陳根：在可預見的未來，人形機器人正在加速到來？_風聞

文/陳根

進入2023年，機器人產業似乎迎來了歷史性的“創新大爆炸”時刻，其中，人形機器人的發展，更是備受市場關注。

在2023世界機器人大會上，160餘家國內外機器人企業攜近600件展品參展，其中60款新品為全球首發。展會上十餘款人形機器人的展示，更是讓大眾看到了產業在人形機器人上積蓄已久的蓬勃活力。

人形機器人正在成為機器人行業發展的一個必然趨勢，相較於其他形態的機器人，人形機器人最大的特點，就是像人。

那麼，作為人類的聰明苦力，機器人為什麼非得是“人形的”？大模型的突破與爆發，又將給人形機器人帶來什麼機遇和挑戰？

為什麼我們需要人形機器人？

顯然，相較於其他形態的機器人，人形機器人最大的特點，就是像人。其實這種形態主要就是為了滿足我們人類的情感與審美需求，並且基於我們人類能信賴的形態才能最大程度的走入我們生活。

**事實上，從“機器人”這個詞的起源來看，“**機器人”就和“人形”有着緊密的聯繫。一般認為，“機器人”一詞來自生於波西米亞的劇作家卡雷爾·卡佩克（Karel Capek）在1921年的劇作《羅薩姆的萬能機器人》（Rossum’s Universal Robots）。在這部作品中，一位哲學家研製出一種人造勞工，這些人造勞工外貌與人類相差無幾，被資本家大批製造來充當勞動力。

因此，大部分人認為，卡佩克就是“機器人”一詞的創造者。雖然在卡佩克之前，就有人設想和製造過類似於機器人的概念和物件，比如中國古代多個朝代都有人制作類機器人的物件、達芬奇設計的一款能動的騎士，只不過，後來這些都被逐步納入卡佩克使用的“機器人”這個詞彙之下。

這也讓我們看到，在機器人一開始的設想裏，基於人形的機器人就被認為能夠更好地充當人類的勞動力**。**馬斯克不止一次強調，人類文明所面臨的最大風險之一就是人力短缺，人類更應該將精力放在腦力勞動而不是體力勞動上。然而，要讓機器人更好地充當人類勞動力，就需要讓機器人也適應我們人類的生活。因為我們的社會是根據人類本身來設計的，而一個像是人類的機器人，就能夠很好滿足這一條件。

**比如，我們之所以把機器人做成人形，不用輪胎而用雙腳行走，正是為了適應移動時的環境。**人類希望機器人的活動範圍不被侷限於路面上，而是能夠像人一樣的靈活行動，為了更好的替代人類的職業。

而具備人形並且能直立行走的類人機器人，在我們人類社會與生活中就能更自然的應對樓梯和我們的各種建築設計，還可以跟我們人類一樣，自如的應對生活空間中存在着各種可以在步行過程中跨越的高低差。儘管如今全社會都為了照顧輪椅使用者而努力推廣無障礙設施，但人的行動範圍裏仍免不了存在障礙物。因此，對於機器人來説，僅僅像掃地機那樣避開地板上的障礙物顯然是不夠的，機器人還要時不時上下樓梯。

**只有基於人形的機器人，才能夠最大程度的對應我們人類的社會，才能實現最高效率的勞動力。**也就是説，把機器人做成“人形”的理由之一，就在於機器人執行任務時所處的環境其實是遷就人類的體型建造起來的。衣服、桌椅、杯子、手機、汽車等等，人們眼中的這個世界，全都是為了方便人類這種“人形”生物才如此設計的。如果出現了新形態的機器人，人們就必須重新設計一套機器人能夠適應的全新環境。

另一方面，則是需求所致。在很多領域，機器人作為服務者，只有人類的外表才更容易被接受。比如，產後護理、幼兒陪伴、老人看護等——人類與人形機器人更容易產生情感上的交流，才能更被信賴。

大模型給人形機器人帶來了什麼？

當然，人形機器人的發展也受制於技術，以至於在過去的幾十年裏，人形機器人都沒有得到什麼真正的突破，而這次AI大模型的爆發，卻給了人形機器人一個新的機會。那麼，為什麼説以GPT為代表的AI大模型的爆發，對於人形機器人來説是一次重大突破？

究其原因，雖然在更早以前，智能算法就賦予了人形機器人一定的“智能”，但根本上來説，智能算法在類人語言邏輯層面並沒有真正的突破，這就使得基於智能算法的人形機器人和智能依舊沒有什麼關係，依然停留在大數據統計分析層面，超出標準化的問題，機器人就不再智能，而變成了“智障”。

可以説，在以GPT為代表的AI大模型出現以前，市場上的機器人在很大程度上還只能做一些數據的統計與分析，包括一些具有規則性的讀聽寫工作，所擅長的工作就是將事物按不同的類別進行分類，與理解真實世界的能力之間，還不具備邏輯性、思考性。

因為人體的神經控制系統是一個非常奇妙系統，是人類幾萬年訓練下來所形成的，而此前的機器人不論是在單純的AI思考性方面，還是在與機器人硬件的協調控制方面，都還只是處於起步階段。也就是説，在ChatGPT、GPT-4這種生成式語言大模型出現之前，我們所有的人工智能技術，從本質上來説還不是智能，只是基於深度學習與視覺識別的一些大數據檢索而已。

