对世界政治、经济乃至文化带来变革。

那么，回到问题之初，当下我们正历经的 2024，真的有可能是人形机器人元年吗？让我们先从“人形机器人”这个问题出发。

皇冠上的明珠——人形机器人困难在哪？

如果随意在路上拉一个没有学过人工智能的人问“人工智能是什么？”，可能一个最朴素的答案就是“让计算机像人类一样行事”。然而，人工智能这门学科从上世纪六十年代至今走过六十年，无论是从最初的 Rule-Based 的 AI 还是基于机器学习的 AI，亦或者是目前风光无限的基于大模型的 AI Agent，我们真的可以说现在计算机已经可以“像人类一样行事”了吗？

显然，答案是否定的。

尽管我们看到 AI 一路走来，从最开始在最简单的游戏里频频失足，到 AlphaGO 完全摧毁围棋，从在 28x28 的灰度图上的完成的手写数字识别，到目前遍布大街小巷在现实生活中无处不在的计算机视觉应用，乃至 ChatGPT 横空出世，表现最佳的 GPT-4 甚至于被认为通过了图灵测试。

但是无论这些算法如何神乎其技，我们都可以认为他们只是在一个由计算机构筑的虚拟世界中完成了一系列的加减乘除，或许他们是一个“黑箱”，但是只要一个盒子那么唯有存在一个人去将其“打开”，这个黑箱的功能才有用武之地，换言之，目前的 AI，似乎都缺乏了直接对我们身处的“物理世界”主动施加影响的能力。

而这一点“主体性”与“能动性”，却构筑了当下 AI 与“像人类一样行事”之间巨大的鸿沟与壁垒。那么如何让 AI 从黑客帝国般的虚拟编码中“解放”，现身于物理世界之中呢？机器人学家 Rodney Brooks 提出了一个口号：“智能需要一个身体”

▲日本机器人学者石黑浩（Hiroshi Ishiguro）制造的人形机器人 Geminoid F

早在上世纪八十年代，在机器人领域，Brooks 就提出了 Embodied 具身化的概念。具身这个中文似乎有点抽象，但是如果分析 Embody 的英语词源可以发现 em（向内）组合body（身体），引申意即为“赋予有机体形式”。而对“智能”而言，一个真实存在于物理世界的“body” 即是一种“能力”，又是一种“限制”，body 赋予了智能与物理世界互动，影响甚至改变物理世界的能力，同时，body 的边界也使得智能无法如 ChatGPT 一样在网络世界中近乎“无所不能”。

尽管这种“把机器人扔给真实世界，让其通过感知、行动与试错来获取知识”的想法并非什么灵光乍现的天才想法，但是真正要想让机器人在真实世界中做的与人类一样好，其复杂程度却远超人们一开始的设想。人类身体在上万年的进化历程之中，形成了一套完整的基于生物学的信息处理机制，譬如当人类完成上楼梯这个动作时，大脑可以精准的感知足部的受力快速找到合适的重心，再通过迅速的对全身肌肉进行调整，以保证重心稳定。