但GPT技術卻為機器人應用和發展打開了新的想象空間。GPT為機器人帶來最核心的進化就是對話理解能力，就是具備與擁有了類人的語言邏輯能力。

**那麼為什麼説具備類人的語言邏輯能力，擁有對話理解能力是GPT為機器人帶來的最核心、也最重要的進化？**因為語言理解不僅能讓機器人幫助我們安排日常的生活和工作，而且還能幫助人類去直面一下科研的挑戰，比如對大量的科學文獻進行提煉和總結。

無論是誰，僅憑自己的力量，都不可能緊跟科學界的發展速度。比如，在醫學領域，每天都有數千篇論文發表。哪怕是在自己的專科領域內，目前也沒有哪位醫生或研究人員能將這些論文都讀一個遍。但是如果不閲讀這些論文，不閲讀這些最新的研究成果，醫生就無法將最新理論應用於實踐，就會導致臨牀所使用的治療方法陳舊。在臨牀中，一些新的治療手段無法得到應用，正是因為醫生沒時間去閲讀相關內容，根本不知道有新手段的存在。如果有一個能對大量醫學文獻進行自動合成的機器人，就會掀起一場真正的革命。

**而GPT之所以被認為具有顛覆性，其中最核心的原因就在於其具備了理解人類語言的能力，**這在過去我們是無法想象的，我們幾乎想象不到有一天基於硅基的智能能夠真正被訓練成功，能夠理解我們人類的語言。

不久前，在聯合國在日內瓦舉辦的“AI for Good”全球峯會上，九個人形機器人相繼亮相，並且跟人類進行了溝通與對話。機器人不僅展現出了自己的情緒，還能和人類記者談笑風生，似乎對於這種場合已經非常熟練。一個穿着護士制服、留着可愛波波頭的醫療機器人還説：“我將與人類一起工作，提供幫助和支持，並且不會取代任何現有的工作”。

人形機器人的機遇和挑戰

可以説，ChatGPT的成功，也為人形機器人帶來了發展的拐點，但在機遇到來的同時，挑戰也在到來。

比如，ChatGPT雖然為機器人帶來類人的對話理解能力，但ChatGPT在模仿人類神經元的過程中，在模仿人類學習與語言邏輯能力的過程中，也把我們人類的一些惡習給模仿了過去，比如人類一本正經胡説八道的能力。**也就所謂的AI幻覺，**而目前，AI幻覺仍無解法。

此外，ChatGPT顯然還不具備，或者説還未達到我們人類的這樣一種閲讀與文字理解能力了，**因為它的背後還是基於強大的算法，還是基於計算機對於0和1****的編碼為基礎的一種運算識別機制。**但是這種機制已經具備了相當的理解準確性與邏輯性，這也正是大語言模型讓我們感到意外的地方，就是基於強大的算力，它已經具備了相當程度的理解能力和學習能力。

當我們給它提供一段文字，一篇文章的時候，它就能夠從中非常快速的總結與提煉出要點，並且這些學習與理解的能力與速度，遠超我們人類的能力。就像我們人類的思考和學習一樣，比如，我們能夠通過閲讀一本書來產生新穎的想法和見解，人類發展到今天，已經從世界上吸收了大量數據，這些數據以不可估量、無數的方式改變了我們大腦中的神經連接。

**AI****大型語言模型也能夠做類似的事情，並有效地引導它們自己的智能。**可以預見，以GPT比人類更為強大的學習能力，再結合參數與模型的優化，GPT將很快在一些專業領域成為專家級水平，它們的進化速度也會超越我們的想象。

而將這種能夠理解自然語言、具備自主進化能力的AI大模型接入機器人，就解決了人形機器人的一個非常核心的問題，那就是智能大腦。因為智能機器人的兩大核心：一是智能大腦；二是靈活的物理形態。這兩項技術都獲得了突破，並實現商業化應用的時候，也就意味着真正的人機協同時代全面到來。

目前，醫療領域的人形機器人正在加速發展。谷歌和亞馬遜都已經做出佈局，谷歌聲稱自己發佈了首個全科醫療大模型——Med-PaLM M，不僅懂臨牀語言、懂影像，還懂基因組學。亞馬遜則發佈了AI 醫療應用HealthScribe，HealthScribe可以幫助總結醫生就診的情況並創建臨牀文檔，包括轉錄並分析醫患討論、添加人工智能生成的見解等。

可以説，醫療機器人很快就會真正落地，從問診機器人到手術機器人 ，醫療行業將會經歷一場全面的AI化。這不僅將非常有效的解決當前醫生醫療水平之間的差異，還會最大程度的解決就醫難的問題。大部分的常規疾病的診斷都將可以由機器人醫生所取代。在這樣的基礎上，可以預見，未來必然會出現基於人形機器人技術，打造一個基檢查、診斷、手術，也就是內外科為一體的全能型機器人醫生。

而在服務業領域，基於人形的智能機器人將有望取代保姆、保安之類的職業。不僅可以當助手、管家、廚司，還可以為我們提供專業的護理服務。儘管目前的智能大腦可以還不具備超級智能的能力，還不具備自我意識的能力，但這絲毫不影響智能機器人以其強大、專業、友好的知識能力成為我們可信賴的朋友。

可以説，人形機器人將很快走入我們的生活，以後我們不再需要擔心養老、不用擔心保姆、不用擔心找不到女朋友或者男朋友，人形機器人統統可以幫助我們搞定；甚至不久後，交警、城管、法官、治安巡邏、廚司之類工作，或許就不再需要人類，統統由人形機器人上崗取代。